文档介绍：灰色预测算法教程
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。
拓扑预测
将原始数据做曲线，在曲线上按定值寻找该定值发生的所有时灰色预测算法教程
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。
拓扑预测
将原始数据做曲线，在曲线上按定值寻找该定值发生的所有时点，并以该定值为框架构成时点数列，然后建立模型预测该定值所发生的时点。
回总目录
回本章目录
二、生成列
为了弱化原始时间序列的随机性，在
建立灰色预测模型之前，需先对原始时间
序列进行数据处理，经过数据处理后的时
间序列即称为生成列。
回总目录
回本章目录
累加
累加是将原始序列通过累加得到生成列。
灰色系统常用的数据处理方式有累加
和累减两种。
（1）数据处理方式
回总目录
回本章目录
累加的规则:
将原始序列的第一个数据作为生成
列的第一个数据，将原始序列的第二个
数据加到原始序列的第一个数据上，其
和作为生成列的第二个数据，将原始序
列的第三个数据加到生成列的第二个数
据上，其和作为生成列的第三个数据，
按此规则进行下去，便可得到生成列。
回总目录
回本章目录
记原始时间序列为：
生成列为：
上标1表示一次累加，同理，可作m次累加：
回总目录
回本章目录
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。
回总目录
回本章目录
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：
回总目录
回本章目录
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
则关联系数定义为：
回总目录
回本章目录
式中：
为第k个点
ρ称为分辨率，0<ρ<1,一般取ρ=；
对单位不一，初值不同的序列，在计算相关系数前应首先进行初始化，即将该序列所有数据分别除以第一个数据。
的绝对误差；
和
为两级最小差；
为两级最大差；
回总目录
回本章目录
（2）关联度
和
的关联度为：
回总目录
回本章目录
一个计算关联度的例子
工业、农业、运输业、商业各部门的行为数据如下：
工业
农业
运输业
商业
参考序列分别为
，被比较序列为 ,
试求关联度。
回总目录
回本章目录
解答：
以
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：
回总目录
回本章目录
第二步：求序列差
第三步：求两极差
回总目录
回本章目录
第四步：计算关联系数
取ρ=，有：
从而：
回总目录
回本章目录
第五步：求关联度
计算结果表明，运输业和工业的关联程度
大于农业、商业和工业的关联程度。
为参考序列时，计算类似，这里略去。
回总目录
回本章目录
GM(1,1)模型
一、GM（1，1）模型的建立
设时间序列
有n个观
察值，通过累加生成新序列
则GM（1，1）模型相应的微分方程为：
其中：α称为发展灰数；μ称为内生控制灰数。
回总目录
回本章目录
设
为待估参数向量，
最小二乘法求解。解得：
求解微分方程，即可得预测模型：
，可利用
回总目录
回本章目录
灰色预测检验一般有残差检验、关联度检
二、模型检验
（1）残差检验
按预测模型计算
并将
累减生成
然后计算原始序列
与
的绝对误差序列及相
对误差序列。
验和后验差检验。
回总目录
回本章目录
（2）关联度检验
根据前面所述关联度的计算方法算出
与原始序列
的关联系数，然后计算出关联
度，根据经验，当ρ=，
满意了。
回总目录
回本章目录
（3）后验差检验
:
回总目录
回本章目录
b. 计算绝对误差序列的标准差：
c. 计算方差比：
回总目录
回本章目录
d. 计算小误差概率：
令:
，
则：
P
>
>
>
≤
C
<
<
<
≥
好
合格
勉强合格
不合格