灰色系统理论及其应用系列博文:
灰色系统理论及其应用 (一) :灰色系统概论、关联分析、与传统统计方法的比较
灰色系统理论及其应用 (六) :SARS 疫情对某些经济指标影响问题
灰色系统理论及其应用 (七) :道路交通事故灰色 Verhulst 预测模型
灰色系统理论及其应用 (八) :GM(2,1)和 DGM 模型
灰色系统理论及其应用 (九) : GM(1, N) 和GM(0, N) 模型
灰色预测是指利用 GM 模型对系统行为特征的发展变化规律进行估计预测,同时 也可以对行为特征的异常情况发生的时刻进行估计计算,以及对在特定时区内发生事件 的未来时间分布情况做出研究等等。这些工作实质上是将“随机过程”当作“灰色过程”, “随机变量”当作“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。 灰色预测在工业、农业、商业等经济领域,以及环境、社会和军事等领域中都有广 泛的应用。特别是依据目前已有的数据对未来的发展趋势做出预测分析。
目录
1 灰色预测的方法
2 灰色预测的步骤
1.数据的检验与处理
2.建立模型
按 第1 节中的方法建立模型 GM(1,1),则可以得到预测值
3.检验预测值
4.预测预报
由模型 GM(1,1)所得到的指定时区内的预测值,实际问题的需要,给出相应的预测 、预报。
3 灾变预测
上限灾变数列
同理,可定义下限灾变数列这个概念。注意,灾变预测不是预测数据本身的大小, 而是预测异常值出现的时间。我们考虑下面这个问题。
例 3 某地区年平均降雨量数据如表 5
由于 22.034 与 17 相差 5.034,这表明下一次旱灾将发生在五年以后。
计算的 MATLAB 程序如下:
clc,clear
a=[390.6,412,320,559.2,
380.8,542.4,553,310,561,300,632,540,406.2,313.8,576,587.6,318.5]';
t0=find(a<=320);
t1=cumsum(t0);n=length(t1);
B=[-0.5*(t1(1:end-1)+t1(2:end)),ones(n-1,1)];Y=t0(2:end);
r=B\Y
y=dsolve('Dy+a*y=b','y(0)=y0');
y=subs(y,{'a','b','y0'},{r(1),r(2),t1(1)});
yuce1=subs(y,'t',[0:n+1])
digits(6),y=vpa(y) %为提高预测精度,先计算预测值,再显示微分方程的解
yuce=diff(yuce1);
yuce=[t0(1),yuce]
4 灰色预测计算实例
例 4 北方某城市 1986~1992 年道路交通噪声平均声级数据见表 6
表 6 市近年来交通噪声数据[dB(A)]
第一步: 级比检验
建立交通噪声平均声级数据时间序列如下:
第二步: GM(1,1)建模
第三步: 模型检验
模型的各种检验指标值的计算结果见表 7.
经验证,该模型的精度较高,可进行预测和预报。
计算的 MATLAB 程序如下:
clc,clear
x0=[71.1 72.4 72.4 72.1 71.4 72.0 71.6];
n=length(x0);
lamda=x0(1:n-1)./x0(2:n)
range=minmax(lamda)
x1=cumsum(x0)
for i=2:n
z(i)=0.5*(x1(i)+x1(i-1));
end
B=[-z(2:n)',ones(n-1,1)];
Y=x0(2:n)';
u=B\Y
x=dsolve('Dx+a*x=b','x(0)=x0');
x=subs(x,{'a','b','x0'},{u(1),u(2),x1(1)});
yuce1=subs(x,'t',[0:n-1]);
digits(6),y=vpa(x) %为提高预测精度,先计算预测值,再显示微分方程的解
yuce=[x0(1),diff(yuce1)]
epsilon=x0-yuce %计算残差
delta=abs(epsilon./x0) %计算相对误差
rho=1-(1-0.5*u(1))/(1+0.5*u(1))*lamda %计算级比偏差值
灰色系统理论及其应用系列博文:
灰色系统理论及其应用 (一) :灰色系统概论、关联分析、与传统统计方法的比较
灰色系统理论及其应用 (六) :SARS 疫情对某些经济指标影响问题
灰色系统理论及其应用 (七) :道路交通事故灰色 Verhulst 预测模型
灰色系统理论及其应用 (八) :GM(2,1)和 DGM 模型
灰色系统理论及其应用 (九) : GM(1, N) 和GM(0, N) 模型