灰色预测模型67256.ppt

《灰色预测模型67256.ppt》由会员分享，可在线阅读，更多相关《灰色预测模型67256.ppt（60页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第七章第七章 灰色预测模型及其应用灰色预测模型及其应用Operational Research 灰色预测模型（Gray Forecast Model）是通过少量的、不完全的信息，建立数学模型并做出预测的一种预测方法.当我们应用运筹学的思想方法解决实际问题，制定发展战略和政策、进行重大问题的决策时，都必须对未来进行科学的预测.预测是根据客观事物的过去和现在的发展规律，借助于科学的方法对其未来的发展趋势和状况进行描述和分析，并形成科学的假设和判断.灰色系统理论是研究解决灰色系统分析、建模、预测、决策和控制的理论.灰色预测是对灰色系统所做的预测.目前常用的一些预测方法（如回归分析等），需要较大的样本

2、.若样本较小，常造成较大误差，使预测目标失效.灰色预测模型所需建模信息少，运算方便，建模精度高，在各种预测领域都有着广泛的应用，是处理小样本预测问题的有效工具.7.1 灰色系统的定义和特点灰色系统的定义和特点7.2 灰色系统的模型灰色系统的模型7.3 销售额预测销售额预测7.4 城市道路交通事故次数的灰色预测城市道路交通事故次数的灰色预测7.5 城市火灾发生次数的灰色预测城市火灾发生次数的灰色预测7.6 灾变与异常值预测灾变与异常值预测7.1 灰色系统的定义和特点灰色系统的定义和特点灰色预测模型灰色预测模型67256 灰色系统理论是由华中理工大学邓聚龙教授于1982年提出并加以发展的。二十几年

3、来，引起了不少国内外学者的关注，得到了长足的发展。目前，在我国已经成为社会、经济、科学技术在等诸多领域进行预测、决策、评估、规划控制、系统分析与建模的重要方法之一。特别是它对时间序列短、统计数据少、信息不完全系统的分析与建模，具有独特的功效，因此得到了广泛的应用.在这里我们将简要地介绍灰色建模与预测的方法，更进一步的内容可参考文献23,24,25。灰色预测模型灰色预测模型672561.灰色系统的定义 灰色系统是黑箱概念的一种推广。我们把既含有已知信息又含有未知信息的系统称为灰色系统.作为两个极端，我们将称信息完全未确定的系统为黑色系统；称信息完全确定的系统为白色系统.区别白色系统与黑色系统的重

4、要标志是系统各因素之间是否具有确定的关系。灰色预测模型灰色预测模型672562.灰色系统的特点（1）用灰色数学处理不确定量，使之量化.（2）充分利用已知信息寻求系统的运动规律.（3）灰色系统理论能处理贫信息系统.灰色预测模型灰色预测模型67256常用的常用的灰色灰色预测有预测有五五种：种：（1）数数列列预测预测，即用观察到的反映预测对象特征的时间序列来，即用观察到的反映预测对象特征的时间序列来构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。量的时间。（2）灾变与异常值预测灾变与异常值预测，即通过灰色模型预测异常值出现

5、的时，即通过灰色模型预测异常值出现的时刻，预测异常值什么时候出现在特定时区内。刻，预测异常值什么时候出现在特定时区内。（3）季节灾变与异常值预测季节灾变与异常值预测，即通过灰色模型预测灾变值发生，即通过灰色模型预测灾变值发生在一年内某个特定的时区或季节的灾变预测。在一年内某个特定的时区或季节的灾变预测。（4）拓扑预测拓扑预测，将原始数据作曲线，在曲线上按定值寻找该定，将原始数据作曲线，在曲线上按定值寻找该定值发生的所有时点，并以该定值为框架构成时点数列，然后建立模值发生的所有时点，并以该定值为框架构成时点数列，然后建立模型预测该定值所发生的时点。型预测该定值所发生的时点。（5）系统预测系统预测

