《时间序列分析》案例案例名 称：时间序列分析在经济预测中的应用内容要 求：确定性与随机性时间序列之比较设计作 者：许启发，王艳明 设计时 间：2003年8月
案例四：时间序列分析在经济预测中的应用 一、案例简介 为了配合《统计学》课程时间序列分析部分的课堂教学，提高学生运用统计分析方法解决实际问题的能力，我们组织了一次案例教学，其内容是：对烟台市的未来经济发展状况作一预测分析，数据取烟台市1949—1998年国内生产总值（GDP）的年度数据，并以此为依据建立预测模型，对1999年和2000年的国内生产总值作出预测并检验其预测效果。国内生产总值是指一个国家或地区所有常住单位在一定时期内生产活动的最终成果，是反映国民经济活动最重要的经济指标之一，科学地预测该指标，对制定经济发展目标以及与之相配套的方针政策具有重要的理论与实际意义。在组织实施时，我们首先将数据资料印发给学生，并讲清本案例的教学目的与要求，明确案例所涉及的教学内容；然后给学生一段时间，由学生根据资料，运用不同的方法进行预测分析，并确定具体的讨论日期；在课堂讨论时让学生自由发言，阐述自己的观点；最后，由主持教师作点评发言，取得了良好的教学效果。 经济预测是研究客观经济过程未来一定时期的发展变化趋势，其目的在于通过对客观经济现象历史规律的探讨和现状的研究，求得对未来经济活动的了解，以确定社会经济活动的发展水平，为决策提供依据。 时间序列分析预测法，首先将预测目标的历史数据按照时间的先后顺序排列，然后分析它随时间的变化趋势及自身的统计规律，外推得到预测目标的未来取值。它与回归分析预测法的最大区别在于：该方法可以根据单个变量的取值对其自身的变动进行预测，无须添加任何的辅助信息。 本案例的最大特色在于：它汇集了统计学原理中的时间序列分析这一章节的所有知识点，通过本案例的教学，可以把不同的时间序列分析方法进行综合的比较，便于学生更好地掌握本章的内容。 二、案例的目的与要求 （一）教学目的 1．通过本案例的教学，使学生认识到时间序列分析方法在实际工作中应用的必要性和可能性； 2．本案例将时间序列分析中的水平指标、速度指标、长期趋势的测定等内容有机的结合在一起，以巩固学生所学的课本知识，深化学生对课本知识的理解； 3．本案例是对烟台市的国内生产总值数据进行预测，通过对实证结果的比较和分析，使学生认识到对同一问题的解决，可以采取不同的方法，根据约束条件，从中选择一种合适的预测方法； 4．通过本案例的教学，让学生掌握EXCEL软件在时间序列分析中的应用，对统计、计量分析软件SPSS或Eviews等有一个初步的了解； 5．通过本案例的教学，有助于提高学生运用所学知识和方法分析解决问题的能力、合作共事的能力和沟通交流的能力。 （二）教学要求 1．学生必须具备相应的时间序列分析的基本理论知识； 2．学生必须熟悉相应的预测方法和具备一定的数据处理能力； 3．学生以主角身份积极地参与到案例分析中来，主动地分析和解决案例中的问题； 4．在提出解决问题的方案之前，学生可以根据提供的样本数据，自己选择不同的统计分析方法，对这一案例进行预测，比较不同预测方法的异同，提出若干可供选择的方案； 5．学生必须提交完整的分析报告。分析报告的内容应包括：选题的目的及意义、使用数据的特征及其说明、采用的预测方法及其优劣、预测结果及其评价、有待于进一步改进的思路或需要进一步研究的问题。 三、数据搜集与处理 时间序列数据按照不同的分类标准可以划分为不同的类型，最常见的有：年度数据、季度数据、月度数据。本案例主要讨论对年度数据如何进行预测分析。考虑到案例设计时的侧重点，本案例只是对烟
灰色预测法 1.介绍 灰色预测就是灰色系统所做的预测，灰色系统理论是我国著名学者邓聚龙教授创立的一种兼具软硬科学特性的新理论。灰色系统的具体含义就是：部分信息已知，部分信息未知的某一系统。一般地说，社会系统、经济系统、生态系统都是灰色系统。例如物价系统，导致物价上涨的因素有很多，但已知的却不多，因此对物价这一灰色系统的预测可以用灰色预测方法。 2.适用问题 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。比如说人口预测、气象预报、初霜预测、灾变预测（如地震时间的预测）、数列预测（如对消费物价指数的预测）。 灰色预测模型所需要的数据量比较少，预测比较准确，精确度比较高。样本分布不需要有规律性，计算简便，检验方便。灰色GM(1,1) 模型是指运用曲线拟合和灰色系统理论进行预测的方法，对历史数据有很强的依赖性，没有考虑各个因素之间的联系，所以误差偏大，只适合做中长期的预测，不适合长期预测。 3.数学方法核心步骤 3.1数据的检验与处理 首先，为了确保建模方法的可行性，需要对抑制数据作必要的检验处理，设参考数据为
