灰色系統(tǒng)理論與應(yīng)用課件

灰色系統(tǒng)理論與應(yīng)用灰色系統(tǒng)理論與應(yīng)用灰色系統(tǒng)理論是研究解決灰色系統(tǒng)分析、建模、預測、決策和控制的理論.灰色預測是對灰色系統(tǒng)所做的預測.目前常用的一些預測方法（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，使預測目標失效.灰色預測模型所需建模信息少，運算方便，建模精度高，在各種預測領(lǐng)域都有著廣泛的應(yīng)用，是處理小樣本預測問題的有效工具.灰色系統(tǒng)理論是研究解決灰色系統(tǒng)分析、建模、預測、決策和控制的

灰色預測模型（GrayForecastModel）是通過少量的、不完全的信息，建立數(shù)學模型并做出預測的一種預測方法.當我們應(yīng)用運籌學的思想方法解決實際問題，制定發(fā)展戰(zhàn)略和政策、進行重大問題的決策時，都必須對未來進行科學的預測.預測是根據(jù)客觀事物的過去和現(xiàn)在的發(fā)展規(guī)律，借助于科學的方法對其未來的發(fā)展趨勢和狀況進行描述和分析，并形成科學的假設(shè)和判斷.灰色預測模型（GrayForecastModel）是

灰色系統(tǒng)理論是由華中理工大學鄧聚龍教授于1982年提出并加以發(fā)展的。二十幾年來，引起了不少國內(nèi)外學者的關(guān)注，得到了長足的發(fā)展。目前，在我國已經(jīng)成為社會、經(jīng)濟、科學技術(shù)在等諸多領(lǐng)域進行預測、決策、評估、規(guī)劃控制、系統(tǒng)分析與建模的重要方法之一。特別是它對時間序列短、統(tǒng)計數(shù)據(jù)少、信息不完全系統(tǒng)的分析與建模，具有獨特的功效，因此得到了廣泛的應(yīng)用.在這里我們將簡要地介紹灰色建模與預測的方法.灰色系統(tǒng)理論是由華中理工大學鄧聚龍教授于198

1灰色系統(tǒng)的定義和特點

2關(guān)聯(lián)度的概念以及關(guān)聯(lián)分析

3優(yōu)勢分析

4生成數(shù)

5GM模型:GM(1,1)模型、GM(1,N)模型

6灰色預測

1灰色系統(tǒng)的定義和特點1灰色系統(tǒng)的定義和特點

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)的重要標志是系統(tǒng)各因素之間是否具有確定的關(guān)系。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

2.灰色系統(tǒng)的特點

（1）用灰色數(shù)學處理不確定量，使之量化.（2）充分利用已知信息尋求系統(tǒng)的運動規(guī)律.（3）灰色系統(tǒng)理論能處理貧信息系統(tǒng).2.灰色系統(tǒng)的特點（1）用灰色數(shù)學處理不確定量，使之量

常用的灰色預測有五種：

（1）數(shù)列預測，即用觀察到的反映預測對象特征的時間序列來構(gòu)造灰色預測模型，預測未來某一時刻的特征量，或達到某一特征量的時間。（2）災變與異常值預測，即通過灰色模型預測異常值出現(xiàn)的時刻，預測異常值什么時候出現(xiàn)在特定時區(qū)內(nèi)。（3）季節(jié)災變與異常值預測，即通過灰色模型預測災變值發(fā)生在一年內(nèi)某個特定的時區(qū)或季節(jié)的災變預測。（4）拓撲預測，將原始數(shù)據(jù)作曲線，在曲線上按定值尋找該定值發(fā)生的所有時點，并以該定值為框架構(gòu)成時點數(shù)列，然后建立模型預測該定值所發(fā)生的時點。（5）系統(tǒng)預測，通過對系統(tǒng)行為特征指標建立一組相互關(guān)聯(lián)的灰色預測模型，預測系統(tǒng)中眾多變量間的相互協(xié)調(diào)關(guān)系的變化。常用的灰色預測有五種：（1）數(shù)列預測，即用觀察到的反映2灰色關(guān)聯(lián)分析2灰色關(guān)聯(lián)分析一、關(guān)聯(lián)分析的背景一、關(guān)聯(lián)分析的背景灰色關(guān)聯(lián)分析

