王 娉 胡冬清
(1.江西省基礎(chǔ)地理信息中心 江西南昌 330046;2.江西省交通設(shè)計(jì)研究公司 江西南昌 330002)
MATLAB是Matrix Laboratory的縮寫(xiě),即為矩陣實(shí)驗(yàn)室。MATLAB是集數(shù)學(xué)計(jì)算、圖形處理和程序語(yǔ)言設(shè)計(jì)于一體的著名數(shù)學(xué)軟件。它對(duì)矩陣運(yùn)算之功能堪稱一流,由于使用矩陣描述問(wèn)題更像數(shù)學(xué)表達(dá)式,所以編寫(xiě)的程序不僅高效,而且易讀。MATLAB的基本數(shù)據(jù)單位是矩陣,其核心也是矩陣,它可直接進(jìn)行矩陣的乘積、矩陣的乘方、矩陣的除法、稀疏矩陣等運(yùn)算。在MATLAB 語(yǔ)言系統(tǒng)中,幾乎所有的操作都是以矩陣操作為基礎(chǔ),用戶可以用類似于數(shù)學(xué)公式的方法編寫(xiě)程序?qū)崿F(xiàn)算法,大大降低了編程所需的難度并節(jié)省了時(shí)間。而在加權(quán)灰色線性回歸組合預(yù)測(cè)模型預(yù)測(cè)過(guò)程中,要大量進(jìn)行數(shù)列和矩陣運(yùn)算,這恰好使MATLAB 派上了用場(chǎng)。
灰色組合模型是將灰色系統(tǒng)模型(主要是GM(1,1)) 或灰信息處理技術(shù)融入傳統(tǒng)模型后得到的有機(jī)組合體。GM模型具有弱化序列隨機(jī)性,挖掘系統(tǒng)演化規(guī)律的獨(dú)特功效,它對(duì)一般模型具有較強(qiáng)的融合力和滲透力。將GM模型融入一般模型建模的全過(guò)程,實(shí)現(xiàn)功能互補(bǔ),能夠使預(yù)測(cè)精度大大提高。然灰色線性回歸組合模型可改善原線性回歸模型中沒(méi)有指數(shù)增長(zhǎng)趨勢(shì)和GM模型中沒(méi)有線性因數(shù)的不足,故該組合模型更適用于既有線性趨勢(shì)又有指數(shù)增長(zhǎng)趨勢(shì)的序列。
由經(jīng)典GM(1,1)模型[1]的原理可知,
其形式可記為:
用線性回歸方程及指數(shù)方程的和來(lái)擬合累加生成序列,
其中,參數(shù)v 及C1,C2,C3待定。
為求以上參數(shù),設(shè)參數(shù)序列,
令Ym=Z(t+m)-Z(t),則可得:
將式(4)中的換成X(1),由式(5)可得v的近似解,取不同的m可得不同的,以它們的平均值作為v的估值。經(jīng)分析m=1,2,…,n-3,計(jì)算的的個(gè)數(shù)為(n-2)(n-3)/2 故得,
利用最小二乘法求得C1,C2,C3的估值。令
則有Y=AC,從而得,
可得到生成序列的預(yù)測(cè)值為:
則原始序列的預(yù)測(cè)值為:
加權(quán)組合模型的建立與非加權(quán)組合預(yù)測(cè)模型的建立基本相似,不同的是在前者中,對(duì)時(shí)間序列,對(duì)可靠性,對(duì)時(shí)間成正比例變化的數(shù)據(jù)序列,分別給以不同的權(quán)值,定權(quán)如下:
式中R位精度遞增因子,R∈[1 2],通常取R=1.5,有,
則有待估計(jì)參數(shù)
利用上述程序?qū)ξ墨I(xiàn)[1]中的例題7.6.1,某礦巖移動(dòng)站1995年2月~1996年4月觀測(cè)所得的某點(diǎn)的下沉序列進(jìn)行模擬和預(yù)測(cè),其結(jié)果及精度如下表:
表1 灰色線性回歸組合模型預(yù)測(cè)和加權(quán)組合模型預(yù)測(cè)值及其擬合相對(duì)誤差
用MATLAB 實(shí)現(xiàn)加權(quán)灰色線性回歸組合模型算法,程序簡(jiǎn)潔、算法清楚。該算法與非加權(quán)組合模型預(yù)測(cè)精度相對(duì)高,尤其是在后期新信息下預(yù)測(cè)中較為明顯。
[1]劉思峰,謝乃明,等.灰色系統(tǒng)理論及其應(yīng)用[M].北京:科學(xué)出版社,2008(12).
[2]胡曉東,董辰輝.MATLAB 從入門(mén)到精通[M].北京:人民郵電出版社,2010(6).
[3]唐麗芳,賈冬青,孟慶鵬.用MATLAB 實(shí)現(xiàn)灰色預(yù)測(cè)GM(1,1)模型[J].滄州師范??茖W(xué)校學(xué)報(bào),2008(6).