(0)(0)(0)(0)((1),(2),...,())x x x x n =，计算数列的级比 (0)(0)(1)().2,3,...,() x k k k n x k λ-== 如果所有的级比()k λ 都在可容覆盖2 2 12(,)n n e e -++ 内，则数列(0)x 可以 作为模型GM(1,1)的数据进行灰色预测，否则，需要对(0)x 做必要地变换处理，使其落入可容覆盖内，即取适当的c ，做平移变换 (0)(0)()(),1,2,...,y k x k c k n =+= 则是数列(0)(0)(0)(0)()((1),(2),...,())y k y y y n =的级比 (0)(0)(1)(),2,3,...,() y y k k X k n y k λ-=∈= 3.2 建立模型 按照下面的办法建立模型GM （1,1） （1） 由上面的叙述知道参考数据列为(0)(0)(0)(0)((1),(2),...,())x x x x n =，对 其做一次累加（AGO ）生成数列(1)x (1)(1)(1)(1)(1)(1)(0)(1)(0)((1),(2),...,())((1),(1)(2),...,(1)())x x x x n x x x x n x n ==+-+ 其中(1) (0)1()()(1,2,...,)k i x k x i k n ===∑ 。求均值数列 (1)(1)(1)=0.5()0.5(1)z x k x k +-，k=2,3,...,n 则(1)(1)(1)((2),(3),...,n )z z z =（） 。于是建立灰微分方程为 (0)(1)()(),2,3,...,x k az k b k n +== 相应的白化微分方程为(1) (1)()dx dt ax k b += （2）记(1)(1)(0)(0)(0)(1)(2) 1(3) 1(,),((2),(3).,(),...() 1T T z z u a b Y x x x n B z n ??- ?- ?=== ? ? ?-?? ,则称Y
灰色预测模型 一、灰色预测的概念 1. 灰色预测法是一种对含有不确定因素的系统进行预测的方法。灰色系统是介 于白色系统和黑色系统之间的一种系统。灰色系统内的一部分信息是已知的，另一部分信息时未知的，系统内各因素间具有不确定的关系。 2. 灰色预测，是指对系统行为特征值的发展变化进行的预测，对既含有已知信 息又含有不确定信息的系统进行的预测，也就是对在一定范围内变化的、与时间序列有关的灰过程进行预测。尽管灰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，因此可以通过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。灰色预测是利用这种规律建立灰色模型对灰色系统进行预测。 二、灰色预测的类型 1. 灰色时间序列预测；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，或达到某一特征量的时间。 2. 畸变预测；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。 3. 系统预测；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。 4. 拓扑预测；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，然后建立模型预测该定值所发生的时点 三、GM （1，1）模型的建立 1. 数据处理 为了弱化原始时间序列的随机性，在建立灰色预测模型之前，需先对原始时间序列进行数据处理，经过数据处理后的时间序列即称为生成列。 i. 设()()()()()()()()(){} ,,, (00000) 123X X X X X n = 是所要预测的某项指标的原始 数据，计算数列的级比()() () (),,,,()00123X t t t n X t λ-==L 。如果绝大部分的级比都落在可容覆盖区间(,)22e e -++内， 则可以建立GM(1,1)模型且可以进行灰色
