數(shù)學(xué)建模-灰色預(yù)測(cè)模型

灰色預(yù)測(cè)模型及其應(yīng)用數(shù)學(xué)建模-灰色預(yù)測(cè)模型(

灰色預(yù)測(cè)模型（GrayForecastModel）是通過少量的、不完全的信息，建立數(shù)學(xué)模型并做出預(yù)測(cè)的一種預(yù)測(cè)方法.當(dāng)我們應(yīng)用運(yùn)籌學(xué)的思想方法解決實(shí)際問題，制定發(fā)展戰(zhàn)略和政策、進(jìn)行重大問題的決策時(shí)，都必須對(duì)未來進(jìn)行科學(xué)的預(yù)測(cè).預(yù)測(cè)是根據(jù)客觀事物的過去和現(xiàn)在的發(fā)展規(guī)律，借助于科學(xué)的方法對(duì)其未來的發(fā)展趨勢(shì)和狀況進(jìn)行描述和分析，并形成科學(xué)的假設(shè)和判斷.數(shù)學(xué)建模-灰色預(yù)測(cè)模型(灰色系統(tǒng)理論是研究解決灰色系統(tǒng)分析、建模、預(yù)測(cè)、決策和控制的理論.灰色預(yù)測(cè)是對(duì)灰色系統(tǒng)所做的預(yù)測(cè).目前常用的一些預(yù)測(cè)方法（如回歸分析等），需要較大的樣本.若樣本較小，常造成較大誤差，使預(yù)測(cè)目標(biāo)失效.灰色預(yù)測(cè)模型所需建模信息少，運(yùn)算方便，建模精度高，在各種預(yù)測(cè)領(lǐng)域都有著廣泛的應(yīng)用，是處理小樣本預(yù)測(cè)問題的有效工具.數(shù)學(xué)建模-灰色預(yù)測(cè)模型(1灰色系統(tǒng)的定義和特點(diǎn)灰色系統(tǒng)的模型Sars

疫情4銷售額預(yù)測(cè)5城市道路交通事故次數(shù)的灰色預(yù)測(cè)6城市火災(zāi)發(fā)生次數(shù)的灰色預(yù)測(cè)7災(zāi)變與異常值預(yù)測(cè)數(shù)學(xué)建模-灰色預(yù)測(cè)模型(1灰色系統(tǒng)的定義和特點(diǎn)數(shù)學(xué)建模-灰色預(yù)測(cè)模型(灰色系統(tǒng)的定義和特點(diǎn)

灰色系統(tǒng)理論是由華中理工大學(xué)鄧聚龍教授于1982年提出并加以發(fā)展的。二十幾年來，引起了不少國(guó)內(nèi)外學(xué)者的關(guān)注，得到了長(zhǎng)足的發(fā)展。目前，在我國(guó)已經(jīng)成為社會(huì)、經(jīng)濟(jì)、科學(xué)技術(shù)在等諸多領(lǐng)域進(jìn)行預(yù)測(cè)、決策、評(píng)估、規(guī)劃控制、系統(tǒng)分析與建模的重要方法之一。特別是它對(duì)時(shí)間序列短、統(tǒng)計(jì)數(shù)據(jù)少、信息不完全系統(tǒng)的分析與建模，具有獨(dú)特的功效，因此得到了廣泛的應(yīng)用.在這里我們將簡(jiǎn)要地介紹灰色建模與預(yù)測(cè)的方法.數(shù)學(xué)建模-灰色預(yù)測(cè)模型(一、灰色系統(tǒng)的定義和特點(diǎn)

1.灰色系統(tǒng)的定義

灰色系統(tǒng)是黑箱概念的一種推廣。我們把既含有已知信息又含有未知信息的系統(tǒng)稱為灰色系統(tǒng).作為兩個(gè)極端，我們將稱信息完全未確定的系統(tǒng)為黑色系統(tǒng)；稱信息完全確定的系統(tǒng)為白色系統(tǒng).區(qū)別白色系統(tǒng)與黑色系統(tǒng)的重要標(biāo)志是系統(tǒng)各因素之間是否具有確定的關(guān)系。數(shù)學(xué)建模-灰色預(yù)測(cè)模型(1灰色系統(tǒng)的定義和特點(diǎn)

