文档介绍：灰色预测+灰色关联分析
灰色预测+灰色关联分析
灰色预测+灰色关联分析
灰色关联分析法
根据因素之间发展趋势的相似或相异程度,亦即“灰色关联度”,来衡量因素间关联程度。灰色关联分析法的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密。
根据评价目的确定评价指标体系，
为了评价×××我们选取下列评价指标:
收集评价数据（此步骤一般为题目中原数据,便省略）
将ｍ个指标的n组数据序列排成m＊n阶矩阵：
对指标数据进行无量纲化
为了消除量纲的影响，增强不同量纲的因素之间的可比性,在进行关联度计算之前,我们首先对各要素的原始数据作..．：
确定参考数据列
为了比较。.．【评价目的】，我们选取.．.作为参考数据列,记作
计算,得到绝对差值矩阵
求两级最小差和两级最大差
求关联系数
灰色预测+灰色关联分析
灰色预测+灰色关联分析
灰色预测+灰色关联分析
由关联系数计算公式,取,分别计算每个比较序列与参考序列对应元素的关联系数，得关联系数如下:
ζ=ζ1(1)⋯ ζn(1)⋮⋱⋮ζ1n⋯ζn(n)=
计算关联度
分别计算每个评价对象各指标关联系数的均值,以反映各评价对象与参考序列的关联关系，并称其为关联度，记为:.经过计算得到关联度：
［注］ 如果各指标在综合评价中所起的作用不同,可对关联系数求加权平均值即式中为各指标权重。
根据关联度矩阵得出综合评价结果
如果不考虑各指标权重(认为各指标同等重要）,＊个被评价对象由好到劣依次为：ﻩ.
如果存在多个参考数据列,则为优度分析问题,类似的得到关联度矩阵如下：
从上述关联度矩阵，可以得到如下几点结论:
由表明，在。．．中,【ｉ代表的指标】占有最大的优势,它对．．.【参考指标】的贡献最大，其次是，,，.
由表明，在*、＊、＊中，与。.。【i代表的指标】联系最为紧密的是.．。【j代表的指标】。
［注]ﻩ常用的无量纲化方法有均值化法（见公式(））、初值化法（见公式（)）和标准化变换(见公式(））等．或采用内插法使各指标数据取值范围（或数量级)相同。
()
灰色预测+灰色关联分析
灰色预测+灰色关联分析
灰色预测+灰色关联分析
(1。2)
（1．3)
灰色系统预测模型GM（1,１)
使用条件
1。数据量不少于４个（大数据、小数据都可精准预测)
,具有较强指数规律的序列。
3． 对于发展系数a与级比有：
ﻩ的可容区间为
当时，GM(1,1)可以用作中长期预测；
ﻩ当时，GM(1,1)可用作短期预测中长期慎用；
ﻩ当时，GM(1,1)作短期预测慎用；
当时，用残差修正GM(1,1)模型；
当时,不宜采用GM(1,1)模型。
的可容区间为=
建模步骤
设原有数据序列。
［注意剔除异常数据;如原始数据不是非负时作平移变换,令x+0k=x0k+α］。
１。求级比