灰色系统预测 重点内容：灰色系统理论的产生和发展动态，灰色系统的基本概念，灰色系统与模糊数学、黑箱方法的区别，灰色系统预测GM （1，1）模型，GM（1，N）模型，灰色系统模型的检验，应用举例。 1灰色系统理论的产生和发展动态 1982邓聚龙发表第一篇中文论文《灰色控制系统》标志着灰色系统这一诞生。 1985灰色系统研究会成立，灰色系统相关研究发展迅速。 1989海洋出版社出版英文版《灰色系统论文集》，同年，英文版国际刊物《灰色系统》杂志正式创刊。目前，国际、国内200多种期刊发表灰色系统论文，许多国际会议把灰色系统列为讨论专题。国际著名检索已检索我国学者的灰色系统论著500多次。灰色系统理论已应用范围已拓展到工业、农业、社会、经济、能源、地质、石油等众多科学领域，成功地解决了生产、生活和科学研究中的大 1
量实际问题，取得了显著成果。 2灰色系统的基本原理 2.1灰色系统的基本概念 我们将信息完全明确的系统称为白色系统，信息未知的系统称为黑色系统，部分信息明确、部分信息不明确的系统称为灰色系统。系统信息不完全的情况有以下四种： 1.元素信息不完全 2.结构信息不完全 3.边界信息不完全 4.运行行为信息不完全 2.2灰色系统与模糊数学、黑箱方法的区别 主要在于对系统内涵与外延处理态度不同； 研究对象内涵与外延的性质不同。 灰色系统着重外延明确、内涵不明确的对象，模糊数学着重外延不明确、内涵明确的对象。 “黑箱”方法着重系统外部行为数据的处理方法，是因果关系的两 1
户方法，使扬外延而弃内涵的处理方法，而灰色系统方法是外延内涵均注重的方法。 2.3灰色系统的基本原理 公理1：差异信息原理。“差异”是信息，凡信息必有差异。 公理2：解的非唯一性原理。信息不完全，不明确地解是非唯一的。公理3：最少信息原理。灰色系统理论的特点是充分开发利用已有的“最少信息”。 公理4：认知根据原理。信息是认知的根据。 公理5：新信息优先原理。新信息对认知的作用大于老信息。 公理6：灰性不灭原理。“信息不完全”是绝对的。 2.4灰色系统理论的主要内容 灰色系统理论经过10多年的发展，已基本建立起了一门新兴的结构体系，其主要内容包括以“灰色朦胧集”为基础的理论体系、以晦涩关联空间为依托的分析体系、以晦涩序列生成为基础的方法体系，以灰色模型（G，M）为核心的模型体系。以系统分析、评估、建模、预测、决策、控制、优化为主体的技术体系。 1
§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 （3） 向量T N N X X X Y )](,),3(),2([)0()0()0( = （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）
第四章 预 测 在本章当中我们讨论预测的一般概念和方法，然后分析利用),(q p ARMA 模型进行预测的问题。 §4.1 预期原理 利用各种条件对某个变量下一个时点或者时间阶段内取值的判断是预测的重要情形。为此，需要了解如何确定预测值和度量预测的精度。 4.1.1 基于条件预期的预测 假设我们可以观察到一组随机变量t X 的样本值，然后利用这些数据预测随机变量1+t Y 的值。特别地，一个最为简单的情形就是利用t Y 的前m 个样本值预测1+t Y ，此时t X 可以描述为： 假设*|1t t Y +表示根据t X 对于1+t Y 做出的预测。那么如何度量预测效果呢？通常情况下，我们利用损失函数来度量预测效果的优劣。假设预测值与真实值之间的偏离作为损失，则简单的二次损失函数可以表示为(该度量也称为预测的均方误差)： 定理4.1 使得预测均方误差达到最小的预测是给定t X 时，对1 +t Y 的条件数学期望，即： 证明：假设基于t X 对1+t Y 的任意预测值为： 则此预测的均方误差为： 对上式均方误差进行分解，可以得到： 其中交叉项的数学期望为(利用数学期望的叠代法则)： 因此均方误差为： 为了使得均方误差达到最小，则有： 此时最优预测的均方误差为： 211*|1)]|([)(t t t t t X Y E Y E Y MSE +++-= End 我们以后经常使用条件数学期望作为随机变量的预测值。 4.1.2 基于线性投影的预测 由于上述条件数学期望比较难以确定，因此将预测函数的范围限制在线性函数当中，我们考虑下述线性预测： 如此预测的选取是所有预测变量的线性组合，预测的优劣则体现在系数向量的选择上。 定义4.1 如果我们可以求出一个系数向量值α，使得预测误差)(1t t X Y α'-+与t X 不相关： 则称预测t X α'为1+t Y 基于t X 的线性投影。 定理4.2 在所有线性预测当中，线性投影预测具有最小的均方误差。
