基于灰色模型的综合测评体系
摘要：本文以广州大学松田学院管理学系的一个教学班部分学生为样本，根据一年综合测评数据资料，采用灰色模型的方法进行预测和排序。同时与传统方法进行比较，探讨了灰色模型在学生综合测评分析中的优缺点。本文通过数据研究的方式，为学生工作者更好地管理学生提供理论依据，使学生工作更加科学有效。
关键词：灰色模型；综合测评；学生工作
中图分类号：g46 文献标识码：a 文章编号：1009-0118（2011）-06-0-02
一、灰色模型理论
灰色理论是我国学者邓聚龙教授在1982年创立的，它是一种研究少数据、贫信息、不确定性问题的新方法。灰色理论的研究对象是“部分信息已知、部分信息未知”的“小样本”、“贫信息”不确定性系统，它通过对“部分”已知信息的生产、开发实现对现实世界的确切描述和认识。灰色系统对实验观测数据没有什么特殊的要求和限制，因此应用领域十分宽广。
二、学生综合测评评价体系
综合测评的宗旨是激发学生的积极性，引导学生以学为主，德、智、体全面发展，并为学院、校级和市（省）级评选优秀学生，同时为颁发奖助学金提供依据。
以广州大学松田学院管理学系一个教学班为例，综合测评分为：品德表现（权重20%）、学业表现（权重60%）、综合能力（权重20%）。
基于灰色预测模型的上海世博会分析 张文彬华北电力大学保定 张静峰华北电力大学科技学院保定 摘要：众所周知，世博会正日益成为全世界人民交流历史文化、展示科技成果、体现合作精神、展望未来发展等的重要舞台。世博会的举行可以推动该城市经济的发展。本文基于灰色预测模型从第一、第二、第三产业、进出口贸易、居民消费价格指数等方面对上海世博会的举行对上海经济的发展进行了分析和说明。 关键词：灰色预测模型，世博会，经济发展 一前言 世界博览会是人类文明的驿站。自1851年伦敦的万国工业博览会开始，世博会正日益成为全球经济、科技和文化领域的盛会，成为各国人民总结历史经验、交流聪明才智、体现合作精神、展望未来发展的重要舞台。 中国是一个历史悠久的文明古国，2010年世界博览会的成功举行，让中国了解了世界，也让世界更多的了解中国，同时上海世博会的成功举行对上海经济的发展也起到了巨大的推动作用。而评价经济体系的指标有很多，本文选择有代表性的第一产业（农业、林业、牧业、渔业等）、第二产业（采矿业、制造业、电力、燃气及水的生产和供应业，建筑业等）、第三产业（交通运输业、邮电通讯业、商业饮食业等流通类行业和金融业、保险业、旅游业、教育文化、酒店业等服务类产业）、居民消费价格指数、进出口贸易等指标[1][2]，根据上海统计年鉴中1997-2002年各指标的数据，剔除世博会举行的因素，利用灰色预测模型对2003-2009年的相关数据进行预测，并进行了残差分析，然后根据实际世界博览会举行时各项指标数据，通过与预测数据的图形对比，可以直观反映出上海世博会对上海经济发展的影响力，并对相关数 据进行了分析。 二灰色预测模型[3][4] 灰色系统理论最早由华中理工大学邓聚龙教授提出，先后发表过灰色控制、灰色预测、灰色决策等多部专著，较详细在阐述了灰色系统理论的产生、原理与应用。什么叫灰？用邓先生自己的话来讲：“完全已知的系统称作白系统；完全未知的系统称作黑系统；部分已知、部分未知的系统称作灰色系统。”，而灰色预测就是采用已知的数据来预测未知的数据的一种方法。其中G表示Grey(灰，M表示Model(模型，前一个“1”表示一阶，后一个“1”表示一个变量，GM(1, 1则是一阶，一个变量的微分方程预测模型。其算法流程如下： 1．由已知数据得初始，并按生成新的数列 。
基于灰色马尔科夫模型的传染病预测 本文从网络收集而来，上传到平台为了帮到更多的人，如果您需要使用本文档，请点击下载按钮下载本文档（有偿下载），另外祝您生活愉快，工作顺利，万事如意！ 摘要：对于传染病有效的预防和控制，一直以来就是卫生管理的重点。针对于传染性疾病发病不确定的特点，本文有效的将灰色模型和马尔科夫链融合在一起，根据GM（1，1）预测结果，利用马尔科夫链构建偏差的状态转移矩阵，对原来的灰色模型进行修正，有效的克服了数据波动大对于预测精度的不良影响，具有较好的预测效果。 关键词：灰色模型；马尔科夫模型；传染病预测前言 一直以来传染性疾病严重危害着人类的健康，对于传染性疾病的预测和预防是控制传染病的有效途径，当前社会各界对于疾病的预测进行了大量研究，对于疾病的预测具有较多的方法，而各种方法之间具有各自的优点和缺点。当前主要的预测方法有：马儿科夫模型，灰色模型，余弦模型，微分方程模型等。其中微分方程模型是一种较为简单，封闭的模型，余弦模型是一种利用周期变化来对事件进行预测的模型，针对该模型周期性变化的特点，它常常常用来研
究传染病的季节变化规律。马儿科夫模型则是根据状态转移概率矩阵来对未来某一时间的状况进行预测，它是一种区间预测。灰色模型最常用的是一阶一元GM(1,1)来进行预测，其基本思路是对事件序列整理之后构造白化方程，对一阶微分方程求解后得到预测结果。以上几种方法都有自身的特点和适用区域。张芳等[1]在分析货运价格的波动特征的基础上,认证运价指数符合马尔柯夫过程的条件，并利用马尔柯夫链预测对2008年7月~10月的指数进行区间预测,其实际值基本落入预测区间。谢劲心[2]利用余弦模型分析法对哈尔滨铁路局1992～1 996年度流行性暇腺炎发病季节特征进行分析，通过实验证明具有较好的预测效果。从而检验了马尔柯夫链预测方法的可靠性。王艳玲将灰色马尔可夫预测模型应用在工业二氧化碳排放量中的预测。实验证明，该法不但预测结果更可靠，而且能够对工业二氧化碳排放量的发展趋势进行宏观的把握，有利于决策者的决策行为。。， 1灰色模型 灰色系统理论(Grey System Theory)于1982年邓聚龙教授提出，引起了国内外学者的重视，并在各个领域得到了广泛的应用。“灰色”指的就是介于黑与白之间,即部分信息已知,部分信息未知。如今灰色系统模
灰色预测模型理论及其应用 灰色系统理论认为对既含有已知信息又含有未知或非确定信息的系统进行预测，就是对在一定方位内变化的、与时间有关的灰色过程的预测. 尽管过程中所显示的现象是随机的、杂乱无章的，但毕竟是有序的、有界的，因此这一数据集合具备潜在的规律，灰色预测就是利用这种规律建立灰色模型对灰色系统进行预测. 灰色预测模型只需要较少的观测数据即可，这和时间序列分析，多元回归分析等需要较多数据的统计模型不一样. 因此，对于只有少量观测数据的项目来说，灰色预测是一种有用的工具.本文主要围绕灰色预测GM(1,1)模型及其应用进行展开。 一、灰色系统及灰色预测的概念 1.1灰色系统 灰色系统产生于控制理论的研究中。 若一个系统的内部特征是完全已知的，即系统的信息是充足完全的，我们称之为白色系统。 若一个系统的内部信息是一无所知，一团漆黑，只能从它同外部的联系来观测研究，这种系统便是黑色系统。 灰色系统介于二者之间，灰色系统的一部分信息是已知的，一部分是未知的。 区别白色和灰色系统的重要标志是系统各因素间是否有确定的关系。 特点：灰色系统理论以“部分信息已知、部分信息未知”的“小样本”、“贫信息”不确定型系统的研究对象。 1.2灰色预测 灰色系统分析方法是通过鉴别系统因素之间发展趋势的相似或相异程度，即进行关联度分析，并通过对原始数据的生成处理来寻求系统变动的规律。生成数据序列有较强的规律性，可以用它来建立相应的微分方程模型，从而预测事物未来的发展趋势和未来状态。灰色预测是用灰色模型GM(1,1)来进行定量分析的，通常分为以下几类： (1) 灰色时间序列预测。用等时距观测到的反映预测对象特征的一系列数量（如产量、销量、人口数量、存款数量、利率等）构造灰色预测模型，预测未来某一时刻的特征量，或者达到某特征量的时间。 (2) 畸变预测（灾变预测）。通过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。 (3) 波形预测，或称为拓扑预测，它是通过灰色模型预测事物未来变动的轨迹。 (4) 系统预测，是对系统行为特征指标建立一族相互关联的灰色预测理论模型，在预测系统整体变化的同时，预测系统各个环节的变化。 上述灰预测方法的共同特点是： （1）允许少数据预测； （2）允许对灰因果律事件进行预测，比如 灰因白果律事件：在粮食生产预测中，影响粮食生产的因子很多，多到无法枚举，故为灰因，然而粮食产量却是具体的，故为白果。粮食预测即为灰因白果律事件预测。白因灰果律事件：在开发项目前景预测时，开发项目的投入是具体的，为白因，而项目的效益暂时不很清楚，为灰果。项目前景预测即为灰因白果律事件预测。
姓名：徐茂森 学号：200841004047 班级：统计2班 日期：2011年1月9日
基于灰色——马尔科夫模型的粮食产量预测 ——以山东省潍坊市粮食产量为例 【摘要】：本文基于灰色预测GM （1,1) 模型基础上，结合马尔科夫链，针对传统预测方法精确度不高的问题，研究山东省粮食产量变化来预测未来粮食产量。理论分析和实证计算表明，此种方法精确度更高，更加准确的预测未来的发展。 【关键词】：灰色预测模型，马尔可夫链，粮食产量 一、引言 我国是一个粮食大国，粮食关系到民生。对于我们这个具有13亿人口的大国来 说，粮食的作用更加重要。如今存在很多预测方法能够预测粮食的产量，都有一定的优点和缺点。灰度---马尔科夫模型是同时运用灰度预测模型和马尔科夫模型对问题进行分析预测。灰度预测模型通常是研究宏观规律，马尔科夫模型而是研究围观波动。恰当的运用这两种模型综合分析问题，会是预测精度明显提高。 二、理论分析及模型建立 2.1、 灰色模型GM （1，1）的基本思想 2.1.1、灰色预测 灰色系统分析方法是通过鉴别系统因素之间的发展趋势的相私或相异程度，即进行关联度分析，并通过对原始数据的生成处理来寻求系统变动的规律。生成数据序列具有较强的规律性，可以用它来建立相应的微分方程模型，从而预测事物未来的发展趋势和未来状态。 灰色预测使用灰色模型GM （1，1）来进行定量的分析。 2.1.2、GM （1，1）模型的建立 令(0)X 为GM （1，1）建模序列 (0) X =（(0)x （1），( 0)x （2），…，(0)x （n ）） (1) X 为(0)X 的1-AGO 序列
建设与管理工程学院 课程设计 课程名称: 物流系统分析与优化课程设计课程代码:1204179 题目:某物流公司订单额预测 年级/专业/班:2012级物流管理2班 学生姓名:杨超 学号:312012********* 开始时间: 2016年6月6日 完成时间: 2016年6月 20日 课程设计成绩： 指导教师签名：年月日
物流系统分析与优化课程设计 任务书 学院名称：建设与管理工程学院课程代码：__1204179_ 专业：物流管理年级：2012 一、题目 自选题目，题目可以选择当前物流或流通领域热点问题或企业实际情况，开展物流系统分析与优化活动，提交成果，写出总结。选题尽量细小，避免假、大、空。 选题参考： 选题参考： 1、针对当前物流或流通领域的相关问题，在国内外公开出版的刊物上发表论文。 2、物流或流通相关领域的发明创造、创业计划书。 4、针对当前物流或流通领域热点问题的物流系统分析与优化课程设计等。 本人题目：某物流公司订单额预测 二、主要内容及要求 内容与物流或流通领域相关的物流系统分析，形式上可以是（但不限于）以下之一： 1.一人一题，不允许重复。调查类型的题目允许以小组为单位，但个人论文题目应有所区 别，各有侧重。 2.格式要求（附后，含目录、摘要、引言、正文、致谢、参考文献） 3.工作量要求：正文部分字数4000以上 4.阶段性要求：每周必须与导师见面，寻求指导；选题须经导师同意后才可进 入下一阶段； 5.本课程特别强调物流系统分析与优化。抄袭者将不予成绩且无重新提交报告 的资格。 6.提交材料： Ａ、最终成果：（装订顺序为：封面、任务书、课程论文，可能的案例或调查计划。）Ｂ、参考的资料（可以是原始文稿电子文档或纸质件、书、手写的读书笔记、摘抄等反应），共指导教师检查、不存档。
1.1.5 两岸间液体化工品贸易前景预测 从上述分析可见，两岸间液体化工品贸易总体上呈现上升的增长趋势。然而，两岸间的这类贸易受两岸关系、特别是台湾岛内随机性政治因素影响很大。因此，要对这一贸易市场今后发展的态势做出准确的定量判断是相当困难的；但从另一方面来说，按目前两岸和平交往的常态考察，贸易作为两岸经济与贸易交往的一个有机组成部分，其一般演化态势有某些规律可寻的。故而，我们可以利用其内在的关联性，通过选取一定的数学模型和计算方法，对之作一些必要的预测。 鉴此，本研究报告拟采用一定的预测技术，借助一定的计算软件，对今后10余年间大陆从台湾进口液化品贸易量作一个初步的预测。 (1) 模型的选择 经认真考虑，我们选取了灰色系统作为预测的技术手段，因为两岸化工品贸易具有的受到外界的因素影响大和受调查条件限制数据采集很难完全的两大特点，正好符合灰色系统研究对象的主要特征，即“部分信息已知，部分信息未知”的不确定性。灰色系统理论认为，对既含有已知信息又含有未知信息或不确定信息的系统进行预测，就是在一定方位内变化的、与时间有关的灰色过程进行的预测。尽管这一过程中所显示的现象是随机的，但毕竟是有序的，因此这一数据集合具有潜在的规律。灰色预测就是利用这种规律建立灰色模型对灰色系统进行预测。 本报告以灰色预测模型，对两岸间化工品贸易进行的预测如下： 灰色预测模型预测的一般过程为： ① 一阶累加生成（1-AGO ） 设有变量为) 0(X 的原始非负数据序列 )0(X =[)1()0(x ,)2()0(x ,…)() 0(n x ] （1.1） 则) 0(X 的一阶累加生成序列 )1(X =[)1() 1(x ,)2()1(x …)()1(n x ] （1.2） 式中 ) ()(1 )0() 1(i x k x k i ∑== k=1,2…n ② 对) 0(X 进行准光滑检验和对进行准指数规律检验
管理预测与决策的课程设计报告 灰色系统理论的研究 专业：计算机信息管理 姓名：XXX 班级：xxx 学号：XX 指导老师：XXX 日期2012年11月01 日
摘要：科学地预测尚未发生的事物是预测的根本目的和任务。无论个体还是组织，在制定和规划面向未来的策略过程中，预测都是必不可少的重要环节，它是科学决策的重要前提。在众多的预测方法中，灰色预测模型自开创以来一直深受许多学者的重视，它建模不需要太多的样本，不要求样本有较好的分布规律，计算量少而且有较强的适应性，灰色模型广泛运用于各种领域并取得了辉煌的成就。本文详细推导GM（1,1）模型， 另外对灰关联度进行了进一步的改进，让改进的计算式具有唯一性和规范性[]4。通过给 出的实例高校传染病发病率情况，建立了GM(1,1)预测模型，并预测了1993年的传染病发病率。另外对传染病发病率较高的痢疾、肝炎、疟疾三种疾病做了关联度分析，发现痢疾与整个传染病关系最密切，而肝炎、疟疾与整个传染病的密切程度依次差些。 关键词：灰色预测模型；灰关联度；灰色系统理论
目录 1、引言1 1.1、研究背景 (1) 1.1.1、国内研究现状 1 1.1.2、国外研究现状 1 1.2、研究意义 (2) 2、灰色系统及灰色预测的概念2 2.1、灰色系统理论发展概况2 2.1.1、灰色系统理论的提出2 2.1.2、灰色系统理论的研究对象 2 2.1.3、灰色系统理论的应用范围 2 2.1.4、三种不确定性系统研究方法的比较分析 3 2.2、灰色系统的特点.4 2.3、常见灰色系统模型 5 2.4、灰色预测 (5) 3、简单的灰色预测——GM(1,1)预测6
灰色系统理论的研究 摘要：科学地预测尚未发生的事物是预测的根本目的和任务。无论个体还是组织，在制定和规划面向未来的策略过程中，预测都是必不可少的重要环节，它是科学决策的重要前提。在众多的预测方法中，灰色预测模型自开创以来一直深受许多学者的重视，它建模不需要太多的样本，不要求样本有较好的分布规律，计算量少而且有较强的适应性，灰色模型广泛运用于各种领域并取得了辉煌的成就。本文详细推导GM（1,1）模型，另外对灰关联度进行了进一步的改进，让改进的计 算式具有唯一性和规范性[]4 。通过给出的实例高校传染病发病率情况，建立了GM(1,1)预测模型， 并预测了1993年的传染病发病率。另外对传染病发病率较高的痢疾、肝炎、疟疾三种疾病做了关联度分析，发现痢疾与整个传染病关系最密切，而肝炎、疟疾与整个传染病的密切程度依次差些。 关键词：灰色预测模型；灰关联度；灰色系统理论
灰色系统理论的研究 GM(1,1)预测与关联度的拓展 1、引言 模型按照对研究对象的了解程度可分为：黑箱模型、白箱模型、灰箱模型。黑箱模型：信息缺乏，暗，混沌。白箱模型：信息完全，明朗，纯净。灰箱模型：信息不完全，若明若暗，多种成分。 1.1、研究背景 1.1.1、国内研究现状 灰色系统理论在我国提出至今已有二十几年的历史，它的应用引起了人们的广泛兴趣，不论是我国粮食发展决策中总产量预测模型，还是对湖北2000年宏观经济的发展趋势的量化分析，抑或是河南人民胜利渠的最佳灌溉决策，还是武汉汉阳火车对火车装车吨位的预测等，无一不是灰色预测系统理论杰出的硕果。 1.1.2、国外研究现状 灰色系统理论在国际上也产生了很大的影响，IBM公司要求将灰色系统软件加入其为全球服务的管理软件库。目前英国、美国、德国、日本、澳大利亚、加拿大、奥地利、俄罗斯等国家、地区及国际组织有许多学者从事灰色系统的研究和应用。 国内外84所高校开设了灰色系统课程，数百名博士、硕士研究生运用灰色系统的思想方法开展学科研究，撰写学位论文。国际、国内200多种学术期刊发表灰色系统论文，许多会议把灰色系统列为讨论专题，SCI、EI、ISTP、SA、MR、MA等纷纷检索我国灰色论著。 1.2、研究意义 邓聚龙教授提出灰色系统有着重要的意义: (1) 是系统思维和系统思想在方法论上的具体体现; (2) 是科学方法论上的重大进展, 具有原创性的科学意义和深远的学术影响，是对系统科学的新贡献。 2、灰色系统及灰色预测的概念 2.1、灰色系统理论发展概况 2.1.1、灰色系统理论的提出 著名学者邓聚龙教授于20世纪70年代末、80年代初提出。
灰色预测模型原理 综合预测模型（ 灰色预测模型 (1,1)GM ） 为了是更准确的反映市场实际需求情况，我们建立综合预测模型，利用灰色模型 (1,1)GM 对平均销量做确定性增长趋势进行预测。 我们将时间序列2001—2005的实际销量值 (0)t X 累加处理生成新序列(1)t X ，则GM （1，1）模型相应的微分方程为： (1)(1)t t dX X dt αμ+= (20012005t =年 其中 α 为发展灰数 μ 为内生控制灰数 同时通过α?待估参数向量，?ααμ ??= ??? ，利用最小二乘法求解。解得： ()1?T T B B B Y α-= 矩阵B 为 (1)t X 取累加平均值所得 矩阵Y 为 (0)t X 转置矩阵 求解微分方程，即可得预测模型： ()()1011?t t X X e αμμαα-+??=-+???? ，(20012005)t =年 灰色模型算法描述： Step1. 累加处理生成新序列(1)t X Step2. 迭代计算出矩阵B 迭代计算 (1)(1)12t t t X X V ++= (20012004)t =年
得到 11,2111t t V B V --????=?????? Step3. 生成矩阵Y (0)1t t V X += ( 20012004t =年 T t t Y V = Step4. 计算系数矩阵α ? ()1 ?T T B B B Y α-= 解得,αμ Step5. 由得到的灰数,αμ 解微分方程 ()()1011?t t X X e αμμαα-+??=-+??? ? 即 预测出2006年的书号的平均销售量 Step6. 灰色模型残差检验
基于灰色马尔柯夫模型的黄金价格预测 秦笙，陈阳 （陕西师范大学国际商学院，西安 710062） 摘要：黄金价格变化受多种因素的影响，表现出既有宏观趋势的确定性又有微观波动的随机性，而准确预测黄金价格一直是金融机构的重要研究任务之一。因此，根据灰色预测模型和马尔柯夫链的基本原理，考虑各自的特点，构造出预测黄金价格的灰色马尔柯夫模型。两种方法可以优势互补，使得预测结果更加合理可靠。实例计算分析表明，灰色马尔柯夫模型可以有效预测具有某种变化趋势而随机波动较大的黄金价格。 关健词：灰色预测模型；马尔柯夫链；灰色马尔柯夫模型；黄金价格 中图分类号：F830.94 文献标识码：A Based on Gray Markov models to predict the price of gold QIN Sheng, CHEN Yang (International Business School, Shaanxi Normal University, Xi’an 710062, China) Abstract: The price of gold is affected by many factors, it showed the certainty of macro and the random of micro, accurately forecast the price of gold has been one of the important research task in financial institutions. Therefore, according to the basic principles of Grey forecasting model and the Markov chain, considering their own characteristics, constructed Grey Markov model to predict the price of gold. Two methods can complement each other, making prediction is more reasonable and reliable. Calculation and analysis showed that the Grey Markov model can effectively predict the price of gold. Keyword: Grey forecasting model; Markov chain; Grey Markov model; The price of gold 1 引言 全球性金融危机的爆发，使得各个国家的资本市场大幅下跌，证券和期货市场的风险骤然增加，与此同时，黄金的避险和保值功能吸引了大批投资者转战黄金市场，黄金价格一路飙升。然而，黄金市场也存在着风险，黄金价格也会随着一些影响因素的变化而波动，对其进行深入的研究有利于我们更好地把握其规律，提高黄金投资的收益率。 影响黄金价格的因素包括通货膨胀率、汇率、利率、股票价格指数等，黄金价格的形成是一个十分复杂的经济过程，是许多因素综合作用的结果。因此可以把黄金价格的形成过程看作是既含有已知信息，又含有未知信息的灰色动态系统，从黄金价格时间序列本身挖掘有用的信息，建立系统发展变化的GM(1，1)动态预测模型。鉴于黄金价格的时间数据序列常常呈现趋势性和较大的波动性,传统的GM(1，1)灰色预测模型对随机波动性较大的数据序列拟合效果较差，预测精度较低，而马尔柯夫链适合于随机波动性较大的预测问题，因此这两种方法的优点可以互补，前者用来揭示预测数据序列的发展变化总趋势，后者用来确定状态的转移规律，把两者有机结合起来，形成一个灰色马尔柯夫预测模型，可大大提高随机波动较大数据序列的预测精度。 2 灰色马尔柯夫模型的建立
灰色理论预测模型及GM(1,1)matlab程序灰色预测方法简介 灰色预测是一种对含有不确定因素的系统进行预测的方法。灰色预测通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。其用等时距观测到的反应预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。通过对原始数据的整理寻找数的规律，分为三类： a、累加生成：通过数列间各时刻数据的依个累加得到新的数据与数列。累加前数列为原始数列，累加后为生成数列。 b、累减生成：前后两个数据之差，累加生成的逆运算。累减生成可将累加生成还原成非生成数列。 c、映射生成：累加、累减以外的生成方式。 建模步骤 a、建模机理 b、把原始数据加工成生成数； c、对残差（模型计算值与实际值之差）修订后，建立差分微分方程模型； d、基于关联度收敛的分析； e、gm模型所得数据须经过逆生成还原后才能用。 f、采用“五步建模（系统定性分析、因素分析、初步量化、动态量化、优化）”法，建立一种差分微分方程模型gm(1,1）预测模型。 GM(1,1)程序： % 本程序主要用来计算根据灰色理论建立的模型的预测值。 % 应用的数学模型是GM(1,1)。 % 原始数据的处理方法是一次累加法。 clear;clc; % load ('data.txt');
% y=data'; y=[3 4 5 4 7 7]; n=length(y); yy=ones(n,1); yy(1)=y(1); for i=2:n yy(i)=yy(i-1)+y(i); end B=ones(n-1,2); for i=1:(n-1) B(i,1)=-(yy(i)+yy(i+1))/2; B(i,2)=1; end BT=B'; for j=1:n-1 YN(j)=y(j+1); end YN=YN'; A=inv(BT*B)*BT*YN; a=A(1); u=A(2); t=u/a; t_test=input('请输入需要预测个数：'); i=1:t_test+n; yys(i+1)=(y(1)-t).*exp(-a.*i)+t; yys(1)=y(1); for j=n+t_test:-1:2 ys(j)=yys(j)-yys(j-1); end x=1:n; xs=2:n+t_test; yn=ys(2:n+t_test); plot(x,y,'^r',xs,yn,'*-b'); det=0; for i=2:n det=det+abs(yn(i)-y(i)); end det=det/(n-1); disp(['百分绝对误差为：',num2str(det),'%']); disp(['预测值为：',num2str(ys(n+1:n+t_test))]);
§2 灰色预测模型GM(1,1)及其应用 蠕变是材料在高温下的一个重要性能。处于高温状态下的材料长期受到载荷作用时，即使其载荷较低，并且在短时间的高温拉伸试验中材料不发生变形，但在此情况下仍会有微小的蠕变，极端的情况下，甚至会使材料发生破坏。高温材料多应用于各种车辆的发动机及冶金厂中各种设备上，如果因蠕变引起破坏，可能造成很大的事故。 为了保证设备的安全可靠，在某一使用温度下，预先知道该材料对不同载荷应力下断裂的时间是很重要的。过去，人们都是通过蠕变试验测量断裂时间。而做蠕变试验时，需要很长时间才能得到结果，即使通过试验得出的数据，也只是对某几个具体试样而言，存在很大的偶然性，不能代表普遍的规律。如果将实测的数据用灰色系统理论来处理，可以预测在某一温度下的任何载荷应力的断裂时间。 一、灰色预测模型GM （1,1） 建模步骤如下： （1）GM （1,1）代表一个白化形式的微分方程： u aX dt dX =+)1() 1( （1） 式中，u a ,是需要通过建模来求得的参数；) 1(X 是原始数据) 0(X 的累加生成（AGO ）值。 （2）将同一数据列的前k 项元素累加后生成新数据列的第k 项元素，这就是数据处理。表示为： ∑==k n n X k X 1 )0() 1()()( （2） 不直接采用原始数据) 0(X 建模，而是将原始的、无规律的数据进行加工处理，使之变得较有规律， 然后利用生成后的数据列来分析建模，这正是灰色系统理论的特点之一。 （3）对GM （1,1），其数据矩阵为
?????? ? ? ?+--+-+-=1)]()1([5.01)]3()2([5.01)]2()1([5.0)1()1()1()1()1()1(N X N X X X X X B M M （3） 向量T N N X X X Y )](,),3(),2([)0()0()0(Λ= （4）作最小二乘估计，求参数u a , N T T Y B B B u a 1)(?-=??? ? ??=α （4） （5）建立时间响应函数，求微分方程（1）的解为 a u e a u X t X at +-=+-))1(()1(?)0()1( （5） 这就是要建立的灰色预测模型。 二、低合金钢铸件蠕变性能的灰色预测 下面是对Cr-mo-0.25V 低合金钢铸件高温蠕变情况利用灰色系统理论进行研究。在500℃的高温下，已测得此铸件在载荷分别为37，36，35，34，33（kg/mm 2）情况下的蠕变断裂时间见下表。 1、建立GM （1,1）模型 表中一次累加数列)() 1(k X 是根据断裂时间数列)()0(k X ，由公式（2）得到的。例如，
灰色预测模型理论及其 应用 Document number【980KGB-6898YT-769T8CB-246UT-18GG08】
灰色预测模型理论及其应用灰色系统理论认为对既含有已知信息又含有未知或非确定信息的系统进行预测，就是对在一定方位内变化的、与时间有关的灰色过程的预测. 尽管过程中所显示的现象是随机的、杂乱无章的，但毕竟是有序的、有界的，因此这一数据集合具备潜在的规律，灰色预测就是利用这种规律建立灰色模型对灰色系统进行预测. 灰色预测模型只需要较少的观测数据即可，这和时间序列分析，多元回归分析等需要较多数据的统计模型不一样. 因此，对于只有少量观测数据的项目来说，灰色预测是一种有用的工具.本文主要围绕灰色预测GM(1,1)模型及其应用进行展开。 一、灰色系统及灰色预测的概念 灰色系统 灰色系统产生于控制理论的研究中。 若一个系统的内部特征是完全已知的，即系统的信息是充足完全的，我们称之为白色系统。 若一个系统的内部信息是一无所知，一团漆黑，只能从它同外部的联系来观测研究，这种系统便是黑色系统。 灰色系统介于二者之间，灰色系统的一部分信息是已知的，一部分是未知的。 区别白色和灰色系统的重要标志是系统各因素间是否有确定的关系。 特点：灰色系统理论以“部分信息已知、部分信息未知”的“小样本”、“贫信息”不确定型系统的研究对象。 灰色预测 灰色系统分析方法是通过鉴别系统因素之间发展趋势的相似或相异程度，即进行关联度分析，并通过对原始数据的生成处理来寻求系统变动的规律。生成数据序列有较强的规律性，可以用它来建立相应的微分方程模型，从而预测事物未来的发展趋势和未来状态。灰色预测是用灰色模型GM(1,1)来进行定量分析的，通常分为以下几类： (1) 灰色时间序列预测。用等时距观测到的反映预测对象特征的一系列数量（如产量、销量、人口数量、存款数量、利率等）构造灰色预测模型，预测未来某一时刻的特征量，或者达到某特征量的时间。 (2) 畸变预测（灾变预测）。通过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。 (3) 波形预测，或称为拓扑预测，它是通过灰色模型预测事物未来变动的轨迹。 (4) 系统预测，是对系统行为特征指标建立一族相互关联的灰色预测理论模型，在预测系统整体变化的同时，预测系统各个环节的变化。 上述灰预测方法的共同特点是： （1）允许少数据预测； （2）允许对灰因果律事件进行预测，比如
%该程序用于灰色关联分析，其中原始数据的第一行为参考序列，1至15行为正相关序列，16至17为负相关序列 clc,clear load x.txt %把原始数据存放在纯文本文件x.txt 中 %如果全为正相关序列，则将两个循环替换为下列代码 %for i=1:size(x,1) %x(i,=x(i,/x(i,1); %end for i=1:15 x(i,=x(i,:)/x(i,1); %标准化数据 end for i=16:17 x(i,:)=x(i,1)./x(i,:); %标准化数据 end data=x; n=size(data,1); ck=data(1,:);%分离参考序列 bj=data(2:n,:);m1=size(bj,1); for j=1:m1 t(j,:)=bj(j,:)-ck; end jc1=min(min(abs(t')));jc2=max(max(abs(t'))); rho=0.5;%灰色关联度为0.5 ksi=(jc1+rho*jc2)./(abs(t)+rho*jc2); r=sum(ksi')/size(ksi,2); r %灰色关联度向量 [rs,rind]=sort(r,'descend') %对关联度进行降序排序 %该函数用于灰色预测模型，其中x0为列向量，alpha一般取0.5，将第一个数据视为序号为0,k从0开始的序号矩阵 function y=huiseyuce(x0,alpha,k) n=length(x0); x1=cumsum(x0); for i=2:n z1(i)=alpha*x1(i)+(1-alpha)*x1(i-1); end z1=z1'; B=[-z1(2:n),ones(n-1,1)]; Y=x0(2:n); ab=B\Y; y1=(x0(1)-ab(2)/ab(1))*exp(-ab(1)*k)+ab(2)/ab(1);%产生预测累加生成序列 y=[x0(1) diff(y1)]%产生灰色预测数据 1 / 1
灰色预测模型及应用论文Newly compiled on November 23, 2020
灰色系统理论的研究 GM(1,1)预测与关联度的拓展 摘要：科学地预测尚未发生的事物是预测的根本目的和任务。无论个体还是组织，在制定和规划面向未来的策略过程中，预测都是必不可少的重要环节，它是科学决策的重要前提。在众多的预测方法中，灰色预测模型自开创以来一直深受许多学者的重视，它建模不需要太多的样本，不要求样本有较好的分布规律，计算量少而且有较强的适应性，灰色模型广泛运用于各种领域并取得了辉煌的成就。本文详细推导GM（1,1）模型，另外对灰关联度进行了进一步的改进，让改进的计算式具有唯一性和规范性[]4。通过给出的实例高校传染病发病率情况，建立了GM(1,1)预测模型，并预测了1993年的传染病发病率。另外对传染病发病率较高的痢疾、肝炎、疟疾三种疾病做了关联度分析，发现痢疾与整个传染病关系最密切，而肝炎、疟疾与整个传染病的密切程度依次差些。 