2.灰色系統(tǒng)的特點(diǎn)（1）用灰色數(shù)學(xué)處理不確定量，使之量化.（2）充分利用已知信息尋求系統(tǒng)的運(yùn)動(dòng)規(guī)律.（3）灰色系統(tǒng)理論能處理貧信息系統(tǒng).數(shù)學(xué)建模-灰色預(yù)測(cè)模型(1灰色系統(tǒng)的定義和特點(diǎn)

常用的灰色預(yù)測(cè)有五種：

（1）數(shù)列預(yù)測(cè)，即用觀察到的反映預(yù)測(cè)對(duì)象特征的時(shí)間序列來構(gòu)造灰色預(yù)測(cè)模型，預(yù)測(cè)未來某一時(shí)刻的特征量，或達(dá)到某一特征量的時(shí)間。（2）災(zāi)變與異常值預(yù)測(cè)，即通過灰色模型預(yù)測(cè)異常值出現(xiàn)的時(shí)刻，預(yù)測(cè)異常值什么時(shí)候出現(xiàn)在特定時(shí)區(qū)內(nèi)。（3）季節(jié)災(zāi)變與異常值預(yù)測(cè)，即通過灰色模型預(yù)測(cè)災(zāi)變值發(fā)生在一年內(nèi)某個(gè)特定的時(shí)區(qū)或季節(jié)的災(zāi)變預(yù)測(cè)。（4）拓?fù)漕A(yù)測(cè)，將原始數(shù)據(jù)作曲線，在曲線上按定值尋找該定值發(fā)生的所有時(shí)點(diǎn)，并以該定值為框架構(gòu)成時(shí)點(diǎn)數(shù)列，然后建立模型預(yù)測(cè)該定值所發(fā)生的時(shí)點(diǎn)。（5）系統(tǒng)預(yù)測(cè).通過對(duì)系統(tǒng)行為特征指標(biāo)建立一組相互關(guān)聯(lián)的灰色預(yù)測(cè)模型，預(yù)測(cè)系統(tǒng)中眾多變量間的相互協(xié)調(diào)關(guān)系的變化。數(shù)學(xué)建模-灰色預(yù)測(cè)模型(2灰色系統(tǒng)的模型數(shù)學(xué)建模-灰色預(yù)測(cè)模型(

在灰色系統(tǒng)理論中，把一切隨機(jī)變量都看作灰色數(shù)，即使在指定范圍內(nèi)變化的所有白色數(shù)的全體，對(duì)灰數(shù)處理主要是利用數(shù)據(jù)處理的方法去尋求數(shù)據(jù)間的內(nèi)在規(guī)律，通過對(duì)已知數(shù)據(jù)列中的數(shù)據(jù)進(jìn)行處理而產(chǎn)生新的數(shù)據(jù)列，以此來研究尋求數(shù)據(jù)的規(guī)律性，這種方法稱為數(shù)據(jù)的生成。常用的方法有：累加生成累減生成均值生成數(shù)學(xué)建模-灰色預(yù)測(cè)模型(1）累加生成把數(shù)列各時(shí)刻數(shù)據(jù)依次累加的過程稱為累加生成過程，記為AGO，有累加生成過程所得到的新數(shù)列稱為累加生成數(shù)列。設(shè)原始數(shù)列為，令則稱為數(shù)列的1次累加生成，數(shù)列稱為數(shù)列的1次累加生成數(shù)列。類似有數(shù)學(xué)建模-灰色預(yù)測(cè)模型(稱之為的r次累加生成，記

稱之為的r次累加生成數(shù)列數(shù)學(xué)建模-灰色預(yù)測(cè)模型(2）累減生成對(duì)于原始數(shù)據(jù)列依次做前后相鄰的兩個(gè)數(shù)據(jù)相減的運(yùn)算過程稱為累減生成過程，記為IAGO，設(shè)原始數(shù)列為，令則稱為數(shù)列的1次累減生成一般地，對(duì)于r次累加生成數(shù)列則稱為數(shù)列的r次累減生成2）累減生成數(shù)學(xué)建模-灰色預(yù)測(cè)模型(3）均值生成設(shè)原始數(shù)列則稱與為數(shù)列的鄰值，為后鄰值，為前鄰值。對(duì)于常數(shù)，則稱為有數(shù)列的鄰值在生成系數(shù)（權(quán)）下的鄰值生成數(shù)特別地，當(dāng)生成系數(shù)時(shí)則稱為鄰均值生成數(shù)，即等權(quán)鄰值生成數(shù)數(shù)學(xué)建模-灰色預(yù)測(cè)模型(2灰色系統(tǒng)的模型

通過下面的數(shù)據(jù)分析、處理過程，我們將了解到，有了一個(gè)時(shí)間數(shù)據(jù)序列后，如何建立一個(gè)基于模型的灰色預(yù)測(cè)。

1.數(shù)據(jù)的預(yù)處理首先我們從一個(gè)簡(jiǎn)單例子來考察問題.

