灰色理论数学建模.ppt

《灰色理论数学建模.ppt》由会员分享，可在线阅读，更多相关《灰色理论数学建模.ppt（63页珍藏版）》请在三一办公上搜索。

1、灰色理论,1、灰关联理论2、灰色预测模型,1.1、灰关联分析方法概述,灰色系统是既含有已知信息，又含有未知信息或非确知信息的系统。灰关联分析是依据灰数列间几何相似的序化分析与关联测度，来量化不同层次中多个序列相对某一级别的关联性，其实质为灰色系统中多个序列之间接近度的序列分析，这种接近度称为数据间的关联度。,1.1、灰关联分析方法概述,关联度愈高，说明该样本序列隶属的关系愈贴近，这是综合评价的信息和依据。在数学理论上，它反映了离散数列空间的接近度，所以是一种几何分析法。灰关联度分析的基本思想是根据离散数据之间几何相似程度来判断关联性大小，并进行排序。在此，我们通过两个实例给出灰关联分析方法的过

2、程,1.2、灰关联分析的步骤,应用灰关联分析，一般包括下列的计算和分析步骤：1）确定参考序列和比较序列；2）作原始数据变换；3）求绝对差序列；4）计算关联系数；,1.2、灰关联分析的步骤,5）计算关联度；6）排关联序；7）列关联矩阵进行优势分析。,1.2.1 数据变换技术,为了保证建模的质量与系统分析的正确结果，对收集来的原始数据必须进行数据变换处理，使其消除量纲和具有可比性。定义1 设有序列称映射为序列到序列的数据变换。,1.2.1 数据变换技术,称映射为序列 到序列 的数据变换1）初值化变换：2）均值化变换：,1.2.1 数据变换技术,3）百分比变换：4）倍数变换：5）归一化变换：,1.2

3、.1 数据变换技术,6）极差最大化变换：7）区间值化变换：,1.2.2 变换的性质,上述变换满足1）当；2）保序性：3）保差异性：对任意的，有,1.2.3 多指标序列的数据变换,设有多指标序列称映射,1.2.3 多指标序列的数据变换,为序列 到序列 的数据变换。多因素指标的数据变换主要依赖于指标的属性类型，常用的属性类型有效益型（指标值越大越好型）、成本型（指标值越小越好型）、固定型（指标值越接近某固定值越好型）、区间型（指标值越接近某固定区间越好）、偏离型（指标值越偏离某固定值越好）、偏离区间型（指标值越偏离某固定区间越好）等。,1.2.3 多指标序列的数据变换,关联分析中常用的数据变换有1

4、）效益型：2）成本型：,1.2.3 多指标序列的数据变换,3）固定型：为固定值 4）区间 型：,1.2.3 多指标序列的数据变换,5）偏离 型：6）偏离区间 型：,1.2.4 关联度,定义2：设为 灰关联因子集，为参考序列，为比较序列，分别为 与 的第 个点的数，,1.2.4 关联度,定义 为灰关联系数。其中为绝对差，为两极最小差，为两极最大差，为分辨系数,1.2.4 关联度,定义3：设为 指标 的权重，满足，定义为 对 的灰关联度，是序列几何距离的一种度量。,1.3 实例,1.3.1 实例一：用灰关联分析的方法分析影响呼和浩特市大气污染的各主要因素的污染水平。表1 1999-2003年城市大

5、气污染监测数据,计算步骤：（1）将城市区域大气污染值作为参考序列，其他各因素作为比较因素序列，对各因素初值化处理，得各标准化序列表2 标准化数据,（2）由上表求绝对差。得序列,（3）计算关联系数如下：取,（4）计算关联度,取，比较因素和参考因素的关联度为,结果分析,从结果可以看出，直接因素（前3个）关联度的排序为，说明在城市大气环境的影响因素中，TSP是主要因素；在间接因素（后5个）中，关联度的排序为，机动车数量是主要的间接影响因素。,1.3.2 实例二：基于灰度关联的多传感器融合目标识别方法,目标识别的基本任务就是利用样本的特征和目标库中已知目标的特征的比较，将待识别样本划分为相应的目标类型

6、。目标识别技术是军用指挥自动化系统的关键技术之一，一直是该领域的研究重点和热点。,单传感器灰色识别原理,设目标库 中有 个目标，每个目标有 个属性。记，表示第 个目标，表示第个目标的第 个属性。在灰色关联分析理论中，目标库中的每一个目标称为比较序列。传感器收到的待识别的目标记为，称为参考序列，。,单传感器灰色识别原理,经过数据处理后计算，用于反映了待识别目标的第 个属性与第 个目标类的第 个属性的匹配程度。然后计算 对 的灰关联度，反映了待识别目标与第 个目标的相似程度。基于灰关联分析的识别原理为计算待识别目标与目标库中各目标的灰关联度，按照灰色系统分辨原理，对关联度进行,多传感器融合灰色识别

7、原理,排序，若，则判断认为目标的类型为 所对应的目标类型。多传感器融合灰色识别原理设有 个传感器在同一时间内对同一个目标进行监测，第 个传感器收到的待识别目标信息记为多传感器灰色识别融合原理可叙述如下：,多传感器融合灰色识别原理,对1）计算第 个传感器收到的待识别目标的第 个指标与目标库中第 个目标的关联系数；2）计算，得向量（）3）设第 个传感器的权重为，,多传感器融合灰色识别原理,求矩阵（）的加权1范数，则断定多传感器融合识别的结果为目标属于第 类。1.3.3 应用根据不同目标类型在空中飞行时地面防空系统雷达所能探测的指标和雷达系统校飞中所采用的指标,我们选取空中飞行器,1.3.3 应用,