一般的抽象系統(tǒng)，如社會系統(tǒng)，經(jīng)濟系統(tǒng)，農(nóng)業(yè)系統(tǒng)，生態(tài)系統(tǒng)等都包含有許多種因素，多種因素共同作用的結(jié)果決定了該系統(tǒng)的發(fā)展態(tài)勢。我們常常希望知道眾多的因素中，哪些是主要因素，哪些是次要因素，哪些因素對系統(tǒng)發(fā)展影響大，哪些因素對系統(tǒng)發(fā)展影響小，哪些因素對系統(tǒng)發(fā)展起推動作用需加強，哪些因素對系統(tǒng)發(fā)展起阻礙作用需抑制……灰色關(guān)聯(lián)分析一般的抽象系統(tǒng)，如社會系統(tǒng)，經(jīng)濟系統(tǒng)一、關(guān)聯(lián)分析的背景一、關(guān)聯(lián)分析的背景

灰色關(guān)聯(lián)分析的基本思想是根據(jù)序列曲線幾何形狀的相似程度來判斷其聯(lián)系是否緊密。曲線越接近，相應(yīng)序列之間關(guān)聯(lián)度就越大，反之就越小。例如，某地區(qū)農(nóng)業(yè)總產(chǎn)值、種植業(yè)總產(chǎn)值、畜牧業(yè)總產(chǎn)值和林業(yè)總產(chǎn)值，從1997-2002年共6年的統(tǒng)計數(shù)據(jù)如下：灰色關(guān)聯(lián)分析的基本思想是根據(jù)序列曲線幾

從直觀上看，與農(nóng)業(yè)總產(chǎn)值曲線最相似的是種植業(yè)總產(chǎn)值曲線，而畜牧業(yè)總產(chǎn)值曲線和林果業(yè)總產(chǎn)值曲線與農(nóng)業(yè)總產(chǎn)值曲線在幾何形狀上差別較大。因此我們可以說該地區(qū)的農(nóng)業(yè)仍然是以種植業(yè)為主的農(nóng)業(yè)，畜牧業(yè)和林果業(yè)還不夠發(fā)達。從直觀上看，與農(nóng)業(yè)總產(chǎn)值曲線最相似的是種植業(yè)總產(chǎn)值曲（一）關(guān)聯(lián)度

關(guān)聯(lián)度分析是分析系統(tǒng)中各因素關(guān)聯(lián)程度的方法，在計算關(guān)聯(lián)度前應(yīng)計算關(guān)聯(lián)系數(shù)。（1）關(guān)聯(lián)系數(shù)：設(shè)則關(guān)聯(lián)系數(shù)定義為：（一）關(guān)聯(lián)度關(guān)聯(lián)度分析是分析系統(tǒng)中各因素關(guān)式中：為第k個點和的絕對誤差為兩極最小差為兩極最大差稱為分辨率，一般取對單位不一，初值不同的序列，在計算相關(guān)系數(shù)前應(yīng)首先進行初始化，即對該序列所有數(shù)據(jù)分別除以第一個數(shù)據(jù)。式中：（2）關(guān)聯(lián)度和的關(guān)聯(lián)度（2）關(guān)聯(lián)度關(guān)聯(lián)度計算方法1．根據(jù)評價目的確定評價指標體系，收集評價數(shù)據(jù)。設(shè)個數(shù)據(jù)序列形成如下矩陣：其中為指標的個數(shù)。即關(guān)聯(lián)度計算方法1．根據(jù)評價目的確定評價指標體系，收集評價數(shù)據(jù)2．確定參考數(shù)據(jù)列參考數(shù)據(jù)列應(yīng)該是一個理想的比較標準，可以以各指標的最優(yōu)值（或最劣值）構(gòu)成參考數(shù)據(jù)列，也可根據(jù)評價目的選擇其它參照值．記作．．3．對指標數(shù)據(jù)序列用關(guān)聯(lián)算子進行無量綱化（也可以不進行無量綱化），無量綱化后的數(shù)據(jù)序列形成如下矩陣：3．對指標數(shù)據(jù)序列用關(guān)聯(lián)算子進行無量綱化

