李昌興，謝笑娟，李思齊，黃艷虎(1.西安郵電大學(xué)a.理學(xué)院;b.通信與信息工程學(xué)院，西安71011;.興業(yè)銀行 西安分行西長安街支行，西安71011)

基于數(shù)據(jù)變換和背景值優(yōu)化的GM(1,1)模型

李昌興1a，謝笑娟1a，李思齊2，黃艷虎1b
(1.西安郵電大學(xué)a.理學(xué)院;b.通信與信息工程學(xué)院，西安710121;2.興業(yè)銀行 西安分行西長安街支行，西安710121)

文章為了提高GM(1,1)模型的預(yù)測精度，提出一種基于數(shù)據(jù)變換和背景值優(yōu)化的GM(1,1)模型?？紤]通過弱化緩沖算子得到原始數(shù)據(jù)序列的緩沖序列，并對(duì)緩沖序列進(jìn)行對(duì)數(shù)變換，而后對(duì)GM(1,1)模型的背景值進(jìn)行優(yōu)化。實(shí)例結(jié)果表明新建GM(1,1)模型降低了誤差，提高了預(yù)測精度。

GM(1,1)模型；數(shù)據(jù)變換技術(shù)；弱化緩沖算子

0 引言

灰色系統(tǒng)理論自創(chuàng)立以來，在教育、地質(zhì)、經(jīng)濟(jì)、農(nóng)業(yè)、管理等眾多領(lǐng)域得到了廣泛應(yīng)用[1,2]。GM(1,1)模型作為灰色系統(tǒng)理論的核心內(nèi)容，許多學(xué)者對(duì)其進(jìn)行了深入而廣泛的研究。如何提高GM(1,1)模型預(yù)測精度，一直是學(xué)者們關(guān)注和研究的重點(diǎn)[3-5]。譚冠軍、李星毅、王洪國等在已有背景值的基礎(chǔ)上，重構(gòu)出不同背景值的GM(1,1)模型，使其適應(yīng)于高、低指數(shù)增長序列建模，并用算例結(jié)果的精度表明此方法的有效性和優(yōu)越性[6,7]。黨耀國等分別建立了以x(1)(n)或x(1)(m)為灰色微分模型的初始條件，對(duì)GM(1,1)模型進(jìn)行改進(jìn)，并通過實(shí)例驗(yàn)證模型的可靠性與實(shí)用性。曹昶、劉解放、崔立志等通過正弦函數(shù)變換、余切函數(shù)變換、對(duì)數(shù)函數(shù)變換等數(shù)據(jù)變換技術(shù)，改善了原始數(shù)據(jù)序列的光滑度，并給出了此類方法的理論證明，最后通過實(shí)例說明此方法的實(shí)用性和有效性[9-11]。

以上對(duì)GM(1,1)模型提出的改進(jìn)方法對(duì)模型的預(yù)測精度有所提升，但GM(1,1)模型自身存在的缺陷尚未得到有效改進(jìn)。本文在分析GM(1,1)模型傳統(tǒng)背景值選取的基礎(chǔ)上，提出一種基于數(shù)據(jù)變換和背景值優(yōu)化的GM(1,1)模型。首先，通過弱化算子弱化原始序列隨機(jī)性以擴(kuò)大模型的適用范圍。其次，通過數(shù)據(jù)變換技術(shù)以提高數(shù)據(jù)序列的光滑性。最后，對(duì)GM(1,1)的初始值和背景值進(jìn)行優(yōu)化降低總體誤差、提高預(yù)測精度，并通過實(shí)例予以驗(yàn)證。

1 GM(1,1)模型誤差產(chǎn)生原因分析

1．1 GM(1,1)模型過程

設(shè)非負(fù)原始數(shù)據(jù)序列為：

X(1)記為X(0)的一次累加序列，即：

由X(1)構(gòu)造背景值序列：

其中：

GM(1,1)模型的灰微分方程為：

式(1)的解為：

參數(shù)a和b的最小二乘估計(jì)為：

其中：

還原為原始數(shù)據(jù)：其中：

1．2 誤差原因分析

由上述建模過程可知，發(fā)展系數(shù)a、灰色作用量b以及待定常數(shù)c是影響模型預(yù)測精度的重要因素,其中a和b的值取決于原始序列和背景值的構(gòu)造，c的值取決于

1.2.1 背景值的構(gòu)造

關(guān)于真實(shí)背景值，在區(qū)間[k-1，k]對(duì)式(1)兩邊取積分可得：

進(jìn)一步可得：

由式(3)和式(5)可知，真實(shí)背景值為：

用式(2)代替式(6)是產(chǎn)生誤差的主要原因。

定理1[12]：真實(shí)背景值等價(jià)于x(1)(k)， x(1)(k-1)和參數(shù)α的線性組合，即存在α∈[0，1]，使：

其中k=2，…，n.

