多变量灰色预测模型Matlab程序

维普资讯 http://www.77cn.com.cn

第2 1卷第 1期20 0 8年 2月

四川理工学院学报 (自然科学版 )J OURNAL OF S CHUAN UNI I VERS T OF I Y

V0. No1 1 21 .

S INC& E G NE R N N T R L S I N E E II N) CE E N I E I G( A U A C E C D T O

F b2 0 e .0 8

文章编号：6 3 1 4 2 0 O - 0 4 0 1 7— 5 9( 0 8) 1 0 4 - 3

多变量灰色预测模型算法的 Mal t b实现 a黄现代，王丰效(陕西理工学院数学系，陕西汉中 7 3 0 ) 2 00

摘要：文章讨论了多变量灰色预测模型的建模方法及其算法思想，得到了多变量灰色预测模型的检验方法。为了简化模型求解，给出多变量灰色预测模型的 Ma a t b程序实现。通过应用实例说明算法程序的应用和效果。 l

关键词：多变量；灰色预测模型；算法；Maa tb l中图分类号：O 4 21文献标识码：A

引言自从邓聚龙教授提出灰色系统理论以来，色预测灰d f

xl l】 (

\,

() 1

模型在许多领域得到了广泛应用。

http://www.paper.edu.cn

多变量灰色预测模型在建筑物沉降观测中的应用 羡丽娜, 张 彬 1

1 1辽宁工程技术大学土建学院, 123000

E-mail:xln.0220@tom.com

摘 要：本文采用多变量灰色模型对建筑物沉降观测数据进行处理，并通过工程实例将预测

结果与实测数据对比，说明多变量灰预测色模型的准确性，预测精度较高，尤其适用于多点

变形的整体预测预报。满足工程需要，具有重要的工程意义和经济价值。 关键词：建筑物；沉降观测；多变量灰色模型；灰色预测。 1. 引 言

随着建筑行业的迅速发展，对房屋建筑地基进行沉降观测 ,具有极为重要的作用。通过

观测 ,可了解房屋建筑的质量 ,安全可靠性 ,可鉴定地质勘察是否正确等 ,并为今后的设

计提供宝贵的经验 ,特别是应用沉降预测的方法 ,能及早发现工程不均匀沉降及其对建筑

的影响 ,以采取措施 ,避免出现不良后果。灰色预测则可以帮助我们提前了解未来将要发生 的变形。

但目前采用的大多数预测模型都局限于单点[4，6]建模和预测。由于GM(1 ,1) 模型仅

用1 个时间序列数据建模预测,当存在多个相互影响或关联的变量时,就无法反映它们之间

相互影响、制约和协同发展的情

WORD整理版

§12.5 灰色预测

我们通常所说的系统是指：由客观世界中相同或相似的事物和因素按一定的秩序相互关联、相互制约而构成的一个整体．例如：工程技术系统、社会系统、经济系统等．如果一个系统中具有充足的信息量，其发展变化的规律明显、定量描述方便、结构与参数具体，则这种系统通常称为白色系统．如果一个系统的内部特征全部是未知的，则称此系统为黑色系统．如果系统内部信息和特征是部分已知的，另一部分是未知的，这种系统称为灰色系统．例如：社会系统、农业系统、经济系统、气象系统、生物系统等．对于这类系统，内部因素难以辨识，相互之间的关系较为隐蔽，人们难以准确了解这类系统的行为特征．因此，对于这类问题进行定量描述，即建立模型难度较大．区别白色系统与灰色系统的重要标志是系统内各因素之间是否具有确定的关系．

灰色系统分析方法主要是根据具体灰色系统的行为特征数据，充分利用数量不多的数据和信息寻求相关因素自身与各因素之间的数学关系，建立相应的数学模型．目前，灰色系统理论在实际中已得到了广泛的应用，例如：在工程技术、经济管理、气象预报以及政治、社会、工业、农业等领域都取得了一定的应用成果