关键词：灰色预测模型；灰关联度；灰色系统理论 The Research of Grey System Theory GM（1,1) prediction and the expansion of correlation xueshenping Instructor: tangshaofang Abstract：Science has not yet occurred to predict the fundamental thing is to predict the purpose and mission. Whether individuals or organizations, in developing future-oriented strategy and planning process, the forecasts are essential and important aspect, which is an important prerequisite for scientific decision-making. Among the many prediction methods, the gray prediction model has been well received since its inception attention of many scholars, it does not require much sample modeling, does not require a better distribution of the sample was calculated, and has strong adaptability less , gray model widely used in various fields and has made brilliant achievements. This paper is derived GM (1,1) model, the other on the gray correlation was further improved, so that the improved formula is unique and normative. University by giving examples of the incidence of infectious diseases, establishing the GM (1,1) prediction model and predict the incidence of infectious diseases in 1993. In addition to the high incidence of infectious diseases, dysentery, hepatitis, malaria, made the three diseases, correlation analysis, found that dysentery is most closely with the infectious disease, and hepatitis, malaria and infectious diseases, the closeness of the order of hearing. Key words：Grey prediction model ; Grey relational grade;Grey system theory
灰色预测模型理论及其应用灰色系统理论认为对既含有已知信息又含有未知或非确定信息的系统进行预测，就是对在一定方位内变化的、与时间有关的灰色过程的预测. 尽管过程中所显示的现象是随机的、杂乱无章的，但毕竟是有序的、有界的，因此这一数据集合具备潜在的规律，灰色预测就是利用这种规律建立灰色模型对灰色系统进行预测. 灰色预测模型只需要较少的观测数据即可，这和时间序列分析，多元回归分析等需要较多数据的统计模型不一样. 因此，对于只有少量观测数据的项目来说，灰色预测是一种有用的工具.本文主要围绕灰色预测GM(1,1)模型及其应用进行展开。 一、灰色系统及灰色预测的概念 1.1灰色系统 灰色系统产生于控制理论的研究中。 若一个系统的内部特征是完全已知的，即系统的信息是充足完全的，我们称之为白色系统。 若一个系统的内部信息是一无所知，一团漆黑，只能从它同外部的联系来观测研究，这种系统便是黑色系统。 灰色系统介于二者之间，灰色系统的一部分信息是已知的，一部分是未知的。 区别白色和灰色系统的重要标志是系统各因素间是否有确定的关系。 特点：灰色系统理论以“部分信息已知、部分信息未知”的“小样本”、“贫信息”不确定型系统的研究对象。 1.2灰色预测 灰色系统分析方法是通过鉴别系统因素之间发展趋势的相似或相异程度，即进行关联度分析，并通过对原始数据的生成处理来寻求系统变动的规律。生成数据序列有较强的规律性，可以用它来建立相应的微分方程模型，从而预测事物未来的发展趋势和未来状态。灰色预测是用灰色模型GM(1,1)来进行定量分析的，通常分为以下几类： (1) 灰色时间序列预测。用等时距观测到的反映预测对象特征的一系列数量（如产量、销量、人口数量、存款数量、利率等）构造灰色预测模型，预测未来某一时刻的特征量，或者达到某特征量的时间。 (2) 畸变预测（灾变预测）。通过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。 (3) 波形预测，或称为拓扑预测，它是通过灰色模型预测事物未来变动的轨迹。 (4) 系统预测，是对系统行为特征指标建立一族相互关联的灰色预测理论模型，在预测系统整体变化的同时，预测系统各个环节的变化。 上述灰预测方法的共同特点是： （1）允许少数据预测； （2）允许对灰因果律事件进行预测，比如 灰因白果律事件：在粮食生产预测中，影响粮食生产的因子很多，多到无法枚举，故为灰因，然而粮食产量却是具体的，故为白果。粮食预测即为灰因白果律事件预测。 白因灰果律事件：在开发项目前景预测时，开发项目的投入是具体的，为白因，而项目的效益暂时不很清楚，为灰果。项目前景预测即为灰因白果律事件预测。
