灰色系统预测（灰色模型预测法优缺点）

亦心
苹果签名系统对于一个模糊系统来说，传统的预测方法就copy会失去作用。处理模糊预测问题的数2113学方法是模糊数学。模糊数学的基础是模糊集合论，而模糊集合5261是普通集合的扩展。美国学者l.a.zadeh教授建立的模糊4102集合论，为模糊预测理论与方法的研究奠定了理论基础。它用简捷有力的方法处理1653复杂系统，在某种程度上弥补了经典数学与统计数学的不足。
2021-12-13 08:45:09

外网
灰色预测是灰色系统理论的数学应用，其数学基础，从传统的数学预测模型，典型的传统数学预测模型的基本上，是基于统计数据的那些，如一个单位线性回归，多返回，逻辑等..这些统计模型采用对应于给定数据的简单处理方法，这意味着使用数学方式，这些数量与其数据之间的第一个假设具有如此形式的关系。这是统计回归模型。然而，灰色预测模型被认为是量和数据在其他数量和数据之间，甚至一定量的多个序列数据值不一定显示为清晰的统计回归关联。它始终在内部联系，并且无法确定这一连接无疑表达，但只能express这种与我们的关系的关系，所以这实际上是关系。已经是多个数据值之间关系的结果，因此它不是这些数据值之间的隐藏统计关系，而是应该由结果数据值隐含。其中的关系，即微分方程，其实这也是微分方程的实际意义。灰色预测数据的理论基础，简而言之，与媒体数学，微分方程，线性代数和数字统计中的养分理论与营养理论集成。近年来，灰色预测的发展还反映了这些数学理论基础和最新的人工智能算法，进化算法和生物生物生物仿生算法，涉及更深的研究领域。
2021-12-13 08:44:05

飞创科技
灰色预测的建模步骤,a、建模机理b、把原始数据加工成生成数；c、对残差（模型计算值与实际值之差）修订后，建立差分微分方程模型；d、基于关联度收敛的分析；e、 gm模型所得数据须经过逆生成还原后才能用。f、采用“五步建模（系统定性分析、因素分析、初步量化、动态量化、优化）”法，建立一种差分微分方程模型gm(1,1）预测模型。令 x(0)=(x⑴，x⑵，…，x(n)) 　　作一次累加生成， k 　　x(k)= ∑x(m) 消除数据的随机性和波动性　　m=1 　　有 x=(x⑴，x⑵，…，x(n)) 　　=(x⑴，x⑴+x⑵，…，x(n-1)+x(n)) 　　x可建立白化方程：dx/dt+ax=u 即gm(1,1).该方程的解为： x(k+1)=(x⑴-u/a)exp()+u/a其中：α称为发展灰数；μ称为内生控制灰数 1、残差模型：若用原始经济时间序列建立的GM（1，1）模型检验不合格或精度不理想时，要对建立的GM（1，1）模型进行残差修正或提高模型的预测精度。修正的方法是建立GM（1，1）的残差模型。2、GM（n，h）模型：GM（n，h）模型是微分方程模型，可用于对描述对象作长期、连续、动态的反映。从原则上讲，某一灰色系统无论内部机制如何，只要能将该系统原始表征量表示为时间序列x(0)(t)，并有 x(0)(t)>0，即可用GM模型对系统进行描述。
2021-12-13 08:44:05