1.2.2 弱化緩沖算子

a和b影響因素除背景值外，另一個(gè)為原始序列，而原始序列的隨機(jī)性是影響預(yù)測精度的關(guān)鍵因素?，F(xiàn)實(shí)生活中，往往由于外界沖擊因素干擾的存在，從而加快(減緩)了原始序列的發(fā)展趨勢(shì)，使得數(shù)據(jù)失真，導(dǎo)致模型精度不高。劉思峰將該類系統(tǒng)稱為沖擊擾動(dòng)系統(tǒng)，并提出利用緩沖算子解決沖擊擾動(dòng)系統(tǒng)的預(yù)測問題，同時(shí)構(gòu)建了較完善的緩沖算子公理體系[13]。在此基礎(chǔ)上，學(xué)者們分別構(gòu)造了加權(quán)平均弱化緩沖算子、加權(quán)幾何平均弱化緩沖算子、幾何平均弱化緩沖算子等若干具有普遍意義的實(shí)用弱化算子。緩沖算子理論是對(duì)獲得的數(shù)據(jù)序列進(jìn)行某種生成，弱化其隨機(jī)性，顯示其規(guī)律性，排除外在沖擊所帶來的干擾，得到能夠反映系統(tǒng)變化規(guī)律的數(shù)據(jù)序列。

定理2[14]：設(shè)非負(fù)原始序列為：

稱：

為X(0)的緩沖序列，其中：

則當(dāng)X(0)為單調(diào)增長序列、單調(diào)衰減序列和振蕩序列時(shí)，D1皆為弱化緩沖算子。

1.2.3 數(shù)據(jù)變換技術(shù)

GM(1,1)建模的前提是滿足準(zhǔn)光滑性、準(zhǔn)指數(shù)性和級(jí)比檢驗(yàn)，即可知原始序列的光滑性等也是影響預(yù)測精度的關(guān)鍵因素。數(shù)據(jù)變換就是對(duì)原始數(shù)據(jù)序列進(jìn)行某種運(yùn)算，從而使新的數(shù)據(jù)序列朝著提高數(shù)據(jù)序列的光滑性、有利于級(jí)比壓縮等方向進(jìn)行，來提高預(yù)測精度。

2 數(shù)據(jù)變換與背景值優(yōu)化的GM(1,1)模型

第一步：以式(8)對(duì)原始數(shù)據(jù)序列進(jìn)行弱化，弱化數(shù)據(jù)序列的隨機(jī)性；

第二步：將弱化后的數(shù)據(jù)序列進(jìn)行數(shù)據(jù)變換，提高數(shù)據(jù)序列光滑性；

第三步：以數(shù)據(jù)變換后的序列來進(jìn)行GM(1,1)建模，求解背景值式(7)中的α。

由式(3)和式(7)可得：

即：

取α*滿足

從而得到背景值：

再求待定系數(shù)c，取m*使得其中

第四步：數(shù)據(jù)變換技術(shù)的數(shù)據(jù)還原；

第五步：弱化算子數(shù)據(jù)還原

3 實(shí)例分析

為敘述方便起見,記原GM(1,1)模型為GM(1,1)①，記文獻(xiàn)[5]背景值和初始值同時(shí)優(yōu)化的GM(1,1)模型為GM(1,1)②，記文獻(xiàn)[11]經(jīng)過對(duì)數(shù)函數(shù)變換的GM(1，1)模型為GM(1,1)③，記本文改進(jìn)GM(1,1)模型為GM(1,1)④。這里用2004—2012年我國果蔬的消費(fèi)量進(jìn)行數(shù)據(jù)模擬?；谒南M(fèi)量建立GM(1,1)①，GM(1,1)②,GM(1,1)③，GM(1,1)④，并求出時(shí)間響應(yīng)式。

(1)GM(1,1)①模型的時(shí)間響應(yīng)式：

(2)GM(1,1)②模型的時(shí)間響應(yīng)式：

(3)GM(1,1)③模型的時(shí)間響應(yīng)式：(c=5500)

