灰色系统预测

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2212(,)n n ee-++ 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,...,)ki x k x i k n ===∑ 。

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。

简言之，灰色预测模型是通过少量的、不完全的信息，建立灰色微分预测模型，对事物发展规律作出模糊性的长期描述（模糊预测领域中理论、方法较为完善的预测学分支）。

灰色系统的概念是由邓聚龙教授于1982年提出的，它描述部分信急己知，部分未知介于黑白系统之间的系统。

GM（1,1）模型是灰色理论中较常用的预测方法，它以定性分析为先导，定量与定性结合，对离散序列建立微分方程以及白化方程，一般要经历思想开发、因素分析、量化、动态化、优化五个步骤。

灰色系统通过对原始数据的整理来寻求其变化规律，这是一种就数据寻找数据的现实规律的途径，称为灰色序列的生成。

生成数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。

灰色预测原理及实例
一、灰色预测原理
灰色预测，是指根据动态系统的过去试验数据和实测数据，利用灰色规律进行预测的一种数学方法。

灰色预测的基本思想是：由内在原理和系统的实际运行数据，建立有关系的关于未来时间的数学模型，即所谓的灰色系统模型，从而建立未来状态的预测模型。

二、灰色预测实例
1、灰色模型在汽车行业的应用
汽车行业是一个特殊的行业，其市场受到很多因素的影响，因此，在汽车行业预测中，灰色模型能够很好地发挥其优势。

首先，根据汽车市场的详细统计数据，如汽车生产量、销售量，可以采集过去一定时间段内（如一年、两年）汽车的生产量及销售量等数据，将这些数据经过一定的模型处理，形成一个灰色模型，利用该模型可以预测汽车行业的今后发展趋势。

2、灰色模型在电力行业的应用。

灰色GM （1,1）模型及其原理1灰色GM （1,1）模型的构建GM （1,1）模型是将离散的随机数经过依次累加成算子，削弱其随机性，得到较有规律的生成数，然后建立微分方程、解方程进而建立模型。

设所要预测的某项指标的原始数据序列为：()()()()()()()()(){}n X X X X X 00000,,3,2,1 =对原始数据序列作一次累加生成处理，获得新的数据序列： ()()()()()()(){}n X X X X1111,,2,1 = 式中：()()()()∑==i k k X i X 101 n i 3,2,1=经过累加处理，新生成的数据序列与原始的数据序列相比，具有平稳性增强而波动性减弱的特点。

对生成数列建立GM （1，1）白化形式的微式方程[4]：()()()u aX dt t dX =+11式中：a 称为发展系数，u 称为内控发展灰数。

利用最小二乘法拟合求得估计参数：()n TT X B BB u a 1-=⎥⎦⎤⎢⎣⎡ 式中：()()()()[]()()()()[]⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+--+-=1121121211111n X n X X X B()()()()()()[]n X X X X n 000,,3,2 =将B 带入公式，最终确定GM （1,1）预测模型()()()()a e a X t X at μμ+⎥⎦⎤⎢⎣⎡-=-∧∧100 n t 2,1,0= 将值代入离散模型公式求()()t X ∧1，预测的累加值还原为预测值：()()()()()()1110--=∧∧∧t X t X t X2模型精度的检验2.1残差检验计算残差()()t 0ε及其相对残差()()t q 0，即：()()()()()()1000--=∧t x t x t ε，()()()()()()%100000⨯=t x t t q ε n t ,,2,1 =相对残差()0q 越小，表示模型精度越高。

灰色预测与决策灰色系统中的预测与决策部分主要包括序列算子生成；GM 预测模型即GM(1,1)，GM(1，N),GM(0，N),GM(2,1),Verhulst及GM(r,h)模型和离散灰色模型等；灰色系统预测；灰色关联分析；灰色聚类评估；灰色决策模型等内容。

我们知道灰色系统理论是研究少数据，贫信息不确定性问题的新方法，是通过对原始数据的挖掘、整理中寻求其变化规律。

而且传统的GM(1,1)模型利用的数据是近指数，低增长的数据，所以就需要我们对数据进行处理。

这里可以用缓冲算子、初值化生成算子、均值化生成算子、区间值化生成算子减少干扰或函数变换即对数变换、平移变换、开方变换、余弦函数变换、正切函数变换、负指数函数变换、幂函数变换、中心位似函数变换等缩小级比偏差，使数据适于建模。

1、灰色预测部分:1)、数据经过以上的处理后，基本适于建模，传统的预测模型有GM(1,1)模型，其原始形式如下： ()()b k ax k x =+)()(10，其基本形式如下：()()b k az k x =+)()(10， 此方程是用均值()()k z 1代替()()k x 1，使得数据更平滑，其中()()()()()()k x k x k z 111121)(+-=，叫做方程的背景值，-a 是发展系数，b 是灰作用量。

这里的a,b 是利用最小二乘法求出来的。

白化方程为：()()b k ax dtdx =+)(11 时间响应函数为：()()()()a b e a b x t x t a +⎪⎭⎫ ⎝⎛-=--1111)( 时间响应序列为：()()()a b e a b x k x ak +⎪⎭⎫ ⎝⎛-=+-∧1)1(01 还原值是：()()()()()()()()()ak a e a b x e k x k x k x -∧∧∧⎪⎭⎫ ⎝⎛--=-+=1110110 模型的求解是先用最小二乘法将a,b 求出，再利用白化微分方程求出解。

1 预测方法介绍预测方法可分为定性和定量预测两种。

定性预测是依据预测者对预测对象有关情况的了解和分析，由预测者根据实践经验和主观判断做出的预测，可分为市场调研法、专家预测法、主观概率法、交叉影响法等。

该方法主要用于对预测对象的未来性质、发展趋势和转折点进行预测。

定量预测是以大量的历史观察值为主要依据，建立适当的数学模型进行预测，推断和估计预测目标的未来值。

预测精度和把握度较高，克服了定性分析不足。

具体方法包括相关因素预测法和时间序列预测法。

1．相关因素预测常用预测方法为一元线性回归法和多元线性回归法。

两者均需要建立线性回归模型进行预测。

线性回归模型一般是用于测定经济现象之间在数量上变化的一般关系，运用最小二乘法，计算出经济指标在时间上的变化关系和发展趋势。

在搜集数据齐全的基础上，构建线性回归模型，再由最小二乘法计算回归系数，最后由建立的线性回归模型预测未来年的指标结果。

2.时间序列预测时间序列预测是针对已知的历史数据进行分析，建立时间序列模型预测。

常用方法有指数平滑法、灰色预测法。

指数平滑法是移动平均法的一种，其特点在于给过去的观测值不一样的权重，即较近期观测值的权重比较远期观测值的权重要大。

根据平滑次数不同，指数平滑可分为一次指数平滑、二次指数平滑等。

如果实际数据具有较为明显的变动趋势时，采用一次指数平滑直接预测。

当时间序列的变动出行直线变动趋势时，采用一次指数平滑预测具有明显的滞后偏差，因此需要在一次指数平滑基础上进行二次指数平滑，利用滞后偏差规律找出数据的变化趋势，然后建立直线趋势预测模型，这便是二次指数平滑法。

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。

灰色预测模型GM (1,1)§1 预备知识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箱系统。

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。

平面上有数据序列()()(){}n n y x y x y x ,,,,,,2211 ，大致分布在一条直线上。

设回归直线为：b ax y +=，要使所有点到直线的距离之和最小（最小二乘），即使误差平方和()∑=--=ni i i b ax y J 12最小。

J 是关于a , b的二元函数。

由()()()()⎪⎪⎩⎪⎪⎨⎧=-⋅--⋅=∂∂=-⋅--⋅=∂∂∑∑==0120211ni ii i ni i i i i b x a y b J x b x a y a J()()⎪⎪⎩⎪⎪⎨⎧=--=--⇒∑∑==00112ni i i n i i i i i b a y bx ax y x 则得使J 取极小的必要条件为：⎪⎩⎪⎨⎧=+=+⋅∑∑∑∑∑=i iii n i i i y nb x a y x x b x a 12（*）()()()()()()()⎪⎪⎩⎪⎪⎨⎧--=--=∑∑∑∑∑∑∑∑∑∑∑22222i i i i i i i i i i i i i x x n y x x x y b x x n y x y x n a (1) 以上是我们熟悉的最小二乘计算过程。

灰色系统理论在预测领域的应用一、灰色系统理论概述灰色系统理论是一种针对缺乏数据或信息不完全不确定性问题的理论，对于这些问题的预测或者决策提供了一种方法。

它是中国学者陈纳德于1982年提出的，并且在中国获得了成功地应用，成为国际上新兴的研究方向之一。

灰色系统理论建立在不确定性信息的基础上，所处理的数据量较小，数据来源不确定，但灰度值分布比较明显，比如股市、气候、疾病等领域，这些领域数据都存在不确定性，所以适合应用灰色系统理论。

二、灰色系统模型灰色系统理论主要应用灰色系统模型进行分析。

灰色系统模型的本质是一种数学模型，它通过数学方法，整合有限的信息资源、利用有限的数据，建立出一组模型来描述这些问题，使模型能够更好地反映系统的特性。

灰色系统模型的优点是能够利用少量的数据来预测未来的趋势，并且减少对数据的要求。

而与其他预测模型相比，灰色系统模型所需的数据量是最少的。

三、灰色系统理论在预测领域的应用1、天气预测天气预测是大众常关心的话题，气象数据来源复杂，计算分析复杂，灰色模型的应用可以充分利用气象数据的6倍次方分之一的样本数据量，减少数据对模型的要求，提高预测准确度。