多变量信用风险判别模型

多变量信用风险判别模型是以特征财务比率为解释变量,运用数量统计方法推导而建立起的标准模型。运用此模型预测某种性质事件发生的可能性,及早发现信用危机信号,使经营者能够在危机出现的萌芽阶段采取有效措施改善企业经营,防范危机;使投资者和债权人可依据这种信号及时转移投资、管理应收帐款及作出信贷决策。目前国际上这类模型的应用是最有效的,也是国际金融业和学术界视为主流方法。概括起来有线性概率模型、Logit、Probit模型和判别分析模型。其中多元判别分析法最受青睐,Logit模型次之。

多元判别分析法是研究对象所属类别进行判别的一种统计分析方法;判别分析就是要从若干表明观测对象特征的变量值(财务比率)中筛选出能提供较多信息的变量并建立判别函数,使推导出的判别函数对观测样本分类时的错判率最小。率先将这一方法应用于财务危机、公司破产及违约风险分析的开拓者是美国的爱德华·阿尔特曼博士(EdwardI.Altman)。他早在1968年对美国破产和非破产生产企业进行观察,采用了22个财务比率经过数理统计筛选建立了著名的5变量Z-score模型和在此基础上改进的“Ze-ta”判别分析模型[2]。根据判别分值,以确定的临界值对研究对象

《数学模型》课程“灰色预测” A 卷、 B 卷试题 一、 A 卷试题

下表给出长江在过去 8年中废水排放总量的数据, 据此对今后 5年的长江水质污染的发 展趋势做出预测。

1. 确定微分方程模型(需把程序运行得到的具体系数值代入 ; (10分 (1

(10.0656174.9590dx x dt -= (1 0.0656(

0(1 ((1 2850.82667.8k ak b b k x a a x e e ∧ ∧∧ ∧-∧∧

+=-+=+ 2. 给出未来 5

1996

1998200020022004200620082010 150 200 250 300 350 400

3. 相对误差检验,并说明精度级别。 (5分

相对误差:0.0227 良好(II 级

注(1以上三个问题解答过程的程序写在同一个 M 文件中随答案卷发回。 (2

二、 B 卷试题 答案

下表为等时间间隔序列中的前 6个数据,据此对今后的 3个数据做出预测。

4. 确定微分方程模型(需把程序运行得到的具体系数值代入 ; (10分 (1

(1+0.145840.8043dx x dt = (1

0.1458( 0(1 ((1 -233.6899 279.8899k ak b

精品文档 你我共享

基于ARMA模型和灰色预测模型的邮政业务总量预测

上传日期：2009年10月16日 编辑：现代经济编辑部 点击:318次

胡芳芳

（首都经济贸易大学统计学院，北京 100070）

摘 要：邮政业务是个复杂的社会经济系统，本文分别采取ARMA模型以及灰色预测模型GM（1，1）对邮政业务总量进行预测，并比较了两种模型的预测精度，并对2009-2011年全国邮政业务总量进行了预测。

关键词：ARMA模型；灰色预测模型；邮政业务；预测精度

中图分类号：F618 文献标识码：A 文章编号：1671-8089（2009）08-0032-04

一、基于ARMA模型的邮电业务总量预测

ARMA模型是一类常用的随机时序模型，由博克斯(Box)、詹金斯(Jenkins)创立，亦称B-J方法。它是一种精度较高的时序短期预测方法，其基本思想是：某些时间序列是依赖于时间t的一族随机变量，构成该时序的单个序列值虽然具有不确定性，但整个序列的变化却有一定的规律性，可以有相应的数学模型近似描述。通过对该数学模型的分析研究，能够更本质地认识时间序列的结构与特征，达到最小方差意义下的

灰色GM(1,1)模型在房价预测中的运用

—以西安市为例

摘要:本文用灰色GM(1,1)模型针对西安市的房价进行了简要的预测。首先用西安市连续五

个季度的房价建立GM(1,1)模型，得到一个一阶的微分方程，然后通过残差检验、关联度检验和后验差检验三种方法对该预测模型进行检验，判断出该模型的精度较高，最后用此方程求出所要预测的房价。