對(duì)數(shù)函數(shù)數(shù)據(jù)還原：

(4)GM(1,1)④模型

將水果的原始數(shù)據(jù)序列進(jìn)行弱化后，進(jìn)行數(shù)據(jù)變換技術(shù)，這里用對(duì)數(shù)變換：

這里取c=5500，然后建立GM(1，1)模型。

由式(9)可得α*=0.0018時(shí)最優(yōu)，即背景值：

可得改進(jìn)后GM(1,1)模型的時(shí)間響應(yīng)式：

由式(11)進(jìn)行對(duì)數(shù)函數(shù)還原；式(10)進(jìn)行弱化算子還原。

水果消費(fèi)量模型精度比較如表1所示。類似可求得蔬菜的消費(fèi)量各類GM(1,1)模型的時(shí)間響應(yīng)式以及模型誤差分析。蔬菜消費(fèi)量模型精度比較如表2所示。

表1 水果消費(fèi)量模型精度比較

表2 蔬菜消費(fèi)量模型精度比較

4 總結(jié)

本文通過弱化算子、數(shù)據(jù)變換將原始數(shù)據(jù)序列進(jìn)行優(yōu)化，用優(yōu)化后數(shù)據(jù)序列建立背景值優(yōu)化的GM(1,1)模型，不僅能夠有效地消除數(shù)據(jù)序列的隨機(jī)性，而且能提高數(shù)據(jù)序列的光滑度，減小背景值所帶來的誤差，從而提高模型的預(yù)測精度。對(duì)2004—2012年我國果蔬消費(fèi)量實(shí)例的數(shù)據(jù)模擬驗(yàn)證結(jié)果表明，本文的改進(jìn)方法能較好地反映果蔬消費(fèi)量信息，平均相對(duì)誤差較小，在時(shí)間序列預(yù)測方面有一定實(shí)用性。

[1]白洪偉.基于灰色預(yù)測模型的滑坡變形監(jiān)測的應(yīng)用研究[J].陰山學(xué)刊(自然科學(xué)版),2015,(3).

[2]李星毅,李奎,施化吉,周雙全.背景值優(yōu)化的GM(1,1)預(yù)測模型及應(yīng)用[J].電子科技大學(xué)學(xué)報(bào)，2011,(6).

[3]徐寧,黨耀國,丁松.基于誤差最小化的GM(1,1)模型背景值優(yōu)化方法[J].控制與決策，2015,(2).

[4]王建國,劉高生,孫偉.電磁場作用下循環(huán)水污垢熱阻的灰色預(yù)測模型實(shí)驗(yàn)研究[J].中國電機(jī)工程學(xué)報(bào),2013,(11).

[5]董奮義,田軍.背景值和初始條件同時(shí)優(yōu)化的GM(1,1)模型[J].系統(tǒng)工程與電子技術(shù)，2007,(3).

[6]譚冠軍.GM(1,1)模型的背景值構(gòu)造方法和應(yīng)用(Ⅰ)[J].系統(tǒng)工程理論與踐,2000,(4).

[7]劉樂,王洪國,王寶偉.基于背景值構(gòu)造方法的GM(1,1)模型優(yōu)化[J].統(tǒng)計(jì)與決策,2009,(1).

[8]黨耀國,劉思峰,劉斌.以為初始條件的GM模型[J].中國管理科學(xué), 2005,(1).

[9]曹昶,樊重俊,胡兆龍.基于正弦函數(shù)變換的灰色預(yù)測模型研究及其應(yīng)用[J].數(shù)學(xué)雜志,2013,(4).

[10]劉解放,劉思峰,方志耕.基于新型數(shù)據(jù)變換技術(shù)的灰色預(yù)測模型及應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2015,(1).

[11]崔立志,劉思峰.基于數(shù)據(jù)變換技術(shù)的灰色預(yù)測模型[J].系統(tǒng)工程, 2010,(5).

[12]徐寧,黨耀國,丁松.基于誤差最小化的GM(1,1)模型背景值優(yōu)化方法[J].控制與決策,2015,(2).

[13]劉思峰.沖擊擾動(dòng)系統(tǒng)預(yù)測陷阱與緩沖算子[J].華中理工大學(xué)學(xué)報(bào),1997,(1).

[14]崔立志.灰色預(yù)測技術(shù)及其應(yīng)用研究[D].江蘇:南京航空航天大學(xué), 2010.

[15]2004—2012年中國統(tǒng)計(jì)年鑒[M].北京:中國統(tǒng)計(jì)出版社.

（責(zé)任編輯/浩 天）

N941.5

A

1002-6487（2016）24-0071-03

李昌興（1962—），男，陜西西安人，博士，教授，研究方向：智能計(jì)算與決策分析。

謝笑娟（1989—），女，陜西西安人，碩士研究生，研究方向：模糊統(tǒng)計(jì)與智能決策。