下载文档原格式
从零开始的数学建模：（三）灰⾊关联分析灰⾊关联分析适⽤于⼩样本数据，⼤样本数据推荐使⽤标准化回归分析；基本原理是根据曲线的⼏何形状的相似程度来判断联系是否紧密，也就是说，如果y的曲线和某个x的曲线长得很像，那么这个x或许就是最能影响y的因素；灰⾊关联分析可⽤于系统分析与综合评价⼀、系统分析上的运⽤（1）确定分析序列以⾃变量作为⼦序列，因变量作为母序列，对应本题即第⼀、⼆、三产业作为⼦序列，国内⽣产总值为母序列；（2）对变量进⾏预处理计算每⼀列的均值，并将每⼀列的数除以该均值（注意这⾥使⽤的⽅法和Topsis不⼀样），可得到以下结果：（3）计算极差与关联系数分别计算|x1−x0|、|x2−x0|、|x3−x0|，可求出最⼩值a与最⼤值b，本题计算结果如下：对上述结果执⾏:y=a+ρ|x i−x0|+ρ∗b即可得到关联系数：对以上三列分别求均值，可得到三个数值：0.5084、0.6243、0.7573，因此最终得出结论，第三产业对GDP总量影响最⼤；⼆、综合评价上的运⽤综合评价类问题只有⼀列⼜⼀列数据，需要根据这些数据计算得分；在利⽤灰⾊关联分析之前，仍需要进⾏指标正向化；（1）确定⼦序列与母序列⼦序列即各个因素，取出⼦序列构成的矩阵的每⼀⾏中的最⼤值，组成母序列；（2）对变量进⾏预处理步骤同上，得到z ij；（3）计算极差与关联系数步骤同上，得到r i；（4）计算权重与得分计算各个指标的权重与得分：w i=r ir1+r2+⋯+r ms k=∑w i∗z ij 最后对得分进⾏归⼀化处理即可得到每个样本的评分：S k=s k∑s1+s2+⋯+s n本⽂算法思想参考源于，特此注明Processing math: 100%。
2019年第24期(总第643期)科学咨询/科技管理去体会的。
第三，让较为优秀的正在创业的在校学生担任创业导师。
这些学生自己正在创业，并且还是在校学生，与其他学生之间的距离更近，更容易沟通，也更清楚他们可能会遇到的困难，效果也就会更好。
(三)建立和完善相应的扶持政策第一，政府要完善相应的法律法规，保障大学生创业的合法权益。
[3]首先，政府可在启动资金方面予以扶持，如提供免息贷款或者低利率贷款，同时减免部分税收，这样可以解决学生创业启动资金方面的困难。
其次，政府要简化相关的审批程序，为学生开通绿色窗口，简化流程，降低门槛。
最后，政府各部门要联动，出台一系列扶持学生创业的政策。
第二，学校要出台相应的配套政策。
一方面，学校要为创业学生提供场地、货架等硬件方面的支持，还可以让快递公司进校园，为创业学生提供方便。
另一方面，学校可实行课程替代制度。
学生创业达到一定程度后，经学校相关部门认定，只要达到学校要求的水平即可申请免修相关的课程。
剩下的部分课程，上课的方式也可以做适当调整，如可以采取集中授课或者网络授课的方式，这样才能解决学生的后顾之忧。
参考文献：[1] 张晓芬，史宪睿.“内外协同”高校创新创业人才培养体系构建[J].现代教育管理，2018(3).[2] 王建武，王增辉.“双创”背景下的大学生创业意识培养研究[J].齐齐哈尔师范高等专科学校学报，2017(6).[3] 刘扬.政府助推大学生创业创新研究[D].中央民族大学，2016.摘 要：本文针对灰色关联模型进行分析，通过分析得出灰色关联模型具有处理数据灵活的特点；并且灰色关联模型能应用于样本数量较少且关系为线性关系的系统分析。
关键词：灰色关联模型；线性关系；系统分析引言在实际的工程设计与模型分析过程中，往往存在比较多的变量，而这些变量之间是否存在关系在很大程度上具有不确定性。
但是如果能够明确这些变量之间的关系，它们就会对工程设计以及系统分析起到理论的指导作用。
灰色关联分析1、作用对于两个系统之间的因素，其随时间或不同对象而变化的关联性大小的量度，称为关联度。
在系统发展过程中，若两个因素变化的趋势具有一致性，即同步变化程度较高，即可谓二者关联程度较高；反之，则较低。
因此，灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度。
2、输入输出描述输入:特征序列为至少两项或以上的定量变量，母序列（关联对象）为 1 项定量变量。
输出:反应考核指标与母序列的关联程度。
3、案例示例案例:分析 09-18 年内，影院数量，观影人数，票价、电影上线数量这些因素对全年电影票房的影响。