常用的無量綱化方法有均值化像法、初值化像法等．

常用的無量綱化方法有均值化像法、初值化4．逐個計算每個被評價對象指標序列與參考序列對應(yīng)元素的絕對差值

即

；；5．確定

與

4．逐個計算每個被評價對象指標序列與參考6．計算關(guān)聯(lián)系數(shù)分別計算每個比較序列與參考序列對應(yīng)元素的關(guān)聯(lián)系數(shù)式中為分辨系數(shù)，在（0，1）內(nèi)取值，越小，關(guān)聯(lián)系數(shù)間的差異越大，區(qū)分能力越強．通常取0.5．6．計算關(guān)聯(lián)系數(shù)

7.計算關(guān)聯(lián)度8.依據(jù)各觀察對象的關(guān)聯(lián)序，得出綜合評價結(jié)果．7.計算關(guān)聯(lián)度應(yīng)用舉例例：利用灰色關(guān)聯(lián)分析對6位教師工作狀況進行綜合評價1．評價指標包括：專業(yè)素質(zhì)、外語水平、教學工作量、科研成果、論文、著作與出勤．應(yīng)用舉例例：利用灰色關(guān)聯(lián)分析對6位教師工作狀況進行綜合評價2．對原始數(shù)據(jù)經(jīng)處理后得到以下數(shù)值，見下表

編號專業(yè)外語教學量科研論文著作出勤1898752927875738397966474688843658669838689576482．對原始數(shù)據(jù)經(jīng)處理后得到以下數(shù)值，見下表編號專業(yè)外語教學3．確定參考數(shù)據(jù)列：

4．計算，見下表編號專業(yè)外語教學量科研論文著作出勤1101237022124161302032524311146351330061610422513．確定參考數(shù)據(jù)列：編號專業(yè)外語教學量科研論文著作出勤1105．求最值6.取計算關(guān)聯(lián)系數(shù)，得5．求最值6.取計算關(guān)聯(lián)系數(shù)，得

同理得出其它各值，見下表編號10.7781.0000.7780.6360.4670.3331.00020.636

0.778

0.636

0.467

0.636

0.368

0.778

31.000

0.636

1.000

0.538

0.538

0.412

0.636

40.538

0.778

0.778

0.778

0.412

0.368

0.538

50.778

0.538

0.538

1.000

0.778

0.368

0.778

60.778

1.000

0.467

0.636

0.538

0.412

0.778

同理得出其它各值，見下表編號10.7781.0000.777．分別計算每個人各指標關(guān)聯(lián)系數(shù)的均值（關(guān)聯(lián)序）：

8．如果不考慮各指標權(quán)重（認為各指標同等重要），六個被評價對象由好到劣依次為1號，5號，3號，6號，2號，4號．即

7．分別計算每個人各指標關(guān)聯(lián)系數(shù)的均值（關(guān)聯(lián)序）：8．如果灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件3優(yōu)勢分析3優(yōu)勢分析為什么要進行優(yōu)勢分析？有時，參考列不止一個，被比較的因素也不止一個，這時，就需要進行優(yōu)勢分析。為什么要進行優(yōu)勢分析？有時，參考列不止一個，被比較的因素也不舉例：某關(guān)聯(lián)矩陣R舉例：某關(guān)聯(lián)矩陣R應(yīng)用舉例：應(yīng)用舉例：灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件4生成數(shù)4生成數(shù)

在灰色系統(tǒng)理論中，把一切隨機變量都看作灰色數(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，通過對已知數(shù)據(jù)列中的數(shù)據(jù)進行處理而產(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在灰色系統(tǒng)理論中，把一切隨機變量都看作灰色數(shù)，即使1）累加生成

把數(shù)列各時刻數(shù)據(jù)依次累加的過程稱為累加生成過程，記為AGO，由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1）累加生成把數(shù)列各時刻數(shù)據(jù)依次累加的過程稱為稱之為的r次累加生成，記

稱之為的r次累加生成數(shù)列累加生成的意義：稱之為的r次累加生成，記累加生成的意義：應(yīng)用舉例圖8-2圖8-3應(yīng)用舉例圖8-2圖8-3存在的問題存在的問題解決的方法解決的方法

對于原始數(shù)據(jù)列依次做前后相鄰的兩個數(shù)據(jù)相減的運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，對于r次累加生成數(shù)列為數(shù)列的r次累減生成.2）累減生成對于原始數(shù)據(jù)列依次做前后相鄰的兩個數(shù)據(jù)相減的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。對于常數(shù)，則稱為由數(shù)列的鄰值在生成系數(shù)（權(quán)）下的鄰值生成數(shù).特別地，當生成系數(shù)時則稱為鄰均值生成數(shù)，即等權(quán)鄰值生成數(shù).3）均值生成設(shè)原始數(shù)列對于常數(shù)

通過下面的數(shù)據(jù)分析、處理過程，我們將了解到，有了一個時間數(shù)據(jù)序列后，如何建立一個基于模型的灰色預測.

