QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 10053|回复: 19
打印 上一主题 下一主题

灰色预测

[复制链接]
字体大小: 正常 放大

12

主题

9

听众

989

积分

升级  97.25%

  • TA的每日心情
    奋斗
    2013-8-8 10:28
  • 签到天数: 2 天

    [LV.1]初来乍到

    自我介绍
    一位朝气蓬勃目标远大的年青人,愿结交志同道合的朋友共谋未来!

    新人进步奖 元老勋章

    群组09年国际数学建模群—鹰之队

    群组数学趣味、游戏、IQ等

    跳转到指定楼层
    1#
    发表于 2009-1-31 16:58 |只看该作者 |倒序浏览
    |招呼Ta 关注Ta
    灰色预测常用的是GM(1,1)模型,该模型存在一定的缺陷,修正起来比较麻烦,另外GM(1,1)模型是一种呈指数增长的模型,其预测精度受到原始数据序列光滑离散性的限制,当原始数据序列不够光滑离散时,利用GM(1,1)模型所建立的系统预测模型精度就很差。提高GM(1,1)模型预测精度的方法较多,其中主要是对原始数据序列进行变换,增加离散数据光滑度后再进行预测。常用的改进方法有:指数加权方法、对数变换方法和开n次方变换方法。从预测结果的相对误差来看,对数变换的预测结果为最好,开平方变换的预测结果次之,指数加权变换方法较差。/ ]+ l$ q3 J, F9 w" m' ~1 e
    几种灰色预测模型( y2 \% W8 G2 R. q6 C
    1 GM(1,1)预测模型[1,2]2 b3 B; r6 ^, l; g7 a/ G. u
      GM(1,1)模型是对原始数据序列作一次累加生成,使生成序列呈一定规律,并用典型曲线拟合,建立其数学模型。: ?/ v4 k' d, U
      对已知原始数据序列X(0)={X(0)i}(i=1,2,  X/ G2 j; |( i. v# n, K) q; u6 L
    …,n),首先进行一阶累加生成新序数列X(1)然后按新序数列中数据间的变化规律对X(1)建立白化形式的微分方程
    ' W5 c: [  Q! n1 W3 _
    ) c; W/ R, E  A" E( {% v0 t8 y* f0 A9 `, z2 X# a% n( S
    式中 a、u为由最小二乘法确定的参数。  z; s! @$ d6 Z( H3 x$ m7 n$ J$ M
    对X(1)(k)进行逆累加生成还原,可得到X(0)(k)预测值,即为GM(1,1)预测模型: ^& p: A5 K( ?

