灰色預(yù)測法gm[1,1]總結(jié)

灰色預(yù)測法gm[1,1]總結(jié)

ID:28602772

大小:252.00 KB

頁數(shù):6頁

時間:2018-12-11

灰色預(yù)測法gm[1,1]總結(jié)_第1頁
灰色預(yù)測法gm[1,1]總結(jié)_第2頁
灰色預(yù)測法gm[1,1]總結(jié)_第3頁
灰色預(yù)測法gm[1,1]總結(jié)_第4頁
灰色預(yù)測法gm[1,1]總結(jié)_第5頁
資源描述:

《灰色預(yù)測法gm[1,1]總結(jié)》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在工程資料-天天文庫

1、完美.WORD格式.整理灰色預(yù)測模型一、灰色預(yù)測的概念1.灰色預(yù)測法是一種對含有不確定因素的系統(tǒng)進行預(yù)測的方法。灰色系統(tǒng)是介于白色系統(tǒng)和黑色系統(tǒng)之間的一種系統(tǒng)?;疑到y(tǒng)內(nèi)的一部分信息是已知的,另一部分信息時未知的,系統(tǒng)內(nèi)各因素間具有不確定的關(guān)系。2.灰色預(yù)測,是指對系統(tǒng)行為特征值的發(fā)展變化進行的預(yù)測,對既含有已知信息又含有不確定信息的系統(tǒng)進行的預(yù)測,也就是對在一定范圍內(nèi)變化的、與時間序列有關(guān)的灰過程進行預(yù)測。盡管灰過程中所顯示的現(xiàn)象是隨機的、雜亂無章的,但畢竟是有序的、有界的,因此可以通過對原始數(shù)據(jù)進行生成處理來尋找系統(tǒng)變動的規(guī)律,生成有較強規(guī)律性的數(shù)據(jù)

2、序列,然后建立相應(yīng)的微分方程模型,從而預(yù)測事物未來發(fā)展趨勢的狀況?;疑A(yù)測是利用這種規(guī)律建立灰色模型對灰色系統(tǒng)進行預(yù)測。二、灰色預(yù)測的類型1.灰色時間序列預(yù)測;即用觀察到的反映預(yù)測對象特征的時間序列來構(gòu)造灰色預(yù)測模型,預(yù)測未來某一時刻的特征量,或達(dá)到某一特征量的時間。2.畸變預(yù)測;即通過灰色模型預(yù)測異常值出現(xiàn)的時刻,預(yù)測異常值什么時候出現(xiàn)在特定時區(qū)內(nèi)。3.系統(tǒng)預(yù)測;通過對系統(tǒng)行為特征指標(biāo)建立一組相互關(guān)聯(lián)的灰色預(yù)測模型,預(yù)測系統(tǒng)中眾多變量間的相互協(xié)調(diào)關(guān)系的變化。4.拓?fù)漕A(yù)測;將原始數(shù)據(jù)作曲線,在曲線上按定值尋找該定值發(fā)生的所有時點,并以該定值為框架構(gòu)成時點

3、數(shù)列,然后建立模型預(yù)測該定值所發(fā)生的時點三、GM(1,1)模型的建立1.數(shù)據(jù)處理為了弱化原始時間序列的隨機性,在建立灰色預(yù)測模型之前,需先對原始時間序列進行數(shù)據(jù)處理,經(jīng)過數(shù)據(jù)處理后的時間序列即稱為生成列。i.設(shè)是所要預(yù)測的某項指標(biāo)的原始數(shù)據(jù),計算數(shù)列的級比。如果絕大部分的級比都落在可容覆蓋區(qū)間內(nèi),則可以建立GM(1,1)范文.范例.指導(dǎo)完美.WORD格式.整理模型且可以進行灰色預(yù)測。否則,對數(shù)據(jù)做適當(dāng)?shù)念A(yù)處理。方法目前主要有數(shù)據(jù)開n方、數(shù)據(jù)取對數(shù)、數(shù)據(jù)平滑。預(yù)處理的數(shù)據(jù)平滑設(shè)計為三點平滑,具體可以按照下式處理i.預(yù)處理后對數(shù)據(jù)作一次累加生成處理,即:將原

4、始序列的第一個數(shù)據(jù)作為生成列的第一個數(shù)據(jù),將原始序列的第二個數(shù)據(jù)加到原始序列的第一個數(shù)據(jù)上,其和作為生成列的第二個數(shù)據(jù)。按此規(guī)則進行下去,便可得到生成列。根據(jù),得到一個新的數(shù)列這個新的數(shù)列與原始數(shù)列相比,其隨機性程度大大弱化,平穩(wěn)性大大增加。1.新數(shù)列的變化趨勢近似地用下面的微分方程描述。其中:a稱為發(fā)展灰數(shù);u稱為內(nèi)生控制灰數(shù)。2.模型求解。令,為待估參數(shù)向量,,,于是模型可表示為通過最小二乘法得到:求解微分方程,即可得灰色預(yù)測的離散時間響應(yīng)函數(shù):范文.范例.指導(dǎo)完美.WORD格式.整理,為所得的累加的預(yù)測值,將預(yù)測值還原即為:注:若數(shù)據(jù)經(jīng)過預(yù)處理,則

5、還需經(jīng)過相應(yīng)變換才能得到實際預(yù)測值。4、模型檢驗灰色預(yù)測檢驗一般有殘差檢驗、關(guān)聯(lián)度檢驗和后驗差檢驗。1)殘差檢驗分別求出預(yù)測值、絕對誤差值和相對誤差值,計算出平均相對誤差判斷精度是否理想。檢驗表序號實際數(shù)據(jù)模擬數(shù)據(jù)殘差相對誤差23453.2783.3373.3903.6793.23003.35453.48173.61360.0460-0.0175-0.09170.06541.40%0.52%2.71%1.78%平均相對誤差1.6025%2)關(guān)聯(lián)度檢驗i.定義關(guān)聯(lián)系數(shù)其中:①為第個點與的絕對誤差;②稱為分辨率,0<<1,一般取=0.5;③對單位不一,初值不

6、同的序列,在計算相關(guān)系數(shù)前應(yīng)首先進行初始化,即將該序列所有數(shù)據(jù)分別除以第一個數(shù)據(jù)。范文.范例.指導(dǎo)完美.WORD格式.整理i.定義關(guān)聯(lián)度,稱為與的關(guān)聯(lián)度根據(jù)上述方法算出與原始序列的關(guān)聯(lián)系數(shù),然后計算出關(guān)聯(lián)度,根據(jù)經(jīng)驗,當(dāng)=0.5時,關(guān)聯(lián)度大于0.6便滿足檢驗標(biāo)準(zhǔn)。1)后驗差檢驗計算原始序列標(biāo)準(zhǔn)差和絕對誤差序列的標(biāo)準(zhǔn)差分別為:,計算方差比,小誤差概率,令,,則檢驗指標(biāo)和與灰色預(yù)測精度檢驗等級標(biāo)準(zhǔn)如下表所示:XXX表檢驗指標(biāo)優(yōu)良中差>0.9>0.8>0.7≤0.7<0.35<0.5<0.6530.65四、殘差模型修正若用原始經(jīng)濟時間序列建立的GM(1,1)模

7、型檢驗不合格或精度不理想時,要對建立的GM(1,1)模型進行殘差修正或提高模型的預(yù)測精度。修正的方法是建立GM(1,1)的殘差模型。設(shè)其中,-為的殘差序列。若存在k0,滿足1.2.,則稱為可建模殘差尾段,仍記為設(shè)為可建模殘差尾段,其一次累加序列的GM(1,1)模型的時間響應(yīng)式為則殘差尾段的模擬序列為范文.范例.指導(dǎo)完美.WORD格式.整理其中?若用修正則稱修正后的時間響應(yīng)式為殘差修正GM(1,1)模型,簡稱殘差GM(1,1)。其中殘差修正值的符號應(yīng)與殘差尾段的符號保持一致。?若則相應(yīng)的殘差修正時間響應(yīng)式稱為累減還原式的殘差修正模型。取定k后,按此模型,可

8、對k>k0的模擬值進行休整,修正后的精度如下表:誤差檢驗表序號實際數(shù)據(jù)模擬數(shù)據(jù)殘

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。