运用灰色预测法测算我市“十一五”时期 人才数量 一、基本原理 系统是指相互依赖的两个或两个以上要素所构成的具有特定功能的有机整体。系统可以根据其信息的清晰程度，分为白色、黑色和灰色系统。白色系统是指信息完全清晰可见的系统；黑色系统是指信息完全未知的系统；灰色系统是介于白色和黑色系统之间的系统，即部分信息已知、部分信息未知的系统。宇宙间大量存在的是灰色系统，严格的说，灰色系统是绝对的，而白色和黑色系统则是相对的。 运用灰色系统理论、通过建立灰色模型所进行的预测即为灰色预测。对经济、社会、农业等系统的预测属于本征性灰色系统的预测。因为这类系统没有物理原型，不清楚系统的作用机制，很难判断信息的完备性，难以对系统关系、结构作精确描述，人们只能凭逻辑推理、凭某种观念意识、凭某种准则对系统的结果、关系进行论证，然后再建立某种模型，这些模型充其量只能看作是原系统的代表、同构。 灰色系统不同于模糊系统，模糊系统内涵明确而外延模糊，灰色系统外延明确而内涵不为人们所掌握；灰色系统是基于关联度收敛原理、生成数、灰导数、灰微分方程等的观点和方法，通过建立灰色方程型模型所进行的预测，它具有如下的特点：
（一）灰色模块建模，而不直接用原始数据序列。在建模前，先对原始数据进行整理和处理，使之呈现一定的规律性，这种方法叫做生成；经过一定方式生成的新序列称之为“模块”这样做的目的是为了消除原始序列的随机性，使上下波动的时间序列转变成单调升、并带有线性或指数规律的序列。 （二）建立微分方程的动态模型。这种建模方法为本征性灰色系统的实体化、物理化找到了途径，把自然科学的试验手段移植到抽象系统。 （三）关联分析代替回归分析。灰色系统主张按机理、按发展变化态势作特征分析，按发展态势建立关联的测度，研究关联序，以研究生成函数的逼近度、检验预测精度等。 二、灰色简单模型 现行的比较常用的灰色模型有：灰色简单模型、灰色新还原模型、灰色残差模型、灰色新还原残差模型、DGM模型和费尔哈斯模型。人才发展会受到不确定因素的影响，且人才在发展中部分信息是已知的，部分信息是未知的。所以，可以采用灰色模型预测分析“十一五”期间的北京人才数量情况。以下先介绍最简单的也最常用的灰色模型，即灰色简单模型，简称为GM（1，1）模型。 （一）灰色微分方程 在介绍一般的灰色模型前，我们先介绍灰色微分方程。
经济管理学院 管理建模与仿真 （大作业） 论文题目：利用灰色预测方法预测某旅游 景点未来10年游客人数变化学号：S312090041 姓名：刘文权 任课教师：姜金贵教授
利用灰色预测方法预测某旅游景点未来 10年 游客人数变化 一、灰色预测模型介绍 灰色预测是通过原始数据的处理和灰色模型的建立，发现、掌握系统的发展规律，对系统的未来状态做出科学的定量预测。灰色预测模型能够根据现有的少量信息进行计算和推测。 最常用的灰色预测模型是GM(1,1)模型。G 表示Gray （灰色），M 表示Model （模型），GM （1，1）表示1阶的、1个变量的灰色模型。 设原始时间序列： ))(,),2(),1(()0()0()0()0(n x x x X = 预测第n+1期，第n+2期，…的值： ),2(),1()0()0(++n x n x 设相应的预测模型模拟序列为： ))(?,),2(?),1(?(?)0()0()0()0(n x x x X = 设)1(X 为)0(X 的1-AGO （即一次累加）序列： ∑===i m n i m x i x 1)0() 1(),3,2,1),()( 即： ?? ???=-+==n i i x i x i x x x ,,2),1()()() 1()1() 1()0()1()0()1( 利用) 1(X 计算GM(1,1)模型参数a 、u 。令 T u a a ],[?= 则有：n T T Y B B B a 1)(?-=