6、.通过对系统行为特征指标建立一组相互关联的灰通过对系统行为特征指标建立一组相互关联的灰色预测模型，预测系统中众多变量间的相互协调关系的变化。色预测模型，预测系统中众多变量间的相互协调关系的变化。7.2 灰色系统的模型灰色系统的模型灰色预测模型灰色预测模型67256 通过下面的数据分析、处理过程，我们将了解到，有了一个时间数据序列后，如何建立一个基于模型的灰色预测。1.数据的预处理 首先我们从一个简单例子来考察问题.【例7.1】设原始数据序列灰色预测模型灰色预测模型67256对数据累加 于是得到一个新数据序列灰色预测模型灰色预测模型67256 归纳上面的式子可写为 称此式所表示的数据列为原始数据

7、列的一次累加生成，简称为一次累加生成.显然有 将上述例子中的 分别做成图7.1、图7.2.可见图7.1上的曲线有明显的摆动，图7.2呈现逐渐递增的形式，说明原始数据的起伏已显著弱化.可以设想用一条指数曲线乃至一条直线来逼近累加生成数列 灰色预测模型灰色预测模型67256图7.2 图7.1为了把累加数据列还原为原始数列，需进行后减运算或称相减生成，它是指后前两个数据之差，如上例中灰色预测模型灰色预测模型67256归纳上面的式子得到如下结果：一次后减其中灰色预测模型灰色预测模型672562.建模原理给定观测数据列经一次累加得设 满足一阶常微分方程（7.1）（7.2）（7.3）灰色预测模型灰色预测模

8、型67256 其中是常数，称为发展灰数；称为内生控制灰数，是对系统的常定输入.此方程满足初始条件的解为(7.3)对等间隔取样的离散值(注意到 ）则为(7.4)灰色建模的途径是一次累加序列（7.2）通过最小二乘法来估计常数a与u.灰色预测模型灰色预测模型67256因 留作初值用，故将 用差分代替微分，又因等间隔取样，分别代入方程(7.3),故得 类似地有于是，由式（7.3）有 灰色预测模型灰色预测模型67256由于 涉及到累加列 的两个时刻的值，因此，取前后两个时刻的平均代替更为合理，即将 替换为 把 项移到右边，并写成向量的数量积形式(7.5)灰色预测模型灰色预测模型67256将（7.5）写为

9、矩阵表达式令这里，T表示转置.令(7.6)灰色预测模型灰色预测模型67256则(7.6)式的矩阵形式为方程组(7.6)的最小二乘估计为(7.6)(7.7)灰色预测模型灰色预测模型67256把估计值 代入（7.4）式得时间响应方程 由(7.8)式算得的 是拟合值；为预报值.这是相对于一次累加序列 的拟合值，用后减运算还原，就可得原始序列 的拟合值 可得原始序列 预报值.(7.8)灰色预测模型灰色预测模型672563.精度检验 (1)残差检验：分别计算灰色预测模型灰色预测模型67256（3）预测精度等级对照表，见表7.1.灰色预测模型灰色预测模型67256由于模型是基于一阶常微分方程（7.3）建立

10、的，故称为一阶一元灰色模型，记为GM(1,1).须指出的是，建模时先要作一次累加，因此要求原始数据均为非负数.否则，累加时会正负抵消，达不到使数据序列随时间递增的目的.如果实际问题的原始数据列出现负数，可对原始数据列进行“数据整体提升”处理.注意到一阶常微分方程是导出GM(1,1)模型的桥梁，在我们应用GM(1,1)模型于实际问题预测时，不必求解一阶常微分方程（7.3）.灰色预测模型灰色预测模型672564.GM(1,1)的建模步骤的建模步骤 综上所述，GM(1,1)的建模步骤如下：7.3 销售额预测销售额预测灰色预测模型灰色预测模型67256 随着生产的发展、消费的扩大，市场需求通常总是增加

11、的，一个商店、一个地区的销售额常常呈增长趋势.因此，这些数据符合建立灰色预测模型的要求。【例7.2】表7.2列出了某公司19992003年逐年的销 售额.试用建立预测模型，预测2004年的销售额，要求作精度检验。灰色预测模型灰色预测模型67256 表7.2 逐年销售额（百万元）年份19992000200120022003 序号12345 2.8743.2783.3373.3903.679【例7.2】表7.2列出了某公司19992003年逐年的销 售额.试用建立预测模型，预测2004年的销售额，要求作精度检验。灰色预测模型灰色预测模型67256 解（1）由原始数据列计算一次累加序列 ，结果见表7

