通过下面的数据分析、处理过程,我们将了解到,有了一个时间数据序列后,如何建立一个基于模型的灰色预测。
1.数据的预处理
首先我们从一个简单例子来考察问题.
设原始数据序列
对数据累加
于是得到一个新数据序列
归纳上面的式子可写为
称此式所表示的数据列为原始数据列的一次累加生成,简称为一次累加生成.
为了把累加数据列还原为原始数列,需进行后减运算或称相减生成,它是指后前两个数据之差,如上例中
归纳上面的式子得到如下结果:一次后减
2.建模原理
3.精度检验
(1)残差检验:分别计算
(2)预测精度等级对照表,见表7.1.
由于模型是基于一阶常微分方程建立的,故称为一阶一元灰色模型,记为GM(1,1).须指出的是, 建模时先要作一次累加,因此要求原始数据均为非负数.否则,累加时会正负抵消,达不到使数据序列随时间递增的目的.如果实际问题的原始数据列出现负数,可对原始数据列进行“数据整体提升”处理.
注意到一阶常微分方程是导出GM(1,1)模型的桥梁,在我们应用GM(1,1)模型于实际问题预测时,不必求解一阶常微分方程.
4.GM(1,1)的建模步骤
综上所述,GM(1,1)的建模步骤如下: