第五章 灰色预测法

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。

解答： 以 X 1 为参考序列求关联度。 第一步：初始化，即将该序列所有数据分别 除以第一个数据。得到：
1,0.9475,0.9235,0.9138 X1 1,1.063,1.1227,1.1483 X2 1,.097,1.0294,1.0294 X3 1,1.0149,0.805 X m1 i
i 1
k
•对非负数据，累加次数越多则随机性弱化越多， 累加次数足够大后，可认为时间序列已由随机序 列变为非随机序列。
•一般随机序列的多次累加序列，大多可用指数曲 线逼近。
累减 将原始序列前后两个数据相减得到累减生成列
累减是累加的逆运算，累减可将累加生成列还原 为非生成列，在建模中获得增量信息。 一次累减的公式为：
X
1
k X k X k 1
0 0
三、关联度 关联度分析是分析系统中各因素关联程度的方 法，在计算关联度之前需先计算关联系数。 （1）关联系数
设
ˆ 0 k X ˆ 0 1, X ˆ 0 2,..., X ˆ 0 n X
X1 45.8, 43.4, 42.3, 41.9
X 2 (39.1, 41.6, 43.9, 44.9)
农业
商业 试求关联度。
运输业 X 3 3.4, 3.3, 3.5, 3.5
X 4 6.7, 6.8, 5.4, 4.7
X4 参考序列分别为 X 1 , ，被比较序列为 X 2 , X 3 ,,
第二步：求序列差
2 0,0.1155,0.1992,0.2335
4 0,0.0674,0.1185,0.2148
第三步：求两极差
3 0,0.0225,0.1059,0.1146

（5）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。
2 灰色系统的模型
在灰色系统理论中，把一切随机变量都看作灰色数，
即使在指定范围内变化的所有白色数的全体，对灰数处理 主要是利用数据处理的方法去寻求数据间的内在规律，通 过对已知数据列中的数据进行处理而产生新的数据列，以 此来研究寻求数据的规律性，这种方法称为数据的生成。
得到原始数据序列
7.3 销售额预测
注意到一阶常微分方程是导出GM(1,1)模型的桥梁，在我 们应用GM(1,1)模型于实际问题预测时，不必求解一阶常 微分方程。
7.2 灰色系统的模型
4.GM(1,1)的建模步骤 综上所述，GM(1,1)的建模步骤如下：
销售额预测
7.3 销售额预测
随着生产的发展、消费的扩大，市场需求通常总是 增加的，一个商店、一个地区的销售额常常呈增长趋 势. 因此，这些数据符合建立灰色预测模型的要求。
或称相减生成，它是指后前两个数据之差，如上例中
7.2 灰色系统的模型
x(1) (5) x(1) (5) x(1) (4) 34 27 7， x(1) (4) x(1) (4) x(1) (3) 27 17 10， x(1) (3) x(1) (3) x(1) (2) 17 9 8， x(1) (2) x(1) (2) x(1) (1) 9 6 3， x(1) (1) x(1) (1) x(1) (0) 6 0 6. 归纳上面的式子得到如下结果：一次后减
1 灰色系统的定义和特点 2 灰色系统的模型 3 Sars 疫情 4 销售额预测 5 城市道路交通事故次数的灰色预测 6 城市火灾发生次数的灰色预测 7灾变与异常值预测

min
i (k ) j
min l
x0(l) x j (l) P
max j
max l
x0(l) x j (l)
x0(k ) xi (k ) P
max j
max l
x0(l) x j (l)
其中P称为分辨率，0<P<1，一般采用P=0.5。对单位不一，初值不同 的序列，在计算关联系数之前应首先进行初值化，即将该序列的所有 数据分别除以第一数据，将变量化为无单位的相对数值。
关联度的计算公式：
ri
1 n
n
i (k)
k 1
关联系数只表示了各个时刻参考序列和比较序列之间的关联程度，为 了从总体上了解序列之间的关联程度，必须求出它们的时间平均值， 即关联度。
例：某地区1977-1983年总收入与养猪、养兔收入资料见表
总收入 养猪 养兔
1977 18 10 3
1978 20 15 2
得灾变日期序列为Q(0) Q(0)={q(1),q(2),……q(6)} ={1,9,15,16,18,25}
灰色预测法
汇报人：吴威 赵耀华
主要内容 ➢ 灰色预测的理论基础 ➢ 灰色预测模型 ➢ GM（1，1）的检验 ➢ 灰色预测的应用实例
灰色预测的理论基础
➢ 灰色系统是指“部分信息已知,部分信息未知”的“小样本”,“贫信 息”的不确定性系统。 信息不完全包含： 1、系统因素不完全明确； 2、因素关系不完全清楚； 3、系统结构不完全知道； 4、系统作用原理不完全明了。
令Z（1）为X（1）的紧邻均值生成序列 Z（1）=（ z(1)(1 ), z(1)(2),…… z(1)(k )） z(1)(k)=o.5 x(1)(k)+0.5 x(1)(k-1)