灰色关联R语言 r语言灰色预测模型

灰色理论

通过对原始数据的处理挖掘系统变动规律，建立相应微分方程，从而预测事物未来发展状况。 
优点：对于不确定因素的复杂系统预测效果较好，且所需样本数据较小； 
缺点：基于指数率的预测没有考虑系统的随机性，中长期预测精度较差。

灰色预测模型

在多种因素共同影响且内部因素难以全部划定，因素间关系复杂隐蔽，可利用的数据情况少下可用，一般会加上修正因子使结果更准确。 
灰色系统是指“部分信息已知，部分信息未知“的”小样本“，”贫信息“的不确定系统，以灰色模型（G,M）为核心的模型体系。

灰色预测模型建模机理

灰色系统理论是基于关联空间、光滑离散函数等概念，定义灰导数与会微分方程，进而用离散数据列建立微分方程形式的动态模型。

灰色预测模型实验

以sin(pi*x/20)函数为例，以单调性为区间检验灰色模型预测的精度 

通过实验可以明显地看出，灰色预测对于单调变化的序列预测精度较高，但是对波动变化明显的序列而言，灰色预测的误差相对比较大。究其原因，灰色预测模型通过AGO累加生成序列，在这个过程中会将不规则变动视为干扰，在累加运算中会过滤掉一部分变动，而且由累加生成灰指数律定理可知，当序列足够大时，存在级比为0.5的指数律，这就决定了灰色预测对单调变化预测具有很强的惯性，使得波动变化趋势不敏感。

本文所用测试代码：

1 clc  2 clear all
  3 % 本程序主要用来计算根据灰色理论建立的模型的预测值。  4 % 应用的数学模型是 GM(1,1)。  5 % 原始数据的处理方法是一次累加法。  6 x=[0:1:10];  7 x1=[10:1:20];  8 x2=[0:1:20];  9 y=sin(pi*x/20);  10 n=length(y);  11 yy=ones(n,1);  12 yy(1)=y(1);  13 for i=2:n  14 yy(i)=yy(i-1)+y(i);  15 end  16 B=ones(n-1,2);  17 for i=1:(n-1)  18 B(i,1)=-(yy(i)+yy(i+1))/2;  19 B(i,2)=1;  20 end  21 BT=B';  22 for j=1:n-1  23  YN(j)=y(j+1);  24 end  25 YN=YN';  26 A=inv(BT*B)*BT*YN;  27 a=A(1);  28 u=A(2);  29 t=u/a;  30 t_test=5; %需要预测个数  31 i=1:t_test+n;  32 yys(i+1)=(y(1)-t).*exp(-a.*i)+t;  33 yys(1)=y(1);  34 for j=n+t_test:-1:2  35 ys(j)=yys(j)-yys(j-1);  36 end  37 x=1:n;  38 xs=2:n+t_test;  39 yn=ys(2:n+t_test);  40 det=0;  41 for i=2:n  42  det=det+abs(yn(i)-y(i));  43 end  44 det=det/(n-1);  45  46 subplot(2,2,1),plot(x,y,'^r-',xs,yn,'b-o'),title('单调递增' ),legend('实测值','预测值');  47 disp(['百分绝对误差为：',num2str(det),'%']);  48 disp(['预测值为： ',num2str(ys(n+1:n+t_test))]);  49  50  51 %递减  52 y1=sin(pi*x1/20);  53 n1=length(y1);  54 yy1=ones(n1,1);  55 yy1(1)=y1(1);  56 for i=2:n1  57 yy1(i)=yy1(i-1)+y1(i);  58 end  59 B1=ones(n1-1,2);  60 for i=1:(n1-1)  61 B1(i,1)=-(yy1(i)+yy1(i+1))/2;  62 B1(i,2)=1;  63 end  64 BT1=B1';  65 for j=1:n1-1  66  YN1(j)=y1(j+1);  67 end  68 YN1=YN1';  69 A1=inv(BT1*B1)*BT1*YN1;  70 a1=A1(1);  71 u1=A1(2);  72 t1=u1/a1;  73 t_test1=5; %需要预测个数  74 i=1:t_test1+n1;  75 yys1(i+1)=(y1(