【例7.1】設(shè)原始數(shù)據(jù)序列數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.2灰色系統(tǒng)的模型對(duì)數(shù)據(jù)累加

于是得到一個(gè)新數(shù)據(jù)序列數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.2灰色系統(tǒng)的模型

歸納上面的式子可寫為稱此式所表示的數(shù)據(jù)列為原始數(shù)據(jù)列的一次累加生成，簡(jiǎn)稱為一次累加生成.顯然有

將上述例子中的

分別做成圖7.1、圖7.2.可見圖7.1上的曲線有明顯的擺動(dòng)，圖7.2呈現(xiàn)逐漸遞增的形式，說明原始數(shù)據(jù)的起伏已顯著弱化.可以設(shè)想用一條指數(shù)曲線乃至一條直線來逼近累加生成數(shù)列

數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.2灰色系統(tǒng)的模型圖7.2圖7.1為了把累加數(shù)據(jù)列還原為原始數(shù)列，需進(jìn)行后減運(yùn)算或稱相減生成，它是指后前兩個(gè)數(shù)據(jù)之差，如上例中數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.2灰色系統(tǒng)的模型歸納上面的式子得到如下結(jié)果：一次后減其中數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(白化定義數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.2灰色系統(tǒng)的模型3.精度檢驗(yàn)(1)殘差檢驗(yàn)：分別計(jì)算數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.2灰色系統(tǒng)的模型（3）預(yù)測(cè)精度等級(jí)對(duì)照表，見表7.1.

數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.2灰色系統(tǒng)的模型注：由于模型是基于一階常微分方程建立的，故稱為一階一元灰色模型，記為GM(1,1).須指出的是，建模時(shí)先要作一次累加，因此要求原始數(shù)據(jù)均為非負(fù)數(shù).否則，累加時(shí)會(huì)正負(fù)抵消，達(dá)不到使數(shù)據(jù)序列隨時(shí)間遞增的目的.如果實(shí)際問題的原始數(shù)據(jù)列出現(xiàn)負(fù)數(shù)，可對(duì)原始數(shù)據(jù)列進(jìn)行“數(shù)據(jù)整體提升”處理.注意到一階常微分方程是導(dǎo)出GM(1,1)模型的橋梁，在我們應(yīng)用GM(1,1)模型于實(shí)際問題預(yù)測(cè)時(shí)，不必求解一階常微分方程。數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.2灰色系統(tǒng)的模型4.GM(1,1)的建模步驟綜上所述，GM(1,1)的建模步驟如下：數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(數(shù)學(xué)建模-灰色預(yù)測(cè)模型(銷售額預(yù)測(cè)數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.3銷售額預(yù)測(cè)

隨著生產(chǎn)的發(fā)展、消費(fèi)的擴(kuò)大，市場(chǎng)需求通常總是增加的，一個(gè)商店、一個(gè)地區(qū)的銷售額常常呈增長(zhǎng)趨勢(shì).因此，這些數(shù)據(jù)符合建立灰色預(yù)測(cè)模型的要求。

【例7.2】表7.2列出了某公司1999—2003年逐年的銷售額.試用建立預(yù)測(cè)模型，預(yù)測(cè)2004年的銷售額，要求作精度檢驗(yàn)。數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.3銷售額預(yù)測(cè)

表7.2逐年銷售額（百萬元）年份19992000200120022003序號(hào)12345

2.8743.2783.3373.3903.679

【例7.2】表7.2列出了某公司1999—2003年逐年的銷售額.試用建立預(yù)測(cè)模型，預(yù)測(cè)2004年的銷售額，要求作精度檢驗(yàn)。數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.3銷售額預(yù)測(cè)

解（1）由原始數(shù)據(jù)列計(jì)算一次累加序列，結(jié)果見表7.3.

