版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
经济预测与决策技术及MATLAB实现第10章灰色预测法
10.1灰色预测基本内容10.2.1社会消费品零售总额预测10.2案例分析10.2.2房地产开发投资预测10.2.3城镇居民消费支出预测10.2.4股票灰色灾变预测10.2.5重大风暴潮灾害预测练习与提高(十)1982年我国学者邓聚龙先生创立了灰色系统理论,目前许多国家及国际组织的知名学者从事灰色系统的理论和应用研究工作。灰色系统研究的是“部分信息明确,部分信息未知”的“小样本,贫信息”不确定性系统,它通过对已知“部分”信息的生成去开发了解、认识现实世界。着重研究“外延明确,内涵不明确”的对象。第10章灰色预测法
10.1灰色预测基本内容
一、灰色预测的概念(1)灰色系统、白色系统和黑色系统
白色系统是指一个系统的内部特征是完全已知的,即系统的信息是完全充分的。
黑色系统是指一个系统的内部信息对外界来说是一无所知的,只能通过它与外界的联系来加以观测研究。
灰色系统内的一部分信息是已知的,另一部分信息是未知的,系统内各因素间有不确定的关系。
灰色预测法是一种对含有不确定因素的系统进行预测的方法。灰色预测是对既含有已知信息又含有不确定信息的系统进行预则,就是对在一定范围内变化的、与时间有关的灰色过程进行预测。
(3)灰色预测法
灰色预测通过鉴别系统因素之间发展趋势的相异程度,即进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来发展趋势的状况。
畸变预测即通过灰色模型预测异常值出现的时刻,预测异常值什么时候出现在特定时区内。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。
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。
灰色系统常用的数据处理方式有累加和累减两种。
(1)数据处理方式累加是将原始序列通过累加得到生成列。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。记原始时间序列为:生成列为:累减
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: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:为第k个点的绝对误差;和ρ称为分辨率,0<ρ<1,一般取ρ=0.5;
对单位不一,初值不同的序列,在计算关联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。为两级最小差;为两级最大差;(2)关联度和的关联度为:年份汽车产量/万辆(X1)粗钢产量/万t(X2)焦炭产量/万t(X3)发电量/亿KW·h(X4)20152450.3580382.544822.5458145.7320162811.9180760.9444911.4861331.6020172901.8187074.0943142.5566044.4720182782.7492903.8444834.2071661.3320192567.6799541.8947126.1675034.2820202532.49106476.6847116.1277790.60【例10-1】我国2015--2020年汽车产量、粗钢产量、焦炭产量和发电量的年产值如表10-1所示,试计算粗钢产量、焦炭产量和发电量对汽车产量的关联度。%数据X1=[2450.35 2811.91 2901.81 2782.74 2567.67 2532.49];X2=[80382.5 80760.9487074.0992903.84 99541.89106476.68];X3=[44822.54 44911.4843142.5544834.247126.1647116.12];X4=[58145.73 61331.666044.4771661.3375034.28 77790.6];%初始化处理Y1=X1./X1(1);Y2=X2./X2(1);Y3=X3./X3(1);Y4=X4./X4(1);%绝对差Z2=abs(Y2-Y1);Z3=abs(Y3-Y1);Z4=abs(Y4-Y1);%两级最小最大差u=min(min([Z2,Z3,Z4]));v=max(max([Z2,Z3,Z4]));%分辨率r=0.5;%关联系数aita2=(u+r*v)./(Z2+r*v);aita3=(u+r*v)./(Z3+r*v);aita4=(u+r*v)./(Z4+r*v);%关联度r12=mean(aita2)r13=mean(aita3)r14=mean(aita4)r12=0.6312r13=0.7201r14=0.6183焦炭产量对汽车产量的关联度最大,粗钢产量对汽车产量影响其次,发电量对汽车产量关联度最小。
