灰色系统理论

1、灰色系统理论,青岛理工大学理学院：范兴奎,二零一零年五月三十日,报告的主要内容,灰色系统理论发展概况 灰色关联技术 灰色生成技术 灰色系统模型 灰色预测,一、灰色系统理论发展概况(1),灰色系统理论的提出 著名学者邓聚龙教授于20世纪70年代末、80年代初提出； 诞生标志：邓教授第一篇灰色系统论文 “ The Control Problems of Grey Systems”，发表于北荷兰出版公司期刊 System (2) 是科学方法论上的重大进展, 具有原创性的科学意义和 深远的学术影响 ，是对系统科学的新贡献。,一、灰色系统理论发展概况(2),灰色系统理论的研究对象 “部分信息已知, 部分

2、信息未知”的“小样本、贫信息”不确定性系统。 灰色系统理论的研究内容 灰哲学、灰哲学、灰生成、灰分析、灰建模、灰预测、灰决策、灰控制、灰评估、灰数学等。 灰色系统理论的应用领域 农业科学、经济管理、环境科学、医药卫生、矿业工程、教育科学、水利水电、图像信息、生命科学、控制科学等。,一、灰色系统理论发展概况（3）,三种不确定性系统研究方法的比较分析 (灰色系统理论、概率统计、模糊数学),二、灰色关联分析技术（1）,基本原理 通过对统计序列几何关系的比较来分清系统中多因素间的关联程度，序列曲线的几何形状越接近，则它们之间的关联度越大 。 基本功能 分析因子与行为的影响 判别主要和次要因子 识别模式

3、 确认同构 鉴别效果 灰色关联聚类 灰色关联决策,二、灰色关联分析技术（2）,二、灰色关联分析技术（3）,二、灰色关联分析技术（4）,2. 其它关联度,将点关联度进行推广，可以得到如下其他形式的关联度(具体参见灰技术基础及其应用，肖新平等著，2005） 区间关联度 向量关联度 复数关联度 复向量序列的关联度 区间灰数向量序列的关联度 矩阵序列在范数下的关联度 区间灰数矩阵的关联度,二、灰色关联技术（5）,灰色关联技术的应用 1. 直接应用 因素分析 方案决策 优势分析 2. 与其他方法结合 灰色关联和聚类方法相结合 灰色关联分析和层次分析法相结合 优化方法、非线性模型与灰关联分析相结合,二、灰

4、色关联技术（6）,灰色关联技术的应用 3. 应用新领域 应用于安全科学中, 如煤矿安全的分析与评估 应用于 环境科学中, 如水质评价、大气环境质量评价等 应用于医学诊断中 应用于油田的开发中 应用于系统水文学中 此外，在灰色关联技术的带动下，相继产生了灰色地质学、灰色育种学、灰色控制理论、灰色混沌理论、区域经济灰色系统分析、灰色价值学、灰色综防学等新兴学科。,三、灰生成技术（1）,灰生成的定义：将原始数据通过某种运算变换 为新数据的过程。灰生成是使灰过程变白的一 种方法。,2. 灰生成的作用： 能为建模提供中间信息, 并弱化原始数据的随 机性。 使任意非负数列、摆动的与非摆动的数列转化 为具有

5、近似的指数规律的数列。,三、灰生成技术（2）,3. 灰生成的主要方法： (1) 层次变换灰生成方法 累加生成、累减生成、反向累加、反向累减等。 (2) 数值变换灰生成方法 初值化生成、均值化生成、区间值化生成、对数生成、方根变换生成、对数幂函数生成、 函数变换生成、Cotx变换生成等。 (3) 极性变换灰生成方法 上限效果测度、下限效果测度、适中效果测度。,累加生成的定义,四. 灰色系统模型,灰色系统模型简介 常用灰色系统模型 GM(1,1)模型发展的四阶段 灰色系统模型应用,灰建模概念 在序列的基础上，近似微分方程模型，称为灰建模。近似微分方程模型称为灰模型。 灰模型特性 灰色模型既不是一般