12、.3.表7.3 一次累加数据年份19992000200120022003序号123452.8743.2783.3373.3903.6792.8746.1529.48912.87916.558灰色预测模型灰色预测模型67256（2）建立矩阵：灰色预测模型灰色预测模型67256灰色预测模型灰色预测模型67256灰色预测模型灰色预测模型67256灰色预测模型灰色预测模型67256灰色预测模型灰色预测模型67256下面我们用用GM预测软件求解例7.2.参考附录B（1）调用GM预测软件.见图7.3.图7.3灰色预测模型灰色预测模型67256（2）在“文件”菜单中打开“新建问题”，见到数据输入界面.见图7

13、.4.灰色预测模型灰色预测模型67256（3）输入题目名称及元素个数后，点击“下一步”键，得到原始数据序列 的输入表格.见图7.5.灰色预测模型灰色预测模型67256（4）点击“运行”键，输出分析数据如下：题目:123原始数列(5个):2.874，3.278，3.337，3.39，3.679预测结果如下：1dx/dt+ax=u：a=-0.03720438，u=3.065363312时间响应方程：X(k+1)=85.2665*exp(0.0372k)-82.39253残差E(k)：(1)0.00000000 (2)0.04596109 (3)-0.01754976(4)-0.09170440 (

14、5)0.06532115 4第一次累加值:(1)2.874000 (2)6.152000 (3)9.489000 (4)12.879000 (5)16.558000 5相对残差e(k)：(1)0.00000000 (2)0.01402108 (3)-0.00525914(4)-0.02705145 (5)0.01775514 灰色预测模型灰色预测模型672566原数据均值avg(x)：3.31160000 7原数据方差 S(1)：0.258610608残差的均值avg(E)：0.000507029残差的方差 S(2)：0.0614327610后验差比值:C：0.2375492811小误差概率

15、P：1.0000000012模型计算值X(k)：(1)2.87400000 (2)3.23203891 (3)3.35454976 (4)3.48170440 (5)3.61367885 13预测的结果X*(k)：(1)3.75065581 (2)3.89282490 (3)4.04038293 (4)4.19353416 (5)4.35249061 (6)4.51747233 预测精度等级：好！7.4 城市道路交通事故次数城市道路交通事故次数 的灰色预测的灰色预测灰色预测模型灰色预测模型67256灰色理论以“部分信息已知、部分信息未知”的“小样本”、“贫信息”的不确定问题为研究对象,通过对“

16、部分”已知的信息的生成开发,提取有价值的信息,构造生成序列的手段来寻求现实现象中存在的规律。交通事故作为一个随机事件,其本身具有相当大的偶然性和模糊性,如果把某地区的道路交通作为一个系统来看，则此系统中存在着一些确定因素(灰色系统称为白色信息),如道路状况、信号标志,同时也存在一些不确定因素(灰色系统称为灰色信息)如车辆状况、气候因素、驾驶员心理状态等等,具有明显的不确定性特征。因此可以认为一个地区的道路交通安全系统是一个灰色系统,可以利用灰色系统理论进行研究。灰色预测模型灰色预测模型67256【例7.3】某市2004年1-6月的交通事故次数统计见表7.5.试建立灰色预测模型.表7.5 交通事

17、故次数统计解 利用GM预测软件计算，输出分析数据如下：原始数列(元素共6个):83，95，130，141，156，185预测结果如下：灰色预测模型灰色预测模型672561dx/dt+ax=u：a=-0.14401015，u=84.472788102时间响应方程：X(k+1)=669.5752*exp(0.1440k)-586.57523残差 E(k)：(1)0.00000000(2)-8.71441263 (3)10.22065739(4)2.66733676 (5)-3.75981586(6)0.49405494 4第一次累加值:(1)83.000000(2)178.000000 (3)30

18、8.000000(4)449.00000(5)605.000000 (6)790.000000 5相对残差e(k)：(1)0.00000000(2)-0.09173066(3)0.07862044 (4)0.01891728(5)-0.02410138(6)0.00267057 灰色预测模型灰色预测模型672566原数据均值avg(x)：131.666666677原数据方差 S(1)：34.735508578残差的均值avg(E)：0.181564129残差的方差 S(2)：6.3518971710后验差比值 C：0.1828646711小误差概率 P：1.0000000012模型计算值X(k