关键词：灰色GM(1,1)模型; 残差检验; 关联度检验; 后验差检验

住房问题是百姓关注的焦点，而房地产价格的高低涉及社会生活中多方面的经济利益，因此较为准确的预测未来房地产的销售价格，对社会发展和人民生活极其重要。本文首先对西安市2008年第一季度至2010年第二季度共十个季度的房价进行记录，并且以每个季度房价的平均值记录为该季度西安市的房价值，具体数据值在表一中示出。然后根据2008年第一季度至2009年第一季度共五个季度西安市的房价值通过一阶灰色GM(1,1)预测模型确定出新的房价预测方程，用此预测方程预测出2009年第二季度至2010年第二季度共五个季度的房价，再将此房价与收集到的真实房价值进行比较，分别通过绘制图表和残差检验、关联度检验和后验差检验判断出该预测模型在预测房价时误差较小，准确度较高。最后用

《数学模型》课程“灰色预测” A 卷、 B 卷试题 一、 A 卷试题

下表给出长江在过去 8年中废水排放总量的数据, 据此对今后 5年的长江水质污染的发 展趋势做出预测。

1. 确定微分方程模型(需把程序运行得到的具体系数值代入 ; (10分 (1

(10.0656174.9590dx x dt -= (1 0.0656(

0(1 ((1 2850.82667.8k ak b b k x a a x e e ∧ ∧∧ ∧-∧∧

+=-+=+ 2. 给出未来 5

1996

1998200020022004200620082010 150 200 250 300 350 400

3. 相对误差检验,并说明精度级别。 (5分

相对误差:0.0227 良好(II 级

注(1以上三个问题解答过程的程序写在同一个 M 文件中随答案卷发回。 (2

二、 B 卷试题 答案

下表为等时间间隔序列中的前 6个数据,据此对今后的 3个数据做出预测。

4. 确定微分方程模型(需把程序运行得到的具体系数值代入 ; (10分 (1

(1+0.145840.8043dx x dt = (1

0.1458( 0(1 ((1 -233.6899 279.8899k ak b

clc clear

%% 1.计算风速weibull分布 % 数据处理

load data;

mu=mean(speed);%原始数据的统计参数 sigma=sqrt(var(speed));

% 计算威布尔分布参数 parmhat=wblfit(speed); k=parmhat(2); c=parmhat(1);

% k=(sigma/mu)^-1.086; % c=mu/gamma(1+1/k);

% 威布尔分布拟合

[y,x]=hist(speed,ceil(max(speed)/0.5));%x是区间中心数,组距-1.5

prob1=y/8760/0.5;%计算原始数据概率密度，频数除以数据种数，除以组距 prob2=(k/c)*(x/c).^(k-1).*exp(-(x/c).^k);%威布尔分布

figure(1)

title('Weibull分布拟合图');

bar(x,prob1,1) hold on

plot(x,prob2,'r')

legend('历史数据','Weibull拟合结果') % legend('Weibull拟合结果') hold off

save('result_weibull.mat')

灰色GM(1,1)模型在房价预测中的运用

—以西安市为例

摘要:本文用灰色GM(1,1)模型针对西安市的房价进行了简要的预测。首先用西安市连续五

个季度的房价建立GM(1,1)模型，得到一个一阶的微分方程，然后通过残差检验、关联度检验和后验差检验三种方法对该预测模型进行检验，判断出该模型的精度较高，最后用此方程求出所要预测的房价。

关键词：灰色GM(1,1)模型; 残差检验; 关联度检验; 后验差检验

住房问题是百姓关注的焦点，而房地产价格的高低涉及社会生活中多方面的经济利益，因此较为准确的预测未来房地产的销售价格，对社会发展和人民生活极其重要。本文首先对西安市2008年第一季度至2010年第二季度共十个季度的房价进行记录，并且以每个季度房价的平均值记录为该季度西安市的房价值，具体数据值在表一中示出。然后根据2008年第一季度至2009年第一季度共五个季度西安市的房价值通过一阶灰色GM(1,1)预测模型确定出新的房价预测方程，用此预测方程预测出2009年第二季度至2010年第二季度共五个季度的房价，再将此房价与收集到的真实房价值进行比较，分别通过绘制图表和残差检验、关联度检验和后验差检验判断出该预测模型在预测房价时误差较小，准确度较高。最后用