其中电影票房是母序列，影院数量，观影人数，票价、电影上线数量是特征序列。
4、案例数据灰色关联分析案例数据5、案例操作Step1：新建分析；Step2：上传数据；Step3：选择对应数据打开后进行预览，确认无误后点击开始分析；step4：选择【灰色关联分析】；step5：查看对应的数据数据格式，【灰色关联分析】要求特征序列为定量变量，且至少有一项；要求母序列为定量变量，且只有一项。
step6：设置量纲处理方式（包括初值化、均值化、无处理）、分辨系数（ρ越小，分辨力越大，一般ρ的取值区间为 ( 0 ，1 )，具体取值可视情况而定。
当ρ≤ 0.5463 时，分辨力最好，通常取ρ = 0.5 ）step7：点击【开始分析】，完成全部操作。
6、输出结果分析输出结果 1：灰色关联系数图表说明:关联系数代表着该子序列与母序列对应维度上的关联程度值（数字越大，代表关联性越强）。
输出结果 2：关联系数图分析：输出结果 1 和输出结果 2 是一样的，输出结果 1 用了表格形式来呈现关联系数，输出结果 2 用了图表形式来呈现关联系数。
图表很直观地展现了，大多数年份的银幕数量和电影上线数量对票房影响更大。
灰色关联度方法介绍一、灰色关联度方法的概念灰色关联度方法是一种常用的分析方法，它是将各个因素之间的关系转化为数学模型进行计算，从而得出它们之间的相关程度。
灰色关联度方法主要应用于多因素分析和决策评价等领域。
二、灰色关联度方法的原理灰色关联度方法是基于灰色系统理论的，它通过对数据进行处理，将数据转化为一组序列，然后通过对这些序列进行比较，得出各个因素之间的相关程度。
具体来说，它主要包括以下步骤：1. 数据预处理：将原始数据进行标准化处理，使得各个因素之间具有可比性。
2. 灰色关联度计算：通过对标准化后的数据进行加权平均值计算，并与参考序列进行比较，得出各个因素与参考序列之间的相关程度。
3. 灰色预测模型建立：根据各个因素与参考序列之间的相关程度建立预测模型，并对未来趋势进行预测。
三、灰色关联度方法的应用1. 多因素分析：在复杂多变的环境下，往往需要考虑多种因素的影响，灰色关联度方法可以通过对各个因素之间的关系进行分析，得出它们之间的相关程度，从而帮助决策者进行有效的决策。
2. 决策评价：在决策过程中，需要对各种方案进行评价，灰色关联度方法可以通过对各种方案之间的比较，得出它们之间的相关程度，从而帮助决策者选择最优方案。
3. 经济预测：在经济预测中，需要考虑多种因素的影响，灰色关联度方法可以通过对各个因素之间的关系进行分析，得出它们之间的相关程度，并建立预测模型进行未来趋势预测。
四、灰色关联度方法的优缺点1. 优点：（1）能够充分考虑多个因素之间的相互作用和影响。
（2）具有较高的精确性和可靠性。
（3）能够处理样本数据量较小、数据质量较差等问题。
2. 缺点：（1）需要对数据进行标准化处理，增加了计算复杂度。
（2）依赖于参考序列的选择和权重设置，在实际应用中可能存在一定误差。
（3）不适用于非线性系统和高维数据分析。
五、灰色关联度方法的发展趋势随着计算机技术的不断发展和数据处理能力的提高，灰色关联度方法在多因素分析、决策评价和经济预测等领域得到了广泛应用。
灰色关联度分析法为了适应瞬息万变的市场需求, 企业不断调整自己的核心能力, 在产品的开发设计中更重视供应商的作用。
作为供应链合作关系运行的基础, 供应商的评价选择是一个至关重要的问题, 供应商的业绩对企业的影响越来越大,影响着企业的生存与发展。
因此, 进行科学全面的供应商评价就显得十分必要。
（1）确定比较对象产品质量、技术水平、供应能力、经济效益、市场影响度指标属于效益型指标；产品价格、地理位置、售后服务指标属于成本型指标。
i 指五个待选供应商编号，,5,,1 =i j 指八个指标8,,1j =，ij a 是第i 个供应商第j 个指标变量为了使每个属性变换后的最优值为1 且最差值为0，对数据进行标准0－1变换利润型指标标准化公式)/()(min maxmin j j j ij ij a a a a b --=成本型指标标准化公式)/()(min max max j j ij j ij a a a a b --=数据结果见下表。
