灰色系统与灰色预测模型

灰色系统与模糊数学、黑箱方法的区别

主要在于对系统内涵与外延处理态度不同；

研究对象内涵与外延的性质不同。

灰色系统着重外延明确、内涵不明确的对象，模糊数学着重外延不明确、内涵明确的对象。

“黑箱”方法着重系统外部行为数据的处理方法，是因果关系的两户方法，使扬外延而弃内涵的处理方法，而灰色系统方法是外延内涵均注重的方法。

灰色系统的基本原理

公理1：差异信息原理。“差异”是信息，凡信息必有差异。

公理2：解的非唯一性原理。信息不完全，不明确地解是非唯一的。

公理3：最少信息原理。灰色系统理论的特点是充分开发利用已有的“最少信息”。

公理4：认知根据原理。信息是认知的根据。

公理5：新信息优先原理。新信息对认知的作用大于老信息。

公理6：灰性不灭原理。“信息不完全”是绝对的。

灰色预测模型

灰色预测的主要特点是模型使用的不是原始数据序列，而是生成的数据序列。其核心体系是灰色模型，即对原始数据作累加生成得到近似的指数规律再进行建模的方法。优点是不需要很多的数据，一般只需要4个数据，就能解决历史数据少、序列的完整性及可靠性低的问题；能利用微分方程来充分挖掘系统的本质，精度高；能将无规律的原始数据进行生成得到规律性较强的生存序列，运算简便，易于检验，不考虑分布规律，不考虑变化趋势。缺点是只适用于中短期的预测，只适合指数增长的预测。