6、的函数模型，也不是完全(纯粹)的差分方程模型，或者完全(纯粹)的微分方程模型，而是具有部分差分、部分微分性质的模型。 灰色模型建模条件 结构条件、材料条件、品质条件,1 、 灰色系统模型简介,四. 灰色系统模型,2、常见灰色系统模型,GM(1,1)模型 GM(1,N)模型 GM(0,N)模型 GM(2,1)模型 verhulst 模型,目前，最常用、研究最多的是GM(1,1)模型。,四. 灰色系统模型,3、GM(1,1)模型的发展四阶段,阶段一: 同化阶段 把GM(1,1)模型作为经典数学模型来考虑,或用 一般的数学概念来描述,等同于一般的微分方程。 该阶段属于初级阶段。,四. 灰色系统模型,

7、阶段二：异化阶段 灰色模型从微分方程模型中逐渐分离出来, 建立GM(1,1)模型的影子方程或白化方程。 该阶段属于发展阶段。,GM(1,1)模型的发展四阶段(2),四. 灰色系统模型,阶段三：融化阶段 有充实的理论基础； 建立定义型、白化型、派生模型型、派生型、派生模型指数型、派生模型内涵型等多种式，其显著特点是模型具有解与方程统一的性质； 灰色GM(1,1)模型的高级阶段。,GM(1,1)模型的发展四阶段(3),四. 灰色系统模型,阶段四：进化阶段 打破发展系数(-2,+2)的范围； 提出了GM(1,1 )模型及其推理模型； 模型的最新阶段。,GM(1,1)模型的发展四阶段(4),四. 灰色

8、系统模型,4、GM(1,1)模型的建模步骤（1）,第一步：级比检验、建模可行性分析,第二步：数据变换处理 数据变换处理的原则是经过处理后的序列级比落在可容覆盖中，从而对于级比不合格的序列，可保证经过选择数据变换处理后能够进行GM(1,1)建模。通常的数据变换有平移变换、对数变换、方根变换。,对于给定序列 ，能否建立精度较高的GM(1,1)预测模型，一般可用 的级比的大小与所属区间，即其覆盖来判断。,四. 灰色系统模型,第三步：GM(1,1)建模,4、GM(1,1)模型的建模步骤（2）,四. 灰色系统模型,第四步：模型检验 1. 事中检验 通常采用残差检验、后验差检验、关联度检验与级比偏差检验。

9、 2、事后检验 事后检验即预测检验，主要为滚动检验，就是用时间存在轴上左边的数据(前面的数据)建立模型，预测下一个数据(后面一个数据)，以了解其预测误差。 第五步：预测,4、GM(1,1)模型的建模步骤（3）,四. 灰色系统模型,5、灰色系统模型应用,四. 灰色系统模型,灰色系统模型在农业科学、经济管理、环境科学、医药卫生、矿业工程、教育科学、水利水电、图像信息、生命科学、控制科学、航空航天等众多领域中得到了广泛的应用，解决了许多过去难以解决的实际问题，展示了极为广泛的应用前景。,五、灰色预测（1）,灰预测是灰色系统理论中的一个重要内容, 它是指基于灰色系统理论的GM(1,1)模型的预测。灰预

10、测可分为五类： 1. 数列预测(Sequence Grey Prediction) 级比 落于可容区的(大)惯性序列, 可以直接建立GM(1,1)模型, 以预测数据值的分布, 称为数列灰预测。概括的来说, 即为对数据大小进行的预测。,五、灰色预测（2）,2. 灾变(异常值)灰预测(Calamities Grey Prediction) 对于级比不是全部落于可容区的小惯性序列, 对跳变点时分布建模以预测跳变点未来的时分布称为灾变灰预测, 或异常值灰预测。通俗的说, 即为对一定时间内是否发生灾变, 或某种异常的数据可能发生在哪些年代的预测。 3. 季节灾变灰预测(Seasonal Calamities Grey Prediction) 对发生在特定时区(季节)的事件作时分布预测, 称为季节灾变灰预测。通俗的说, 即为对一年或某个季节内发生的灾变或异常值进行的预测。,五、灰色预测（3）,4. 拓扑灰预测(Topological Grey Prediction) 对于大幅度摆动序列, 按点集拓扑基选取时分布序列, 作GM(1,1)建模, 预测拓扑基的时分布, 以达到预测摆动序列未来发展态势的目的, 称为拓扑灰预测。它