表7.3一次累加數(shù)據(jù)年份19992000200120022003序號(hào)123452.8743.2783.3373.3903.6792.8746.1529.48912.87916.558數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.3銷售額預(yù)測(cè)（2）建立矩陣：數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.3銷售額預(yù)測(cè)數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.3銷售額預(yù)測(cè)數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.3銷售額預(yù)測(cè)數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.3銷售額預(yù)測(cè)數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.3銷售額預(yù)測(cè)下面我們用用GM預(yù)測(cè)軟件求解例7.2.參考附錄B（1）調(diào)用GM預(yù)測(cè)軟件.見圖7.3.圖7.3數(shù)學(xué)建模-灰色預(yù)測(cè)模型(

7.3銷售額預(yù)測(cè)（2）在“文件”菜單中打開“新建問題”，見到數(shù)據(jù)輸入界面.見圖7.4.

數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.3銷售額預(yù)測(cè)（3）輸入題目名稱及元素個(gè)數(shù)后，點(diǎn)擊“下一步”鍵，得到原始數(shù)據(jù)序列的輸入表格.見圖7.5.

數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.3銷售額預(yù)測(cè)（4）點(diǎn)擊“運(yùn)行”鍵，輸出分析數(shù)據(jù)如下：題目:123原始數(shù)列(5個(gè)):2.874，3.278，3.337，3.39，3.679預(yù)測(cè)結(jié)果如下：[1]dx/dt+ax=u：a=-0.03720438，u=3.06536331[2]時(shí)間響應(yīng)方程：

X(k+1)=85.2665*exp(0.0372k)-82.3925[3]殘差E(k)：(1)0.00000000(2)0.04596109(3)-0.01754976(4)-0.09170440(5)0.06532115[4]第一次累加值:(1)2.874000(2)6.152000(3)9.489000(4)12.879000(5)16.558000[5]相對(duì)殘差e(k)：(1)0.00000000(2)0.01402108(3)-0.00525914(4)-0.02705145(5)0.01775514

數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.3銷售額預(yù)測(cè)[6]原數(shù)據(jù)均值avg(x)：3.31160000[7]原數(shù)據(jù)方差S(1)：0.25861060[8]殘差的均值avg(E)：0.00050702[9]殘差的方差S(2)：0.06143276[10]后驗(yàn)差比值:C：0.23754928[11]小誤差概率P：1.00000000[12]模型計(jì)算值X^(k)：(1)2.87400000(2)3.23203891(3)3.35454976(4)3.48170440(5)3.61367885[13]預(yù)測(cè)的結(jié)果X*(k)：(1)3.75065581(2)3.89282490(3)4.04038293(4)4.19353416(5)4.35249061(6)4.51747233預(yù)測(cè)精度等級(jí)：好！

數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.4城市道路交通事故次數(shù)的灰色預(yù)測(cè)數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.4城市道路交通事故次數(shù)的灰色預(yù)測(cè)灰色理論以“部分信息已知、部分信息未知”的“小樣本”、“貧信息”的不確定問題為研究對(duì)象,通過對(duì)“部分”已知的信息的生成開發(fā),提取有價(jià)值的信息,構(gòu)造生成序列的手段來尋求現(xiàn)實(shí)現(xiàn)象中存在的規(guī)律。交通事故作為一個(gè)隨機(jī)事件,其本身具有相當(dāng)大的偶然性和模糊性,如果把某地區(qū)的道路交通作為一個(gè)系統(tǒng)來看，則此系統(tǒng)中存在著一些確定因素(灰色系統(tǒng)稱為白色信息),如道路狀況、信號(hào)標(biāo)志,同時(shí)也存在一些不確定因素(灰色系統(tǒng)稱為灰色信息)如車輛狀況、氣候因素、駕駛員心理狀態(tài)等等,具有明顯的不確定性特征。因此可以認(rèn)為一個(gè)地區(qū)的道路交通安全系統(tǒng)是一個(gè)灰色系統(tǒng),可以利用灰色系統(tǒng)理論進(jìn)行研究。數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.4城市道路交通事故次數(shù)的灰色預(yù)測(cè)【例7.3】某市2004年1-6月的交通事故次數(shù)統(tǒng)計(jì)見表7.5.試建立灰色預(yù)測(cè)模型.