1.數(shù)據(jù)的預處理首先我們從一個簡單例子來考察問題.

【例1】

設(shè)原始數(shù)據(jù)序列通過下面的數(shù)據(jù)分析、處理過程，我們將了解到，有了對數(shù)據(jù)累加

于是得到一個新數(shù)據(jù)序列對數(shù)據(jù)累加于是得到一個新數(shù)據(jù)序列

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，簡稱為一次累加生成.顯然有

歸納上面的式子可寫為

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，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...,將上述例子中的分別做成圖7.1、圖7.2.可見圖圖7.2圖7.1為了把累加數(shù)據(jù)列還原為原始數(shù)列，需進行后減運算或稱相減生成，它是指后前兩個數(shù)據(jù)之差，如上例中圖7.2圖7.1為了把累加數(shù)據(jù)列還原為原始數(shù)列，需進行后減

歸納上面的式子得到如下結(jié)果：一次后減其中

為了把累加數(shù)據(jù)列還原為原始數(shù)列，需進行后減運算或稱相減生成，它是指后前兩個數(shù)據(jù)之差，如上例中歸納上面的式子得到如下結(jié)果：一次后減其中為圖8-7圖8-7灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件沒有累加生成時的誤差為21.26%沒有累加生成時的誤差為21.26%灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件白化定義白化定義灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件精度檢驗

(1)殘差檢驗：分別計算精度檢驗（3）預測精度等級對照表，見表7.1.

（3）預測精度等級對照表，見表7.1.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，建模時先要作一次累加，因此要求原始數(shù)據(jù)均為非負數(shù).否則，累加時會正負抵消，達不到使數(shù)據(jù)序列隨時間遞增的目的.如果實際問題的原始數(shù)據(jù)列出現(xiàn)負數(shù)，可對原始數(shù)據(jù)列進行“數(shù)據(jù)整體提升”處理.注意到一階常微分方程是導出GM(1,1)模型的橋梁，在我們應(yīng)用GM(1,1)模型于實際問題預測時，不必求解一階常微分方程。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GM(1,1)的建模步驟綜上所述，GM(1,1)的建模步驟如下：GM(1,1)的建模步驟灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件灰色系統(tǒng)理論與應(yīng)用ppt課件銷售額預測銷售額預測銷售額預測

隨著生產(chǎn)的發(fā)展、消費的擴大，市場需求通常總是增加的，一個商店、一個地區(qū)的銷售額常常呈增長趨勢.因此，這些數(shù)據(jù)符合建立灰色預測模型的要求。

【例7.2】

表7.2列出了某公司1999—2003年逐年的銷售額.試用建立預測模型，預測2004年的銷售額，要求作精度檢驗。銷售額預測隨著生產(chǎn)的發(fā)展、消費的擴大，市場需求通常銷售額預測

表7.2逐年銷售額（百萬元）年份19992000200120022003

序號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.試用建立預測模型，預測2004年的銷售額，要求作精度檢驗。銷售額預測表7.2逐年銷售銷售額預測

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

表7.3一次累加數(shù)據(jù)年份19992000200120022003序號123452.8743.2783.3373.3903.6792.8746.1529.48912.87916.558銷售額預測解（1）由原始數(shù)據(jù)列計算一次累加序列，銷售額預測（2）建立矩陣：銷售額預測（2）建立矩陣：銷售額預測銷售額預測銷售額預測銷售額預測銷售額預測銷售額預測銷售額預測銷售額預測7.3銷售額預測下面我們用用GM預測軟件求解例7.2.參考附錄B（1）調(diào)用GM預測軟件.見圖7.3.圖7.37.3銷售額預測下面我們用用GM預測軟件求解例7.2.參

7.3銷售額預測（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.

7.3銷售額預測（2）在“文件”菜單中打開“新建問題”7.3銷售額預測（3）輸入題目名稱及元素個數(shù)后，點擊“下一步”鍵，得到原始數(shù)據(jù)序列的輸入表格.見圖7.5.