式中：?????? ????????+--+-+-=1))()1((1))3()2((1))2()1(()1()1(21)1()1(21 )1() 1(21n x n x x x x x B T n n x x x Y )](,),3(),2([)0()0()0( = 由此获得GM(1,1)模型如下： a u e a u x i x ai +-=+-))1(()1()0()1( 如果模型满足精度要求，可用于预测，获得预测值如下： )1()1(?)1()0(x x =，)1(?)2()2(?)1()1()0(x x x -= ，…， )(?)1()1(?)1()1()0(n x n x n x -+=+ )1(?)2()2(?)1()1()0(+-+=+n x n x n x ，… 对所建立的模型要进行残差检验和后验差检验，模型检验合格后方能用于预测。 （1）残差检验 残差序列： ))(,),2(),1(()0(n εεεε = =))(?)(,),2(?)2(),1(?)1(()0()0()0()0()0()0(n x n x x x x x --- 相对误差序列为： ( ){}n k n x n x x 1)0()0()0() () (, ,) 2() 2(, )1() 1(?==?εεε 以残差的大小来判断模型的好坏，残差大，说明模型精度低，反之，说明精 度高。对于n k ≤,称) () ()0(k x k k ε=?为k 点模拟相对误差，称∑=?=?n k k n 11为平均相 对误差。给定α，当α
灰色系统预测GM(1,1)模型及其Matlab 实现 预备知识 (1)灰色系统 白色系统是指系统内部特征是完全已知的；黑色系统是指系统内部信息完全未知的；而灰色系统是介于白色系统和黑色系统之间的一种系统，灰色系统其内部一部分信息已知，另一部分信息未知或不确定。 (2)灰色预测 灰色预测，是指对系统行为特征值的发展变化进行的预测，对既含有已知信息又含有不确定信息的系统进行的预测，也就是对在一定范围内变化的、与时间序列有关的灰过程进行 预测。尽管灰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，因此得到的数据集合具备潜在的规律。灰色预测是利用这种规律建立灰色模型对灰色系统进行预测。 目前使用最广泛的灰色预测模型就是关于数列预测的一个变量、一阶微分的GM(1,1)模型。它是基于随机的原始时间序列，经按时间累加后所形成的新的时间序列呈现的规律可用一阶线性微分方程的解来逼近。经证明，经一阶线性微分方程的解逼近所揭示的原始时间序列呈指数变化规律。因此，当原始时间序列隐含着指数变化规律时，灰色模型GM(1,1)的预测是非常成功的。 1 灰色系统的模型GM(1,1) 1.1 GM(1,1)的一般形式 设有变量X (0)＝{X (0)(i)，i=1,2，...，n}为某一预测对象的非负单调原始数据列，为建立灰色预测模型：首先对X (0)进行一次累加(1—AGO, Acumulated Generating Operator)生成一次累加序列： X (1)＝{X (1)(k )，k ＝1，2，…，n} 其中 X (1)(k )＝ ∑ =k i 1 X (0)(i) ＝X (1)(k －1)+ X (0)(k ) (1) 对X (1)可建立下述白化形式的微分方程： dt dX )1(十) 1(aX ＝u (2) 即GM(1,1)模型。 上述白化微分方程的解为(离散响应)： ∧ X (1)(k +1)＝(X (0)(1)－ a u )ak e -＋a u (3) 或 ∧ X (1)(k )＝(X (0)(1)－ a u ))1(--k a e ＋a u (4)
灰色预测法原理及解题步骤 一、类型 数列预测——某现象随时间的顺延而发生的变化所做的预测 灾变预测——对发生灾害或异常突变时间可能发生的时间预测 系统预测——对系统中众多变量间相互协调关系的发展变化所进行的预测 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，然后建立模型预测未来该定值所发生的时点。 注意：使用方法前一定要在段前作一个引子，连接问题分析和数据特点，以下便是：通过对已知数据的分析，随着时间的变化，排污量一直呈增长趋势，并且增长的很快。在这里利用灰色预测模型对（）进行预测。通过对数据的分析，传统的数理统计预测方法往往需要足够多的数据，而本问题的数据给出的数据偏小，如果采用传统的方法误差太大。根据上述的特点可采用灰色预测模
型。 二、灰色预测具体步骤 1》检验处理数据，级比必须满足 A、如果不全属于，则要做必要的变换处理（如取适当的常数C，作平移变换），使其落入区域中。 B、若A不成立，则建立GM（1，1）模型 建立GM（1，1）模型 （1）一次累加生成数列AGO，（目的是弱化原始时间序列的随机性，增加其稳定程度） （2）求均值数列 （3）建立GM（1，1）模型相应的白化微分方程 其中：α称为发展灰数；μ称为内生控制灰数。 （4）求的参数估计a、b（最小二乘法）