灰色预测模型的改进及其应用 灰色预测模型以其计算量少、适应性强而广泛应用于众多领域的研究，文章从某些函数变换能提高建模数据序列的光滑性这一角度出发，基于灰色系统建模理论方法，对于基于一元线性函数变换法的GM（1，1）模型进行了研究，并结合实例进行了验证和分析，结果证明了基于函数变换来改进灰色预测精度这一想法的可行性。 标签：灰色预测；GM（1，1）；光滑性 1 引言 预测是指在一定的理论指导和技术手段条件下，根据已掌握的事物发展的历史和现状为出发点，对其未来某一时间段内可能发生的变化特征量或变化趋势做出合理估计和推断的过程。简单来说，预测就是：根据过去和现在，估计未来。预测理论可以帮助人们认识并揭示事物的发展规律，提供关于未来发展的信息，使得人们当前的行为能有所依据，因此预测技术越来越受到社会各界的重视。 预测技术主要包括回归分析法、时间序列法、趋势分析法、人工神经网络法、模糊预测法、灰色预测法、小波分析法和数据挖掘技术等。而灰色预测模型作为一种典型的趋势分析模型特别适用于那些因素众多、结构复杂、涉及面广、综合性较强的社会系统指标的趋势预测，且它对一般模型具有很强的融合力和渗透力，可将其与其他模型相结合进行分析和预测，从而实现优势互补，增强预测能力，改善预测精度。 2 灰色预测模型 2.1 灰色系统背景知识 所谓灰色系统是指介于白色系统和黑色系统之间的过渡系统，其具体的含义是：如果某一系统的全部信息已知则为白色系统，全部信息未知则为黑色系统，部分信息已知、部分信息未知，那么这一系统就是灰色系统。一般地说，社会系统、经济系统、生态系统都是灰色系统。 我国学者邓聚龙教授于1982年首次提出了灰色系统理论这一概念，30多年来灰色系统理论受到了国内外学术界的极大关注，它以部分信息已知，部分信息未知的贫信息、不确定系统为研究对象，主要通过对部分已知信息的开发利用，去发现系统的运行规律，从而实现对事物发展规律的认识和预测。灰色预测理论问世以来的理论和实践证明，与其他预测方法相比，灰色预测模型普遍精度高，误差小，已经成为了许多领域进行系统分析建模、预测控制决策等的独特思路和崭新方法。 2.2 GM（1，1）模型概述
第7章 灰色预测方法 预测就是借助于对过去的探讨去推测、了解未来。灰色预测通过原始数据的处理和灰色模型的建立，发现、掌握系统发展规律，对系统的未来状态做出科学的定量预测。对于一个具体的问题，究竟选择什么样的预测模型应以充分的定性分析结论为依据。模型的选择不是一成不变的。一个模型要经过多种检验才能判定其是否合适。只有通过检验的模型才能用来进行预测。本章将简要介绍灰数、灰色预测的概念，灰色预测模型的构造、检验、应用，最后对灾变预测的原理作了介绍。 7.1 灰数简介 7.1.1 灰数 灰色系统理论中的一个重要概念是灰数。灰数是指未明确指定的数，即处在某一范围内的数，灰数是区间数的一种推广。 灰色系统用灰数、灰色方程、灰色矩阵等来描述，其中灰数是灰色系统的基本“单元”或“细胞”。 我们把只知道大概范围而不知其确切值的数称为灰数。在应用中，灰数实际上指在某一个区间或某个一般的数集内取值的不确定数，通常用记号“?”表示灰数。 灰数有以下几类： 1． 仅有下界的灰数 有下界而无上界的灰数记为[)∞∈?,a 或()a ?，其中a 为灰数?的下确界，它是一个确定的数，我们称[]∞,a 为?的取数域，简称?的灰域。 一棵生长着的大树，其重量便是有下界的灰数，因为大树的重量必大于零，但不可能用一般手段知道其准确的重量，若用?表示大树的重量，便有[)∞∈?,0。 2． 仅有上界的灰数 有上界而无下界的灰数记为(,]a ?∈-∞或()a ?，其中a 为灰数?的上确界，是一个确定的数。 一项投资工程，要有个最高投资限额，一件电器设备要有个承受电压或通过电
流的最高临界值。工程投资、电器设备的电压、电流容许值都是有上界的灰数。 3． 区间灰数 既有下界a 又有上界a 的灰数称为区间灰数，记为[] a a ,∈?。 海豹的重量在20~25公斤之间，某人的身高在1.8~1.9米之间，可分别记为 []25,201∈?，[]9.1,8.12∈? 4． 连续灰数与离散灰数 在某一区间内取有限个值或可数个值的灰数称为离散灰数，取值连续地充满某一区间的灰数称为连续灰数。 某人的年龄在30到35之间，此人的年龄可能是30，31，32，33，34，35这几个数，因此年龄是离散灰数。人的身高、体重等是连续灰数。 5． 黑数与白数 当()∞∞-∈?,或()21,??∈?，即当?的上、下界皆为无穷或上、下界都是灰数时，称?为黑数。 当[,]a a ?∈且a a =时，称?为白数。 为讨论方便，我们将黑数与白数看成特殊的灰数。 6． 本征灰数与非本征灰数 本征灰数是指不能或暂时还不能找到一个白数作为其“代表”的灰数，比如一般的事前预测值、宇宙的总能量、准确到秒或微妙的“年龄”等都是本征灰数。 非本征灰数是指凭先验信息或某种手段，可以找到一个白数作为其“代表”的灰数。我们称此白数为相应灰数的白化值，记为?~ ，并用()a ?表示以a 为白化值的灰数。如托人代买一件价格100元左右的衣服，可将100作为预购衣服价格()100?的白化数，记为()100100~=?。 从本质上来看，灰数又可分为信息型、概念型、层次型三类。 1．信息型灰数，指因暂时缺乏信息而不能肯定其取值的数，如：预计某地区今年夏粮产量在100万吨以上，[)∞∈?,100；估计某储蓄所年底居民存款总额将 达7000万到9000万，[]9000 ,7000∈?；预计西安地区5月份最高气温不超过36℃，[]36,0∈?。这些都是信息型灰数。由于暂时缺乏信息，不能肯定某数的确切取值，而到一定的时间，通过信息补充，灰数可以完全变白。