10.1.2灰色预测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
令为的紧邻均值生成序列
则GM(1,1)的灰微分方程模型为:
其中:α称为发展灰数;μ称为内生控制灰数。设为待估参数向量,可利用最小二乘法求解。解得:其中称微分方程:
为灰色微分方程的白化方程,也称影子方程。(1)白化方程的解也称时间响应函数,其为(2)GM(1,1)灰微分方程的时间响应序列为(3)取
(4)还原值二、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。灰色预测检验一般有残差检验、关联度检验和后验差检验。给定a,当成立,称模型为参差合格模型.a取0.01、0.05、0.1所对应的模型分别为:优、合格、勉强合格(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=0.5时,关联度大于0.6便满意了。(3)后验差检验a.计算原始序列标准差:b.计算绝对误差序列的标准差:c.计算方差比:d.计算小误差概率:令:则3.GM(1,1)模型群在实际建模中,原始数据序列的数据不一定全部用来建模。在原始数据序列中取出一部分数据就可以建立一个模型。
定义1:设数据列为:
将取为时间轴的原点,则称为过去,为现在,为未来。定义2:设数据列为:其GM(1,1)时间响应式的累减还原值为:(1)当称为模型模拟值
定义3:设数据列为:(1)用建立的GM(1,1)模型称为全数据GM(1,1)
(2)当称为模型预测值
(2)用
建立的GM(1,1)模型称为部分数据GM(1,1)
(3)用
建立的GM(1,1)模型称为新信息
GM(1,1)
(4)用
建立的GM(1,1)模型称为新陈代谢
GM(1,1)
4.模型建立的条件(1)光滑性检验给定的时间序列数据集,其累加生成列为,要建立GM(1,1)模型,通常要检验光滑性条件:当t充分大时上式都成立,则说明可用GM(1,1)建模。(2)发展灰数a适用范围
:一般地,当|a|<2时,GM(1,1)模型有意义
1)当时,GM(1,1)的1步预测精度在98%以上,2步和5步预测精度都在97%以上,可用于中长期预测;2)当时,GM(1,1)的1步和2步预测精度都在90%以上,10步预测精度都也高于80%,可用于短期预测;3)当时,用于短期预测应十分慎重;4)当时,GM(1,1)的1步预测精度已低于70%,应采用残差修正模型;5)当,不宜采用GM(1,1)模型。10.1.3GM(1,1)参差修正模型可获得生成序列的预测值(1)若用原始序列建立的GM(1,1)模型
对于参差序列若存在,使得当时,的符号一致,且则称参差序列为可建模参差尾部。的累加生成序列其GM(1,1)时间响应式为计算参差序列求导数其中正负号取值与参差尾部符号一致得修正模型(2)利用原始数据与其预测值之差作为残差序列,即再通过累减得出经过残差修正的原始序列预测值:对于参差序列同样如果按原始数据建立的GM(1,1)模型,经检验不合格,则对原模型进行修正的最简单的方法,就是对模型预测值都加上残差平均值,即修正后的预测值为
+E,这种方法所得新模型称为残差均值修正模型。这样可以十分容易地大大提高新模型的预测精度。2.残差均值修正模型3.尾部数列GM(1,1)修正模型如果用建立的GM(1,1)模型在进行检验时不合格,并发现自某一项之后,预测值明显的比实际值偏大或者偏小,说明这时进行修正才是有意义的。人们在实践中发现,与其应用残差GM(1,1)修正模型,不如直接对原始数列的后半部分(即预测值明显比实际值偏大或者偏小部分),重新建立GM(1,1)模型,然后还原求得预测模型,这种方法所得新模型称为尾部数列修正模型。如果考虑得系统由若干个相互影响的因素组成:为系统特征数据序列,而其相关因素序列有Z为的紧邻均值生成序列
10.1.4GM(1,N)模型设为的累加生成列,则GM(1,N)的灰微分方程模型为:
可利用最小二乘法求解。解得:其中称微分方程:
为灰色微分方程的白化方程,也称影子方程。(1)白化方程的解(响应序列形式)为
(2)累减还原值
(5)灰色系统理论采用参差检验、关联度检验、后验差检验三种方法检验,判断模型的精度。10.1.5灾变预测
灰色灾变预测的任务是给出下一个或几个异常值出现的时刻,以便人们提前预防,采取政策,减少损失。定义:设原始序列为给定上限异常值则称满足的序列为上灾变序列。且称为灾变日期序列。命题:设且灾变日期序列GM(1,1)序号响应式为:其累加序列为的紧邻生成序列为则称为灾变GM(1,1)模型。
即定义:设原始序列为n为现在,给定异常值相应的灾变日期序列其中为最近一次灾变发生的日期,则称为下一次灾变发生的预测日期,为未来第k次灾变的预测日期。10.2.1社会消费品零售总额预测10.2案例分析按照GM(1,1)模型的方法与步骤进行案例预测