（5）给出累加时间数列预测模型 （6）做差得到原始预测值 三、检验预测值 （1）残差检验 （2）级比偏差值检验 1》参考数据 计算出级比，再由发展系数a，求出相应级比偏差
若ρ（k）<0.2,则达到一般要求;若ρ（k）<0.1,则效果好程序实现： 采用EXCEl的方法实现灰色预测。 2013-2-2 于北华大学 电子 宋方雷
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 (1) 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 (3) 2.3、常见灰色系统模型 (4) 2.4、灰色预测 (4) 3、简单的灰色预测——GM(1,1)预测 (5) 3.1、GM(1,1)预测模型的基本原理 (5) 4、小结 (8) 参考文献： (8)
灰色系统预测GM(1,1)模型及其Matlab实现 三天三夜72小时： 读懂题目-》查找文献资料-》选择题目-》重查找文献资料-》精读其中几篇-》查找资料的资料。。。。 在数学建模中常常会遇到数据的预测问题，有些赛题中，预测占主导地位，例如： 2003年A题 SARS的传播问题； 2005年A题长江水质的评价和预测问题； 2006年B题艾滋病疗法的评价及疗效的预测问题； 2007年A题中国人口增长预测问题。 有些问题则是需要在求解的过程中进行预测，如2009年D题“会议筹备”对与会人数的确定等。 参考资料： 《灰色系统理论及其应用第五版》作者：刘思峰，党耀国等著出版时间：2010.05 校超星数字图书馆可阅读。 灰色模型（Gray Model）有严格的理论基础，最大优点是实用。用灰色模型预测的结果比较稳定，不仅适用于大数据量的预测，在数据量较少时(>3)预测结果依然较准确。 预备知识 (1)灰色系统 白色系统是指系统内部特征是完全已知的,即人们不仅知道该系统的输入——输出关系，而且知道实现输入——输出关系的结构与过
程；黑色系统是指系统内部信息完全未知的,即人们只知道该系统输入——输出关系，但不知道实现输入——输出关系的结构与过程；而灰色系统是介于白色系统和黑色系统之间的一种系统，灰色系统其内部一部分信息已知，另一部分信息未知或不确定。 例如，一个加有电压的电阻，也是一个系统，根据欧姆定律，I=U/R,当电阻的大小知道后，便可由多大电压算出能得到多大电流。电压与电流之间有明确的关系或函数，这便是白色系统。因此，这样的系统要求有明确的作用原理，一个有明确作用原理的系统必定是具有确定结构的，必定是有物理原型的。然而许多社会经济系统都没有物理原型，虽然知道影响系统的某些因素，但很难明确全部因素，更不可能确定因素之间的映射关系。这种没有确定的映射关系(函数关系)的系统是灰色系统。 (2)灰色预测 灰色预测，是指对系统行为特征值的发展变化进行的预测，对既含有已知信息又含有不确定信息的系统进行的预测，也就是对在一定范围内变化的、与时间序列有关的灰过程进行预测。尽管灰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，因此得到的数据集合具备潜在的规律。灰色预测是利用这种规律建立灰色模型对灰色系统进行预测。 目前使用最广泛的灰色预测模型就是关于数列预测的一个变量、一阶微分的GM(1,1)模型。它是基于随机的原始时间序列，经按时间累加后所形成的新的时间序列呈现的规律可用一阶线性微分方程的解来逼近。经证明，经一阶线性微分方程的解逼近所揭示的原始
灰色系统方法步骤 1 评价指标集 根据前面的评价指标体系,设U 为评价指标集:U={1u ,2u ,…,l u },(l 为一级指标的个数),其中k u ={1k u ,2k u ,…,km u },(m 为第k 个指标所属的二级指标个数)。 2 评价指标权重的确定 本文运用层次分析法(AHP)来确定指标的权重值,即运用专家咨询法构造两两比较判断矩阵,求矩阵特征向量和特征根,并进行一致性检验,得出各项指标的权重。设评价指标k u 的权重集为:A={l a ,2a ,…,l a },k a 表示评价指标k u 在U 中的权重,且11=∑=l k k a 同时设各二级指标的权重 集:k A ={ak1,ak2,…,km a },ki a (i=1,2,…,m)表示指标ki U 在k u 中的比重,且∑==m i ki a 11 3、确定评价指标ki u 的评分标准 将评价指标的优劣程度划分为不同的等级,然后给各等级赋值(评分)。考虑到人们思维最大可能分辨力,本文将评价指标ki u 的优劣程度划分为4级,并分别赋值(10,8,5,3)。若指标等级介于两相邻等 级之间,其相应的评分为9,6.5,4,1.5分 4、组织评价者评分 设有S 个评价者,其评价者的序号为h=1,2,…,s 。依据评分标准分别给各评价指标ki u 评分,并填写评价专家评分表(表式略) 5、根据评价专家评分表构造评价矩阵D
