灰色模型

一、简介：

如果一个系统具有层次、结构关系的模糊性，动态变化的随机性，指标数据的不完备或不确定性，则称这些特性为灰色性。具有灰色性的系统称为灰色系统。对灰色系统建立的预测模型称为灰色模型(Grey Model)，简称GM模型，它揭示了系统内部事物连续发展变化的过程。

二、基本思想：

基本思想是用原始数据组成原始序列(0)，经累加生成法生成序列(1)，它可以弱化原始数据的随机性，使其呈现出较为明显的特征规律。对生成变换后的序列(1) 建立微分方程型的模型即GM模型。GM(1,1) 模型表示1阶的、1个变量的微分方程模型。GM(1,1) 模型群中，新陈代谢模型是最理想的模型。这是因为任何一个灰色系统在发展过程中，随着时间的推移，将会不断地有一些随即扰动和驱动因素进入系统，使系统的发展相继地受其影响。用GM(1,1) 模型进行预测，精度较高的仅仅是原点数据(0)(n) 以后的1到2个数据，即预测时刻越远预测的意义越弱[3]。而新陈代谢GM(1,1)模型的基本思想为越接近的数据，对未来的影响越大。也就是说，在不断补充新信息的同时，去掉意义不大的老信息，这样的建模序列更能动态地反映系统最新的特征，这实际上是一种动态预测模型。

三、优点：

1、不需要大量样本。

2、样本不需要有规律性分布。

3、计算工作量小。

4、定量分析结果与定性分析结果不会不一致。

5、可用于Recent、短期、中长期预测。

6、灰色预测准确度高。

四、模型建立依据：

灰色理论认为能够建立微分方程预测模型，其主要依据为以下几个方面。

(1)灰色理论将随机量当作是在一定范围内变化的灰色量，将随机过程当作是在一定范围，一定时区内变化的灰色过程。

(2)灰色系统将无规律的历史数据列经累加后，使其变为具有指数增长规律的上升形状数列，由于一阶微分方程解的形式是指数增长形式，所以可对生成后数列建立微分方程模型。所以灰色模型实际上是生成数列所建模型。

(3)灰色理论通过灰数的不同生成方式、数据的不同取舍、不同级别的残差GM模型来调整、修正、提高精度。

(4)对高阶系统建模，灰色理论是通过GM(1，n)模型群解决的。GM模型群也即一阶微分方程组的灰色模型。

(5)GM模型所得数据必须经过逆生长，即累减生成做还原后才能应用。