【例10-2】我国全社会消费品零售总额2014--2021年的数据如表所示,试建立GM(1,1)预测模型,并预测2022--2024年的全社会消费品零售总额预测值。年份20142015201620172018201920202021消费品零售总额25.9528.6631.5834.7337.7840.8039.2044.08(1)输入原始数据X0MATLAB程序如下:clearX0=[25.95 28.66 31.58 34.73 37.78 40.80 39.2044.08](2)产生累加生成列X1X1=cumsum(X0)(3)构造数据矩阵B和数据向量Yfork=2:length(X0)z(k)=(1/2)*(X1(k)+X1(k-1));endzB=[(-z(2:end))’ones(length(z)-1,1)]Y=(X0(2:end))'(4)计算模型参数bata=inv(B'*B)*B'*Y;a=bata(1)b=bata(2)c=b/ad=X1(1)-c(5)写出GM(1,1)预测模型a=-0.0647b=27.3289c=-422.4752d=448.4252(6)残差检验%根据模型求出预测序列值X2X2(1)=X1(1);form=1:length(X0)-1X2(m+1)=(X0(1)-b/a)*exp(-a*m)+b/a;endX2%还原累减生成列X3X3(1)=X2(1);form=1:length(X0)-1X3(m+1)=X2(m+1)-X2(m);endX3Delta0=abs(X0-X3)%绝对残差序列Phi=Delta0./X0%相对残差序列mPhi=mean(Phi)%平均相对残差(7)关联度检验
eta=(min(Delta0)+0.5*max(Delta0))./(Delta0+0.5*max(Delta0))%关联系数r=mean(eta)%关联度(8)后验差检验。mX0=mean(X0)%原始数据均值sX0=std(X0)%原始数据均方差mDelta0=mean(Delta0)%残差均值sDelta0=std(Delta0)%残差均方差C=sDelta0/sX0%均方差比%计算小残差概率S0=0.6745*sX0e=abs(Delta0-mDelta0)p=length(find(e<S0))/length(e)%小残差概率(9)预测。k=length(X0):length(X0)+2%2022年至2024年X2(k+1)=(X0(1)-b/a)*exp(-a*k)+b/a;%预测值X2X3(k+1)=X2(k+1)-X2(k)%预测值的还原值X3(10)绘制预测图。t=1:length(X0)t1=1:length(X0)+3plot(t,X0,'+',t1,X3,'-O')xlabel('时间/年')ylabel('社会消费品零售总额/万亿元')legend('原始数据','预测值')10.2.2房地产开发投资预测利用本案例说明残差修正模型预测的方法
【例10-3】我国2013--2021年的房地产开发投资额数据如表,试用GM(1,1)残差修正模型预测2022--2024年的房地产开发投资额。(1)先建立GM(1,1)模型,并观察最后一个数据的残差和相对残差
年份201320142015201620172018201920202021投资额8.609.509.6010.2610.9812.0213.2214.1414.14clearX0=[7.188.609.509.6010.26 10.98 12.02 13.22 14.1414.76];%产生累加生成列X1X1=cumsum(X0)%构造数据矩阵B和数据向量Yfork=2:length(X0)z(k)=(1/2)*(X1(k)+X1(k-1));endzB=[(-z(2:end))'ones(length(z)-1,1)]Y=(X0(2:end))'%计算模型参数bata=inv(B'*B)*B'*Y;a=bata(1)b=bata(2)c=-a*(X0(1)-b/a)%根据模型求出原始数据预测序列值X2X2(1)=X0(1)fork=1:length(X0)-1X2(k+1)=(-a)*(X0(1)-b/a)*exp(-a*k);endX2%计算残差序列和相对残差序列E=X0-X2F=E./X0E=0-0.20900.0518-0.5338-0.6092-0.6779-0.4838-0.1912-0.2443-0.6681F=0-0.02430.0055-0.0556-0.0594-0.0617-0.0403-0.0145-0.0173-0.0453残差序列和相对残差序列的后面7项符号一致,都为负值,且误差相对较大,因此可以使用残差修正模型提高其精度。(2)下面利用残差对上述模型进行修正E0=-E(4:end)%产生累加生成列E1E1=cumsum(E0);%构造数据矩阵B2和数据向量Y2fork=2:length(E0)z2(k)=(1/2)*(E1(k)+E1(k-1));endB2=[(-z2(2:end))'ones(length(z2)-1,1)];Y2=(E0(2:end))';%计算模型参数a2,b2bata2=inv(B2'*B2)*B2'*Y2;a2=bata2(1)b2=bata2(2)c2=-a2*(E0(1)-b2/a2)%根据修正模型预测X3X3(1)=X0(1);fork=1:length(X0)-1ifk<3X3(k+1)=-a*(X0(1)-b/a)*exp(-a*k);%修正之前模型