其中 h ki d表示第h个评价者依据评分标准对评价指标 ki U的评分。 6、求评价灰类设评价灰类为n类。分析上文的评分等级标准,本文决定选取n=4,即设灰类j=1,2,3,4。分别代表4个评价灰类。各评价灰类及其白化函数为: 第一类(j=1):“优”,评分在10分或10分以上,白化函数为 1 f: 第二类(j=2):“良”,评分在8分左右,白化函数为2f：
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。
第七章季节性时间序列分析方法 由于季节性时间序列在经济生活中大量存在，故将季节时间序列从非平稳序列中抽出来，单独作为一章加以研究，具有较强的现实意义。本章共分四节：简单随机时间序列模型、乘积季节模型、季节型时间序列模型的建立、季节调整方法X-11程序。 本章的学习重点是季节模型的一般形式和建模。 §1 简单随机时序模型 在许多实际问题中，经济时间序列的变化包含很多明显的周期性规律。比如：建筑施工在冬季的月份当中将减少，旅游人数将在夏季达到高峰，等等，这种规律是由于季节性（seasonality）变化或周期性变化所引起的。对于这各时间数列我们可以说，变量同它上一年同一月（季度，周等）的值的关系可能比它同前一月的值的相关更密切。 一、季节性时间序列 1．含义：在一个序列中，若经过S个时间间隔后呈现出相似性，我们说该序列具有以S为周期的周期性特性。具有周期特性的序列就称为季节性时间序列，这里S为周期长度。 注：①在经济领域中，季节性的数据几乎无处不在，在许多场合，我们往往可以从直观的背景及物理变化规律得知季节性的周期，如季度数据（周期为4）、月度数据（周期为12）、周数据（周期为7）；②有的时间序列也可能包含长度不同的若干种周期，如客运量数据（S=12，S=7） 2．处理办法： （1）建立组合模型； （1）将原序列分解成S个子序列（Buys-Ballot 1847）
对于这样每一个子序列都可以给它拟合ARIMA 模型，同时认为各个序列之间是相互独立的。但是这种做法不可取，原因有二：（1）S 个子序列事实上并不相互独立，硬性划分这样的子序列不能反映序列{}t x 的总体特征；（2）子序列的划分要求原序列的样本足够大。 启发意义：如果把每一时刻的观察值与上年同期相应的观察值相减，是否能将原序列的周期性变化消除？（或实现平稳化），在经济上，就是考查与前期相比的净增值，用数学语言来描述就是定义季节差分算子。 定义：季节差分可以表示为S t t t S t S t X X X B X W --=-=?=)1(。 二、 随机季节模型 1．含义：随机季节模型，是对季节性随机序列中不同周期的同一周期点之间的相关关系的一种拟合。 AR （1）：t t S t S t t e W B e W W =-?+=-)1(11??，可以还原为：t t S S e X B =?-)1(1?。 MA （1）：t S t S t t t e B W e e W )1(11θθ-=?-=-，可以还原为：t S t S e B X )1(1θ-=?。 2．形式：广而言之，季节型模型的ARMA 表达形式为 t S t S e B V W B U )()(= （1） 这里，?? ? ??----=----=?=qS q S S S pS P S S S t d S t B V B V B V B V B U B U B U B U X W ΛΛ2212211)(1)()(平稳。 注：（1）残差t e 的内容；（2）残差t e 的性质。 §2 乘积季节模型 一、 乘积季节模型的一般形式 由于t e 不独立，不妨设),,(~m d n ARIMA e t ，则有 t t d a B e B )()(Θ=?φ （2） 式中，t a 为白噪声；n n B B B B ???φ----=Λ22111)(；m m B B B B θθθ----=ΘΛ22111)(。 在（1）式两端同乘d B ?)(φ，可得： t S t d S t D S d S t d S a B B V e B B V X B U B W B U B )()()()()()()()(Θ=?=??=?φφφ （3） 注：（1）这里t D S S X B U ?)(表示不同周期的同一周期点上的相关关系；t d X B ?)(φ则表示同一周期内