（2）计算灰色关联系数)()(max max )()()()(max max )()(min min )(0000t x t x k x k x t x t x t x t x k s tsi s ts s ts -+--+-=ρρξ为比较数列对参考数列在第个指标上的关联系数，其中为]1,0[∈ρ分辨系数。
称式中)()(min min 0t x t x s ts-、)()(max max 0t x t x s ts-分别为两级最小差及两级最大差。
一般来讲，分辨系数ρ越大，分辨率越大；ρ越小，分辨率越小。
在这里ρ取0.5。
（3）计算灰色加权关联度 灰色加权关联度的计算公式为∑==nk i i k w r 1)(ξ这里i r 为第i 个评价对象对理想对象的灰色加权关联度。
关联系数和关联度值（4）评价分析根据灰色加权关联度的大小，对各评价对象进行排序，可建立评价对象的关联序，关联度越大其评价结果越好。
灰色关联法确定权重1. 引言灰色关联法是一种基于数学模型的分析方法，通过对多个指标进行比较和关联，确定它们之间的相关程度和影响因素的重要性。
在决策分析、综合评价和预测预警等领域中广泛应用。
本文将详细介绍灰色关联法的原理、步骤以及如何利用该方法确定权重。
2. 灰色关联法原理灰色关联法是由中国科学家陈胜武于1981年提出的，其基本原理是通过建立灰色关联度模型，从而判断各个因素对目标因素的影响程度。
该方法主要包括以下几个步骤：2.1 数据标准化首先需要将各个指标的数据进行标准化处理，将其转化为无量纲纯数值。
常用的标准化方法有极差法、标准差法和正态化等。
2.2 确定参考数列参考数列是一个代表目标因素发展趋势的序列，可以是已知数据或者专家经验给出的预测值。
2.3 计算关联系数通过计算各个指标与参考数列之间的关联系数，来评价各个因素对目标因素的影响程度。
关联系数的计算可以采用相关系数、欧氏距离等方法。
2.4 确定权重根据关联系数的大小，确定各个因素的权重。
关联系数越大，说明该指标对目标因素的影响越大，其权重也就越高。
3. 灰色关联法确定权重步骤下面将详细介绍如何利用灰色关联法确定指标的权重：3.1 数据准备首先需要收集所需数据，并进行预处理。
确保数据的准确性和完整性，同时对数据进行标准化处理，使其具有可比性。
3.2 确定参考数列根据研究目的和实际情况，选择一个代表目标因素发展趋势的参考数列。
可以是已知数据或者专家经验给出的预测值。
3.3 计算关联系数通过计算各个指标与参考数列之间的关联系数，来评价各个因素对目标因素的影响程度。
常用的计算方法有相关系数法和欧氏距离法。
相关系数法相关系数是衡量两个变量之间相关程度的指标，常用的相关系数有皮尔逊相关系数和斯皮尔曼相关系数。
可以通过计算各个指标与参考数列的相关系数，得到关联系数。
欧氏距离法欧氏距离是衡量两个向量之间差异程度的指标，可以通过计算各个指标与参考数列之间的欧氏距离，来得到关联系数。
灰色关联法的应用原理1. 灰色系统理论简介灰色系统理论是由我国科学家陈纳德于1982年提出的一种新的系统理论方法。
它是一种用于处理信息不完全、不确定性的数学方法，广泛应用于工程、管理和经济等领域。
灰色关联法是灰色系统理论的重要应用之一，通过建立灰色关联模型，可以分析和预测变量之间的关联程度。
2. 灰色关联法的基本思想灰色关联法是基于系统理论的思想，通过建立灰色关联模型来研究变量之间的关联程度。
其基本思想是利用灰色关联度来度量不同变量之间的相关程度，从而揭示变量之间隐藏的关联关系。
3. 灰色关联度的计算方法灰色关联度是衡量变量之间关联程度的指标，其计算方法有多种。
常见的计算方法包括绝对关联度、相对关联度等。
3.1 绝对关联度的计算方法绝对关联度是将每个变量与参考序列进行比较，计算其相对于参考序列的关联度。
计算公式为：绝对关联度 = |Xk(i) - Yk(i)| / [max(|X(i) - Xk(i)|) + max(|Y(i) - Yk (i)|)]其中，Xk(i)和Yk(i)分别表示变量X和变量Y在第i个时刻的值，X(i)和Y(i)分别表示变量X和变量Y在第i个时刻的最大值。
3.2 相对关联度的计算方法相对关联度是将每个变量与样本序列（即变量在不同时刻的取值）进行比较，计算其相对于样本序列的关联度。
计算公式为：相对关联度 = （Xk(i) - Xk(1)) / (Xk(p) - Xk(1))其中，Xk(i)表示变量X在第i个时刻的值，Xk(1)表示变量X在第1个时刻的值，Xk(p)表示变量X在第p个时刻的值。