elseX3(k+1)=-a*(X0(1)-b/a)*exp(-a*k)-(-a2)*(E0(1)-b2/a2)*exp(-a2*k);%修正之后模型
endendX3%计算修正之后残差序列和相对残差序列E2=X0-X3F2=E2./X0E2=0-0.20900.0518-0.0631-0.1810-0.2885-0.12970.13100.0487-0.4016F2=0-0.02430.0055-0.0066-0.0176-0.0263-0.01080.00990.0034-0.0272(3)对2022至2024年进行预测。k=length(X0):length(X0)+2X3(k+1)=-a*(X0(1)-b/a)*exp(-a*k)-(-a2)*(E0(1)-b2/a2)*exp(-a2*k)X3=7.18008.80909.44829.663110.441011.268512.149713.089014.091315.161616.305317.528018.8358最后三项即为2022年至2024年的房地产开发投资额预测值,其分别是16.3053万亿元、17.5280万亿元和18.8358万亿元10.2.3城镇居民消费支出预测利用多变量序列预测模型
【例10-4】我国在2014--2021年的城镇居民人均消费支出和可支配收入,以及城镇人口数量的调查统计数据如表所示,试建立多变量灰色预测模型,并预测2022年,当城镇人均可支配收入和人口数量分别为5万元和9.2亿人时的城镇居民人均消费支出。年份201420152016201720182019202020212022消费支出/万元2.002.142.312.442.612.812.703.03
可支配收入/万元2.883.123.363.643.934.244.384.745.00人口数/亿人7.677.938.198.438.648.849.029.149.20(1)建立GM(1,3)模型clearX10=[2.00 2.14 2.31 2.44 2.61 2.81 2.70 3.03];%支出X20=[2.88 3.12 3.36 3.64 3.93 4.24 4.38 4.74];%收入X30=[7.67 7.93 8.19 8.43 8.64 8.84 9.02 9.14];%人口数%生成列X11=cumsum(X10)X21=cumsum(X20)X31=cumsum(X30)%求参数,建立模型fork=2:length(X11)Z1(k)=(1/2)*(X11(k)+X11(k-1));endZ1B=[-(Z1(2:end))',(X21(2:end))',(X31(2:end))'];Y=(X10(2:end))';C=inv(B'*B)*B'*YC=1.76110.67660.2231(2)建立的GM(1,3)模型为
(2)残差检验%用建立模型预测模拟值fork=0:7X12(k+1)=(X10(1)-1/C(1)*(C(2)*X21(k+1)+C(3)*X31(k+1)))...*exp(-C(1)*k)+1/C(1)*(C(2)*X21(k+1)+C(3)*X31(k+1));endX12%累减还原X13=[X12(1),diff(X12)]%残差检验Delta0=abs(X10-X13)%绝对残差序列Phi=Delta0./X10%相对残差序列mPhi=mean(Phi)%平均相对残差
(3)预测2022年人均消费支出。X20(9)=5;%给定2022年人均收入X30(9)=9.20;%给定2022年人口数X21(9)=X21(8)+X20(9);X31(9)=X31(8)+X30(9);k=8;X12(k+1)=(X10(1)-1/C(1)*(C(2)*X21(k+1)+C(3)*X31(k+1)))...*exp(-C(1)*k)+1/C(1)*(C(2)*X21(k+1)+C(3)*X31(k+1));X13(9)=X12(9)-X12(8)X2022=X13(9)X13=2.00001.88922.58422.56662.63182.75542.82682.97923.0763X2022=3.0763