    2 c; m  P4 d9 t3 }1 v- ?2 指数加权法
    4 G" B' S$ E. d  用指数加权方法改造原始数据序列,然后对新生成的数据序列用GM(1,1)模型预测,最后把预测数据序列还原。具体预测步骤如下:
    ' k8 c8 |, f4 A' J5 w8 Z( f3 U7 {4 w7 f  ①对原始序列{X(0)(t)}按公式Y(0)(t)=αX(0)(t)+(1-α)Y(0)(t-1)(t=1,2,…,N)生成新序列{Y(0)(t)};
    9 C8 l! S( @# D  ②对新序列{Y(0)(t)}应用GM(1,1)模型进行预测,得预测序列{Y(0)(t)};
    2 C- j+ l. U# ~0 ]# v0 M  ③再按公式X(0)(t)=[Y(0)(t)-(1-α)Y(0)(t-1)]/β(t=1,2,…,N,N+1,…,N+L)将序列{Y(0)(t)}还原成序列{X(0)(t)};$ \) Y' T) \; E# r- I
      ④在上述计算中,根据需要,可以调整α、β的值,以控制预测结果和精度。当α=β=1时,即为原GM(1,1)模型。0 @; ~) c& Z- i4 j
      指数加权方法的主要优点是,可以通过调整参数α、β的值来提高预测精度。+ k0 T: k6 N9 m4 q- P
    3 对数变换法
    1 r: P9 _! ?# x- D5 q1 }9 z4 Z8 @  若原数据序列{X(0)(k)}(k=1,2,…,)为不光滑离散数据序列,则对{X(0)(k)}进行对数变换可得到{lnX(0)(k)},这样往往能提高数据序列的光滑度,因而可以用GM(1,1)模型对{lnX(0)(k)}进行预测,最后通过exp{lnX(0)(k)}还原。通过这种方法,可拓广灰色系统预测的范围,提高了预测精度。: x9 J/ O1 \* G4 C2 Q
    4 开n次方变换法" G7 q1 |$ \3 S. T
      主要思想是对{X(0)(k)}开n次方变换得到数列{X(0)(k)1/n},对变换后的数列建立GM(1,1)模型,最后通过对预测值求n次幂还原。
    5 ]- x) M9 ^; G2 D  M2.5 灰色关联多因子预测模型[6~8]# h- a( A+ a7 ?/ k& T5 f' H4 M
    {X(0)i(k)}(k=1,2,…,n;i=1,2,…,h)代表原始数据序列,相应有均值时序和均值累加生成时序。均值时序若与非齐次离散指数函数满意趋势关联,则关联多因子预测模型为   0 b" x. t$ u* @! O: `
    % s2 Y- h8 I$ Z- m
    X^(1)(t)=AX(1)(t)+U  (t≥0)(4)! f/ V0 I& u5 a: y/ t
    其解为
    , T* E% \0 c& `! @9 c( LX(1)(k)=eA(k-1)(X(1)+A-1U)-A-1U(5)
    + H1 `, b' L; y
    ) A" v. w9 C' g
    4 R  ^  u2 y& B& E' G# B还原解为
    + h# m+ k0 l( B8 q: G: xX(0)(k)=2eA(k-1)(I+e-A)-1(I-e-A)B(6); h* L& R, e" D" D' [! U
    式中 A、B为由最小二乘法确定的参数。
    zan
    转播转播0 分享淘帖0 分享分享0 收藏收藏0 支持支持0 反对反对0 微信微信
    人生因奋斗而精彩!

    7

    主题

    2

    听众

    119

    积分

    升级  9.5%

    该用户从未签到

    群组加油数模,加油美国赛。

    回复

    使用道具 举报

    civilstar        

    0

    主题

    3

    听众

    92

    积分

    升级  91.58%

    该用户从未签到

    回复

    使用道具 举报

    bj0336        

    0

    主题

    3

    听众

    143

    积分

    升级  21.5%

    该用户从未签到

    回复

    使用道具 举报

    huangjin        

    6

    主题

    3

    听众

    294

    积分

    升级  97%

    该用户从未签到

    新人进步奖

    回复

    使用道具 举报

    cew_enven        

    0

    主题

    4

    听众

    5

    积分

    升级  0%

    该用户从未签到

    回复

    使用道具 举报

    3

    主题

    7

    听众

    116

    积分

    升级  8%

    该用户从未签到

    回复

    使用道具 举报

    Kadyniost        

    0

    主题

    4

    听众

    187

    积分

    升级  43.5%

    该用户从未签到

    回复

    使用道具 举报

    minedoc 实名认证       

    0

    主题

    3

    听众

    272

    积分

    升级  86%

    该用户从未签到

    自我介绍
    开朗 活泼 喜欢数学建模

    新人进步奖 发帖功臣

    群组数模应用

    回复

    使用道具 举报

    10

    主题

    4

    听众

    163

    积分

    升级  31.5%

  • TA的每日心情
    开心
    2017-3-8 16:39
  • 签到天数: 4 天

    [LV.2]偶尔看看I

    新人进步奖

    回复

    使用道具 举报

    您需要登录后才可以回帖 登录 | 注册地址

    qq
    收缩
    • 电话咨询

    • 04714969085
    fastpost

    关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

    手机版|Archiver| |繁體中文 手机客户端  

    蒙公网安备 15010502000194号

    Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

    GMT+8, 2025-7-20 05:43 , Processed in 0.855960 second(s), 103 queries .

    回顶部