19、)：(1)83.00000000(2)103.71441263(3)119.77934261 (4)138.33266324(5)159.75981586(6)184.50594506 13预测的结果X*(k)：(1)213.08514646(2)246.09114698(3)284.20963932 (4)328.23252716(5)379.07437672(6)437.79141674(7)505.60348139 预测精度等级：好！这表明：如果该市不采取更有效的管制措施，7月的交通事故次数将上升至213次.7.5 城市火灾发生次数城市火灾发生次数 的灰色预测的灰色预测灰色预测模型灰色预

20、测模型67256【例7.4】某市20012005年火灾的统计数据见表7.7.试建立模型，并对该市2006年的火灾发生状况做出预测。表7.7 某市20012005年火灾数据年份20012002200320042005 火灾(起)8797120166161灰色预测模型灰色预测模型67256解 利用GM预测软件计算，输出分析数据如下：原始数列(元素共5个):87，97，120，166，161预测结果如下：1dx/dt+ax=u：a=-0.16668512，u=81.118924332时间响应方程：X(k+1)=573.6597*exp(0.1667k)-486.65973残差 E(k)：(1)0.0

21、0000000 (2)-7.05165921 (3)-2.92477940(4)20.77885211(5)-10.56168104 灰色预测模型灰色预测模型672564 第一次累加值:(1)87.000000 (2)184.000000 (3)304.000000 (4)470.000000 (5)631.000000 5 相对残差e(k)：(1)0.00000000 (2)-0.07269752 (3)-0.02437316 (4)0.12517381 (5)-0.06560050 6 原数据均值avg(x)：126.200000007 原数据方差 S(1)：32.319653468 残差

22、的均值avg(E)：0.060183129 残差的方差 S(2)：12.2635185110 后验差比值 C：0.3794446211 小误差概率 P：1.0000000012 模型计算值X(k)：(1)87.00000000 (2)104.05165921 (3)122.92477940 (4)145.22114789 (5)171.56168104 13 预测的结果X*(k)：(1)202.67991837(2)239.44245045 (3)282.87305194 (4)334.18119203 (5)394.79571611(6)466.40463669 n预测精度等级：合格！n结果

23、表明：如果该市不采取更有效的防火措施，2006年的火灾事故次数约为 203 203 次.7.6 灾变与异常值预测灾变与异常值预测灰色预测模型灰色预测模型67256灰色灾变与异常值预测指运用灰色动态模型，对系统变化过程中某个异常数值在未来什么时间还会出现进行的预测.由于这个异常值的出现经常对人类产生不利的影响，即造成灾害，如：某年降雨量低于300mm,便形成旱灾，使粮食生产歉收；某年发生蝗灾，农作物就要减产；破坏性地震、特大洪水、台风与海啸等自然灾害的发生，更是给人们的生活和生产带来巨大的损失.因此，对这一类事件发生的时间和程度进行预报，是很有实际意义的.灰色预测模型灰色预测模型672561.灾

24、变预的数学原理与特征 灾变预测与数据预测的不同点，在于它不是预测序列数据的量的变化，而是预测异常值或“灾变”点出现的时间，它是应用灰色区间（间隔）的预测而进行的。所以，灾变预测的基本要求是“定量求时”。灾变预测的数学原理描述如下：灰色预测模型灰色预测模型67256灰色预测模型灰色预测模型67256灰色预测模型灰色预测模型672563.实际问题旱灾预测【例7.5】某地年降水量原始数据序列如表7.9所示，根据多年的时间观测，每当年降水量小于430440mm时，该地区将发生旱灾.所以，选择阈值=435mm,利用GM(1,1)模型进行旱灾预报.灰色预测模型灰色预测模型67256表7.9 某地年降水量（mm）原始数据灰色预测模型灰色预测模型67256灰色预测模型灰色预测模型67256灰色预测模型灰色预测模型672567.1 灰色系统的定义和特点灰色系统的定义和特点7.2 灰色系统的模型灰色系统的模型7.3 销售额预测销售额预测7.4 城市道路交通事故次数的灰色预测城市道路交通事故次数的灰色预测7.5 城市火灾发生次数的灰色预测城市火灾发生次数的灰色预测7.6 灾变与异常值预测灾变与异常值预测本章内容回顾本章内容回顾