7.3銷售額預測（3）輸入題目名稱及元素個數(shù)后，點擊“下7.3銷售額預測（4）點擊“運行”鍵，輸出分析數(shù)據(jù)如下：題目:123原始數(shù)列(5個):2.874，3.278，3.337，3.39，3.679預測結(jié)果如下：[1]dx/dt+ax=u：a=-0.03720438，u=3.06536331[2]時間響應(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]相對殘差e(k)：(1)0.00000000(2)0.01402108(3)-0.00525914(4)-0.02705145(5)0.01775514

7.3銷售額預測（4）點擊“運行”鍵，輸出分析數(shù)據(jù)如下：7.3銷售額預測[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]后驗差比值:C：0.23754928[11]小誤差概率P：1.00000000[12]模型計算值X^(k)：(1)2.87400000(2)3.23203891(3)3.35454976(4)3.48170440(5)3.61367885[13]預測的結(jié)果X*(k)：(1)3.75065581(2)3.89282490(3)4.04038293(4)4.19353416(5)4.35249061(6)4.51747233預測精度等級：好！

7.3銷售額預測[6]原數(shù)據(jù)均值avg(x)：3.311城市道路交通事故次數(shù)的灰色預測城市道路交通事故次數(shù)城市道路交通事故次數(shù)的灰色預測灰色理論以“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象,通過對“部分”已知的信息的生成開發(fā),提取有價值的信息,構(gòu)造生成序列的手段來尋求現(xiàn)實現(xiàn)象中存在的規(guī)律。交通事故作為一個隨機事件,其本身具有相當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、信號標志,同時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。因此可以認為一個地區(qū)的道路交通安全系統(tǒng)是一個灰色系統(tǒng),可以利用灰色系統(tǒng)理論進行研究。城市道路交通事故次數(shù)的灰色預測灰色理論以“部分信息已知、部分城市道路交通事故次數(shù)的灰色預測【例7.3】某市2004年1-6月的交通事故次數(shù)統(tǒng)計見表7.5.試建立灰色預測模型.

表7.5交通事故次數(shù)統(tǒng)計解利用GM預測軟件計算，輸出分析數(shù)據(jù)如下：原始數(shù)列(元素共6個):83，95，130，141，156，185預測結(jié)果如下：城市道路交通事故次數(shù)的灰色預測【例7.3】某市2004年1-城市道路交通事故次數(shù)的灰色預測[1]dx/dt+ax=u：a=-0.14401015，u=84.47278810[2]時間響應(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]相對殘差e(k)：(1)0.00000000(2)-0.09173066(3)0.07862044(4)0.01891728(5)-0.02410138(6)0.00267057

城市道路交通事故次數(shù)的灰色預測[1]dx/dt+ax=u：a7.4城市道路交通事故次數(shù)的灰色預測[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]后驗差比值C：0.18286467[11]小誤差概率P：1.00000000[12]模型計算值X^(k)：(1)83.00000000(2)103.71441263(3)119.77934261(4)138.33266324(5)159.75981586(6)184.50594506[13]預測的結(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預測精度等級：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.7.4城市道路交通事故次數(shù)的灰色預測[6]原數(shù)據(jù)均值a城市火災發(fā)生次數(shù)的灰色預測城市火災發(fā)生次數(shù)城市火災發(fā)生次數(shù)的灰色預測

【例7.4】某市2001—2005年火災的統(tǒng)計數(shù)據(jù)見表7.7.試建立模型，并對該市2006年的火災發(fā)生狀況做出預測。

表7.7某市2001－2005年火災數(shù)據(jù)年份20012002200320042005

火災(起)8797120166161城市火災發(fā)生次數(shù)的灰色預測【例7.4】某市2001—200城市火災發(fā)生次數(shù)的灰色預測解利用GM預測軟件計算，輸出分析數(shù)據(jù)如下：原始數(shù)列(元素共5個):87，97，120，166，161預測結(jié)果如下：[1]dx/dt+ax=u：a=-0.16668512，u=81.11892433[2]時間響應(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

城市火災發(fā)生次數(shù)的灰色預測解利用GM預測軟件計算，輸出分城市火災發(fā)生次數(shù)的灰色預測[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)：12.26