8、、高度、机动能力（加速度）、雷达波形大小、雷达回波强弱 这5项指标，建立目标类型的参数模板。设有两个传感器在同一时刻对同一目标进行观察，观测值如表3所示。表3 目标类型的参数模板及待识别的目标参数,1.3.3 应用,将各传感器的观测数据作为参考序列，各机型参数作为比较序列，对各参数值进行初值化处理，得到无量纲序列表4。,1.3.3 应用,由上表计算绝对差，取分辨系数 0.5，各指标的权重相同，由式（1）计算灰关联系数，由式（2）计算灰关联度得（0.9690，0.9269，0.8663，0.9523），（0.9740，0.9303，0.8663，0.9493），灰关联度矩阵为,1.3.3 应用,

9、由单传感器识别原理，可判定传感器1和传感器2观测到的目标为战略轰炸机，但由于传感器1的灰关联度中，最大值和次大值之间仅差0.01左右，所以由传感器1判定为战略轰炸机的可信度并不高，现设传感器2的观测精度高，取其权重为，传感器1的权重为，由多传感器融合识别原理，计算矩阵 的列加权和得（0.972，0.9292，0.8663，0.9503），故 的加权1范数为 0.972，即多传感器融合识别的结果为战略轰炸机。,二、灰色模型,2.1 灰色模型概述从灰色系统中抽象出来的模型。灰色系统是既含有已知信息，又含有未知信息或非确知信息的系统，这样的系统普遍存在。研究灰色系统的重要内容之一是如何从一个不甚明确

10、的、整体信息不足的系统中抽象并建立起一个模型，该模型能使灰色系统的因素由不明确到明确，由知之甚少发展到知之较多提供研究基础。灰色系统理论是控制论的观点和方法延伸到社会、经济领域的产物，也是自动控制科学与运筹学数学方法相结合的结果。,2.1 灰色模型概述,如果一个系统具有层次、结构关系的模糊性，动态变化的随机性，指标数据的不完备或不确定性，则称这些特为灰色性。具有灰色性的系统称为灰色系统。在灰色系统理论中，利用较少的或不确切的表示灰色系统行为特征的原始数据序列作生成变换后建立的，用以描述灰色系统内部事物连续变化过程的模型，称为灰色模型，简称GM模型,2.2 GM（1,1）模型,（1,1）建立灰色

11、系统理论的实质是将无规律的原始数据进行累加生成，得到规律性较强的生成数列后再重新建模。由生成模型得到的数据再通过累加生成的逆运算累减生成得到还原模型，再还原模型作为预测模型。灰色模型是预测工作的基础模型。,（1,1）建立,记 为原始序列 为由 经过一次累加生成的序列，其中，表示 的均值生成序列，,（1,1）建立,命题1：序列 的GM（1,1）模型定义为则参数 的表达式为,新息改进GM（1,1）模型,设，其参数 为的GM（1,1）模型如上 为系统最新信息，由于它与预测时间最为接近，因而对系统特征的研究更具价值，记，由建立的GM（1,1）模型称为新息GM（1,1）模型。该模型的边界条件为,新息改进

12、GM（1,1）模型,若将含系统最新信息的条件作为边界条件，即，得到如下模型 定义2.1：称为新息改进GM（1,1）模型。,新息改进GM（1,1）模型,命题2：新息改进GM（1,1）模型的参数估计为,灰色模型的建模步骤,（1）级比检验、建模可行性分析。对给定序列，能否建立高精度的GM（1,1）模型，一般可用 的级比 的大小与所属区间来判断。设，若，则可GM（1,1）建模。,灰色模型的建模步骤,（2）数据变换处理。对级比检验不合格的序列，经过平移变换、对数变换、方根变换等进行变换。（3）建立GM（1,1）模型（4）模型检验。1）残差检验：为由模型得到的估计值,（4）模型检验,一般要求，最好；一般要

13、求，最好。2）后验差检验：设 为原始序列，为模型序列，为残差序列，的均值和方差分别,（4）模型检验,的均值和方差分别为后验差比值和小误差频率分别为，（5）预报,的均值和方差分别为,，,实例,1.GM（1.1）模型某城市道路交通噪声平均级数数据为（71.1，72.4，72.4，72.1，71.4，72.0，71.6）（1）求级比：,1.GM（1.1）模型,所有，可作GM（1,1）建模（2）对原始数据作一次累加,1.GM（1.1）模型,构造数据矩阵,1.GM（1.1）模型,1.GM（1.1）模型,（3）建立模型白化方程为取，得时间响应函数,1.GM（1.1）模型,=-30928.85259,+30

14、999.95259,（4）求生成序列 及模型还原值令，,6，由上面的时间响应函数计算，取,1.GM（1.1）模型,由，取，7，得（5）模型检验见表5表5 GM（1,1）模型检验表,精度,平均精度后验差比值小误差频率该模型的精度较高，不需要修正，可进行预测和预报。,C=0.3302,P=1.000,2.新息改进GM（1.1）模型,设系统特征数据序列（2.874，3.278，3.337，3.39，3.679），新息为 3.85，（2.874，3.278，3.337，3.39，3.679，3.85），则（2.874，6.152，9.489，12.879，16.558，20.4080）（4.513，7.8205，11.184，14.7185，18.483）,2.新息改进GM（1.1）模型,=,=,2.新息改进GM（1.1）模型,建立模型为白化方程为取，得时间响应函数,=91.2019,70.7939,2.新息改进GM（1.1）模型,令，由上面的时间响应函数计算，再由，取,得,（2.8746，3.2138，3.354，3.5003，3.6548，3.8213）,