4. 灰色关联度的应用案例灰色关联法可以应用于各种领域的数据分析和预测中。
以下是几个灰色关联度的应用案例：4.1 城市人口预测利用灰色关联法可以建立城市人口与相关因素之间的关联模型，从而进行人口预测。
通过分析城市人口与经济发展、环境变化等因素的关联度，可以预测未来人口的增长趋势，并为城市规划和政策制定提供参考。
灰色关联度方法介绍一、什么是灰色关联度方法1.1 灰色关联度方法的定义灰色关联度方法是一种用于分析、预测和决策的数学方法，由我国科学家陈彦斌于1988年提出。
它是一种相对较新的分析方法，可以应用于各种具有不确定性和模糊性的问题，特别在工程和管理领域得到广泛应用。
1.2 灰色关联度方法的特点灰色关联度方法的特点主要包括以下几个方面：1.适用范围广：灰色关联度方法可以用于处理不确定性、模糊性较强的问题，适用于各种实际情况。
2.简单易懂：灰色关联度方法基于数学模型，计算过程相对简单，容易理解和操作。
3.较强的应用性：灰色关联度方法可以广泛应用于决策分析、预测和优化等领域，并取得不错的效果。
二、灰色关联度方法的步骤2.1 确定比较对象与指标在应用灰色关联度方法进行分析前，首先需要明确比较的对象和相关指标。
比较对象可以是不同的产品、项目、方案等，指标可以是性能指标、经济指标、质量指标等。
2.2 数据标准化处理为了消除指标之间的量纲不同和取值范围不同的影响，需要对原始数据进行标准化处理。
常用的方法包括极差标准化法和零一标准化法。
2.3 计算关联系数和关联度通过计算比较对象之间指标的关联系数，可以得到相对于参考对象的关联度。
关联系数的计算公式为：R i=minmj=1|x i(j)−x0(j)|+ρ⋅maxmj=1|x i(j)−x0(j)||xi(j)−x(j)|+ρ⋅maxmj=1|xi(j)−x(j)|其中，R i表示第i个比较对象相对于参考对象的关联系数，x i(j)表示第i个比较对象的第j个指标值，x0(j)表示参考对象的第j个指标值，m表示指标的个数，ρ是一个平衡系数。
然后，可以通过计算关联系数的加权平均值得到关联度，关联度的计算公式为：R i‾=1m∑w jmj=1⋅R i(j)其中，R i‾表示第i个比较对象的关联度，w j表示第j个指标的权重。
2.4 确定排名根据计算得到的关联度，可以确定比较对象的排名。
灰色关联分析方法灰色关联分析方法（Grey Relational Analysis，GRA）是一种多指标决策方法，它用于研究因素之间的关联程度。
与传统的关联分析方法相比，灰色关联分析方法具有较强的适用性和灵活性。
它可以用于分析多个指标之间的关联程度，对于复杂决策问题具有较强的应用能力。
灰色关联分析方法的基本思想是将系统的各个指标转化为灰色数列，再利用灰色关联度来评估指标之间的关联程度。
该方法可以对多个指标进行综合评价，找出各个指标之间的关联程度，并根据关联程度来进行排序和决策。
灰色关联分析方法的具体步骤如下：1. 数据预处理：将原始数据进行标准化处理，以确保各指标在同一数量级上进行比较。
2. 构建灰色数列：将标准化后的数据转化为灰色数列，通过建立灰色微分方程来描述数据序列的发展趋势。
3. 确定关联度测度：根据灰色数列的特点，选择适当的关联度测度方法来计算指标之间的关联程度。
4. 计算关联度：根据所选择的关联度测度方法，计算每个指标与其他指标之间的关联度。
5. 排序和决策：根据计算得到的关联度值进行排序，并作出相应的决策。
灰色关联分析方法的优点有以下几个方面：1. 适用性广泛：灰色关联分析方法适用于各种类型的指标数据，包括定量指标和定性指标。
2. 考虑了指标之间的时序关系：灰色关联分析方法考虑了指标数据的时序性，能够更好地反映指标之间的演变趋势。
3. 简单易行：灰色关联分析方法不需要过多的统计方法和复杂的计算过程，容易被理解和操作。
4. 提供了多指标综合评价的能力：灰色关联分析方法可以将多个指标之间的关联程度综合考虑，对于决策问题的综合评价有着较好的效果。
然而，灰色关联分析方法也存在一些限制和局限性：1. 灵敏度不高：由于灰色关联分析方法只考虑了指标之间的线性关联程度，对于非线性关系的刻画较为困难，灵敏度较低。
2. 依赖于初始数据：灰色关联分析方法对初始数据的选取较为敏感，不同的初始数据可能导致不同的关联度结果。