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
什么是灰色预测法? 灰色预测是就灰色系统所做的预测。所谓灰色系统是介于白色系统和黑箱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为白色系统，全部信息未知为黑箱系统，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。例如物价系统，导致物价上涨的因素很多，但已知的却不多，因此对物价这一灰色系统的预测可以用灰色预测方法。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。 编辑本段灰色预测的类型 1、数列预测。对某现象随时间的顺延而发生的变化所做的预测定义为数列预测。例如对消费物价指数的预测，需要确定两个变量，一个是消费物价指数的水平。另一个是这一水平所发生的时间。 2、灾变预测。对发生灾害或异常突变时间可能发生的时间预测称为灾变预测。例如对地震时间的预测。 3、系统预测。对系统中众多变量间相互协调关系的发展变化所进行的预测称为系统预测。例如市场中替代商品、相互关联商品销售量互相制约的预测。 4、拓扑预测。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，然后建立模型预测未来该定值所发生的时点。 编辑本段为了弱化原始时间序列的随机性 在建立灰色预测模型之前，需先对原始时间序列进行数据处理，经过数据处理后的时间序列即称为生成列。灰色系统常用的数据处理方式有累加和累减两种。
第1章灰色系统的概念与基本原理 复习思考题 一、选择题： 1.灰色系统理论着重研究的对象是（）。 A．外延明确，内涵明确 B.外延不明确，内涵明确 C．外延明确，内涵不明确 D. 外延不明确，内涵不明确 2.下面哪个不是常用的不确定性系统的研究方法（）。 A.概率统计 B.模糊数学 C.灰色系统 D.运筹学 第3章灰色关联分析 例3.2.1 我国2001-2005年国内生产总值以及第一产业、第二产业、第三产业数据（单位：千亿元）分别如下： 国内生产总值为(1),(2),(3),(4),(5)) (109.7,120.3,135.8,159.9,183.1) 第一产业产值为(1),(2),(3),(4),(5)) (15.5,16.2,17.1,21.0,23.1) 第二产业产值为(1),(2),(3),(4),(5)) (49.5,53.9,62.4,73.9,87.0) 第三产业产值为(1),(2),(3),(4),(5)) (44.6,50.2,56.3,65.0,73.0) 资料来源：2006中国统计年鉴。 以国内生产总值为系统特征序列，计算灰色关联度。 例3.3.1 设序列(1),(2),(3),(4),(5),(7))=(10,9,15,14,14,16)， (1),(3),(7))=(46,70,98),试求其绝对关联度。
例3.3.2 计算例3.3.1中与相对关联度。 复习思考题 一、选择题： 1.灰色关联分析的基本思想是（）。 A.根据序列曲线几何形状的相似程度来判断联系是否紧密 B.通过回归分析来研究变量之间的关系 C.其基本思想与主成分分析一样 D.以上答案皆错 2.以下说法正确的是（） A.对一个抽象的系统分析，首先要选准反映系统行为特征的数据序列 B.对一个抽象的系统分析，首先要选准系统行为特征的映射量 C.系统分析，要明确系统行为特征的映射量和影响系统主行为的有效因素 D.以上答案皆正确 3.若为经济要素，k为时间，(k)为因素在时刻k的观测数据，则(1)，(2)(n)）是（） A.经济行为时间序列 B.经济行为指标序列 C.经济行为部门序列 D.经济行为横向序列 4.设(1)，(2)(n)）为因素的行为序列，为序列算子且 (1)，(2)(n)），其中(k)=(k)/(1),(1)0，k=1，2，，n，则称为（） A.初值化算子 B.均值化算子 C.区间值化算子 D.逆化算子 四、计算题 1.给定两数据序列=（3.5，4.7，6.3，8.2，10），=（3.2，5.1，7.0，8.6，10.4） 分别取=0.3，0.5，0.7，用3.2节关联度模型计算的关联度。