10.2.4股票灰色灾变预测利用灰色灾变预测模型可对股票的阴变集(今日股价比昨日股价低)和阳变集(今日股价比昨日股价高)进行预测。【例10-5】中国建设银行在2022年1月10日至25日的股票收盘价数据如表,试对阴变集(下灾变集)进行灰色预测。序号123456789101112日期1月10日1月11日1月12日1月13日1月14日1月17日1月18日1月19日1月20日1月21日1月24日1月25日收盘价6.126.146.086.116.025.986.076.056.136.076.086
(1)先找阴变集所在的位置clearx=[6.126.146.086.116.025.986.076.056.136.076.086];y=diff(x);q=find(y<0)+1
(2)现选用阴线,对阴线下灾变集日期集进行预测Q0=q;Q1=cumsum(Q0);%生成列k=Q0(2:end)./Q1(1:end-1)%检验光滑forn=2:length(Q0)z(n)=(1/2)*(Q1(n)+Q1(n-1));endB=[(-z(2:end))'ones(length(z)-1,1)]Y=(Q0(2:end))'bata=inv(B'*B)*B'*Y;a=bata(1)b=bata(2)q=35681012
%根据模型求出预测序列值Q2Q2(1)=Q1(1);form=1:length(Q0)-1Q2(m+1)=(Q0(1)-b/a)*exp(-a*m)+b/a;endQ2%还原累减生成列Q3Q3(1)=Q2(1);form=1:length(Q0)-1Q3(m+1)=Q2(m+1)-Q2(m);endQ3将Q3与Q0比较,模拟值的整数完全与阴变集一致Q3=3.00004.99876.23437.77549.697412.0944
%残差检验Delta0=abs(Q0-Q3)%绝对残差序列Phi=Delta0./Q0%相对残差序列mPhi=mean(Phi)%平均相对残差
%后验差检验mQ0=mean(Q0)%原始数据均值sQ0=std(Q0)%原始数据均方差mDelta0=mean(Delta0)%残差均值sDelta0=std(Delta0)%残差均方差C=sDelta0/sQ0%均方差比%计算小残差概率S0=0.6745*sQ0e=abs(Delta0-mDelta0)p=length(find(e<S0))/length(e)%小残差概率%预测阴线日的时间m=length(Q0):length(Q0)+2%下三个阴线日的时间Q2(m+1)=(Q0(1)-b/a)*exp(-a*m)+b/a;Q3(m+1)=Q2(m+1)-Q2(m)注:将本程序中的Q0=q用Q0=x(q)替换,其它程序不变,即得下三个阴线的价格的预测值。Q3=3.00004.99876.23437.77549.697412.094415.084118.812723.4629Q3数列中的后三位数取整数值,即得序号为15、19、23对应的三个日期是阴线,说明这一天的价格比上一天的价格低Q3=6.08006.01406.01906.02406.02906.03406.03906.04406.0490
10.2.5重大风暴潮灾害预测【例10-6】我国广东省重大风暴潮灾害时常发生,现将1996年以来由强台风、强热带风暴单次造成的直接经济损失超过50亿元以上作为下限异常值进行统计,数据如表所示,其中序号是发生特大风暴潮的某年所在的时间位
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2026-2027学年江苏南通海安高级中学高二上10月月考化学试卷含答案
- 2025选调生考试申论刷题宝典及答案
- 2025理财规划师理财规划基础考前模拟及答案
- 2025基金从业资格证券投资基金基础知识能力提升题及答案
- 2025初级统计师统计实务真题演练题及答案
- 2025一级建造师建设工程法规及相关知识全科综合及答案
- 2026年徐州市中考道德与法治试卷(含答案)
- 通知财务预算调整事项函5篇范本
- 城市更新项目延期风险管理指南
- 化工设备安全维护规程
- 中国中煤能源集团有限公司2027届秋季校园招聘笔试备考试题及答案解析
- 医务人员手卫生规范(WS-T313-2019)
- 2026年特种设备安全管理人员(A证)考试练习题库(附答案)
- 2026年安全阀校验作业全真模拟题库及答案
- 2027年江苏省高职单招职业技能考试题库附完整答案详解(考点梳理)
- 减轻外周静脉补钾疼痛方法总结2026
- 水利水电工程施工图审查技术导则(TJWEA 0001-2025)
- 6.2中位数和箱线图第2课时四分位数及箱线图
- 《测绘工程管理与法规》课件-第七单元 测绘法规
- 第一节《光的直线传播》作图题
- 《西方经济学(马工程版)》思考与练习题目
评论
0/150
提交评论