较为实用的天气预测模型是GM(1,1)模型。

该模型具有计算简单、便于实施等优点，当然准确率上还有提升空间。

2、金融市场预测金融市场变化快速，灰色系统理论模型可以很好地利用各种现有的市场状况进行预测。

在股票交易市场中，常用的灰色系统理论是GM(1,1)模型，根据历史数据和市场情况，进行分析建立模型，进行未来趋势预测等。

3、疾病预测疾病预测是一项重要的医学组成部分，它可以早期发现疾病，及时采用有效的预防措施来遏制疾病的蔓延。

灰色系统理论可以根据病毒在人群中的传染力和人口迁移等因素，对流行病的发展趋势进行预测，更加准确地早期预测传染病的流行。

4、能源预测能源预测一直是复杂的问题，而灰色系统理论的应用可得以解决。

灰色系统理论可以将能源消耗的趋势和变化因素进行分析，建立一个科学、可靠的能源预测模型。

灰色系统理论及其应用一、灰色系统理论概述灰色系统理论，是一种研究不确定性问题的方法。

它起源于20世纪80年代，由中国学者邓聚龙教授提出。

灰色系统理论认为，现实世界中的许多问题并非非黑即白，而是介于黑白之间的灰色地带。

这种理论为我们处理复杂、模糊、不确定性问题提供了一种新的视角。

灰色系统理论的核心思想是通过对部分已知信息的挖掘和加工，实现对整个系统行为的合理预测和控制。

它将系统分为白色系统、黑色系统和灰色系统。

白色系统是指信息完全已知的系统，黑色系统是指信息完全未知的系统，而灰色系统则是介于两者之间的系统，部分信息已知，部分信息未知。

二、灰色系统理论的基本原理1. 灰灰是灰色系统理论的基础，它通过对原始数据进行处理，具有规律性的序列。

常见的灰方法有累加（AGO）、累减（IGO）和均值等。

2. 灰关联分析灰关联分析是灰色系统理论的重要方法，用于分析系统中各因素之间的关联程度。

通过对系统各因素发展变化的相似度进行比较，揭示系统内部因素之间的联系。

3. 灰预测灰预测是灰色系统理论在实际应用中的重要手段，它通过对部分已知信息的挖掘，建立灰色模型，对系统未来发展趋势进行预测。

三、灰色系统理论的应用领域1. 经济管理灰色系统理论在经济学和管理学领域具有广泛的应用，如企业竞争力分析、市场预测、投资决策等。

通过灰关联分析，可以找出影响企业发展的关键因素，为企业制定发展战略提供依据。

2. 工程技术在工程技术领域，灰色系统理论可用于设备故障预测、质量控制、能源消耗分析等。

例如，通过对设备运行数据的分析，建立灰色预测模型，提前发现潜在故障，确保设备安全运行。

3. 社会科学4. 生态环境在生态环境领域，灰色系统理论可以用于水资源评价、环境污染预测、生态平衡分析等。

通过对生态环境数据的挖掘，有助于我们更好地了解和把握生态环境的发展态势。

四、灰色系统理论的优势与局限性优势：1. 对小样本数据的适用性：灰色系统理论不需要大量数据即可进行建模和分析，这对于样本量有限的情况尤其有价值。

灰色预测是指利用GM 模型对系统行为特征的变化规律进行预测，同时也可以对行为特征的发展变化的时刻进行估计，以及在特定时区内发生事件的未来事件分布情况作出研究等等，这些工作的实质是将“随机情况”当做“灰色过程”，“随机变量”当做“灰变量”，并主要以灰色系统理论中的GM(1,1)模型来进行处理。

在预测时间范围为a ：5月31日0时0分至5月31日23时45分时，对PA 进行灰色预测。

第一步：级别检验建立5月31日0时0分之前的7组数据的时间序列如下： ()()()()()()()()()()()()()()()()7,6,5,4,3,2,100000000x x x x x x x x ==（170.6250，290.6250，267.7500，203.2500，307.6875，279.0938，195.1875） （1）求级比()k λ()()()()()k x k xk 001-=λ ()()()()()()()7,6,5,4,3,2λλλλλλλ= =（0.6,1.085,1.3,0.7,1.1,1.4） （2）级别判断由于所有的()[]4.16.0-∈k λ，()7,6,5,4,3,2=k ,故可以用作满意的GM(1,1)建模。

第二步：GM(1,1)建模（1）对原始数据()0x 做一次累加，即()()2188.1714,0313.1519,9375.1239,25.932,729,25.461,625.1701=x（2）构造数据矩阵B 及数据向量Y()()()()()()()()()()()()()()()()()()()()⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛+-+-+-+-=1762116521132211212111111111x x x x x x x x B, ()()()()()()()()⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=76320000x x x x Y (3)计算∧μ()()⎪⎪⎭⎫⎝⎛===T -T T∧8936.2920367.0,1Y B B B b a μ于是得：a=0.0367,b=292.8936 (4)建立模型()()8936.2920367.011=+xdtdx求解得：()()()()kak e ab ea b x k x 0023.00197.780860.797911--*-=+⎪⎭⎫ ⎝⎛-=+（5）求生成数列值()()11+∧k x 及模型还原值()()10+∧k x 令k=1,2,3,4,5,6,由上面的时间响应函数()1∧x ，其中取 ()()()()()()625.170111001===∧∧x x x由()()()()()()1110--=∧∧∧k x k x k x ，取k=2,3,4,5,6,7，得 ()(),2460.234,0038.243,0890.252,5140.261,2912.271,4341.281,625.1700=∧x第四步：模型检验模型的各项检验指标值的计算结果如下表：第一个时点进行预测，由附件1可得：预测值为：225.8037，实测值为：249.0938，计算相对误差为：0.0935。