表7.5交通事故次數(shù)統(tǒng)計(jì)解利用GM預(yù)測(cè)軟件計(jì)算，輸出分析數(shù)據(jù)如下：原始數(shù)列(元素共6個(gè)):83，95，130，141，156，185預(yù)測(cè)結(jié)果如下：數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.4城市道路交通事故次數(shù)的灰色預(yù)測(cè)[1]dx/dt+ax=u：a=-0.14401015，u=84.47278810[2]時(shí)間響應(yīng)方程：X(k+1)=669.5752*exp(0.1440k)-586.5752[3]殘差E(k)：(1)0.00000000(2)-8.71441263(3)10.22065739(4)2.66733676(5)-3.75981586(6)0.49405494[4]第一次累加值:(1)83.000000(2)178.000000(3)308.000000(4)449.00000(5)605.000000(6)790.000000[5]相對(duì)殘差e(k)：(1)0.00000000(2)-0.09173066(3)0.07862044(4)0.01891728(5)-0.02410138(6)0.00267057

數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.4城市道路交通事故次數(shù)的灰色預(yù)測(cè)[6]原數(shù)據(jù)均值avg(x)：131.66666667[7]原數(shù)據(jù)方差S(1)：34.73550857[8]殘差的均值avg(E)：0.18156412[9]殘差的方差S(2)：6.35189717[10]后驗(yàn)差比值C：0.18286467[11]小誤差概率P：1.00000000[12]模型計(jì)算值X^(k)：(1)83.00000000(2)103.71441263(3)119.77934261(4)138.33266324(5)159.75981586(6)184.50594506[13]預(yù)測(cè)的結(jié)果X*(k)：(1)213.08514646(2)246.09114698(3)284.20963932(4)328.23252716(5)379.07437672(6)437.79141674(7)505.60348139預(yù)測(cè)精度等級(jí)：好！這表明：如果該市不采取更有效的管制措施，7月的交通事故次數(shù)將上升至213次.數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.5城市火災(zāi)發(fā)生次數(shù)的灰色預(yù)測(cè)數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.5城市火災(zāi)發(fā)生次數(shù)的灰色預(yù)測(cè)

【例7.4】某市2001—2005年火災(zāi)的統(tǒng)計(jì)數(shù)據(jù)見表7.7.試建立模型，并對(duì)該市2006年的火災(zāi)發(fā)生狀況做出預(yù)測(cè)。

表7.7某市2001－2005年火災(zāi)數(shù)據(jù)年份20012002200320042005火災(zāi)(起)8797120166161數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.5城市火災(zāi)發(fā)生次數(shù)的灰色預(yù)測(cè)解利用GM預(yù)測(cè)軟件計(jì)算，輸出分析數(shù)據(jù)如下：原始數(shù)列(元素共5個(gè)):87，97，120，166，161預(yù)測(cè)結(jié)果如下：[1]dx/dt+ax=u：a=-0.16668512，u=81.11892433[2]時(shí)間響應(yīng)方程：

X(k+1)=573.6597*exp(0.1667k)-486.6597[3]殘差E(k)：(1)0.00000000(2)-7.05165921(3)-2.92477940(4)20.77885211(5)-10.56168104

數(shù)學(xué)建模-灰色預(yù)測(cè)模型(7.5城市火災(zāi)發(fā)生次數(shù)的灰色預(yù)測(cè)[4]第一次累加值:(1)87.000000(2)184.000000(3)304.000000(4)470.000000(5)631.000000[5]相對(duì)殘差e(k)：(1)0.00000000(2)-0.07269752(3)-0.02437316(4)0.12517381(5)-0.06560050[6]原數(shù)據(jù)均值avg(x)：126.20000000[7]原數(shù)據(jù)方差S(1)：32.31965346[8]殘差的均值avg(E)：0.06018312[9]殘差的方差S(2)：12.26351851[10]后驗(yàn)差比值C：0.37944462[11]小誤差概率P：1.00000000[12]模型計(jì)算值X^(k)：(1)87.00000000(2)104.05165921(3)122.92477940(4)145.22114789(5)171.56168104[13]預(yù)測(cè)的結(jié)果X*(k)：(1)202.67991837(2)239.44245045(3)282.87305194(4)334.18119203(5)394.79571611(6)466.40463669預(yù)測(cè)精度等級(jí)：合格！

結(jié)果表明：如果該市不采取更有效的防火措施，