等間隔灰色GM(1,1r)模型病態(tài)性再研究

摘要：在文獻的基礎上，繼續(xù)研究等間隔灰色模型病態(tài)性問題，結合文獻[9]的思想，結合反向累積法、向量的數(shù)乘變換和旋轉變換從系數(shù)矩陣條件數(shù)和模型預測精度兩方面來改善灰色模型的病態(tài)性。實例表明對原始序列在反向累積法下做數(shù)乘變換和旋轉變換可以更有效地降低模型參數(shù)矩陣的條件數(shù)，使其達到良態(tài)，且模型精度也比傳統(tǒng)模型要高。本方法為其他灰色模型的病態(tài)性研究提供了一種參考。

關鍵詞：灰色模型 反向累積法 數(shù)乘變換 旋轉變換

灰色模型的病態(tài)性問題主要是由累加法和最小二乘法數(shù)乘法產(chǎn)生，初期主要采用數(shù)乘變換和仿射變換來解決病態(tài)性問題，該方法可從減小模型參數(shù)矩陣條件數(shù)方面來改善模型的病態(tài)性，但對模型的預測精度沒有改變。后期，累積法和反向累計法（一種曲線擬合技術）被引入到GM模型的參數(shù)估計中，較好的改善了模型的病態(tài)性。近期，向量的數(shù)乘和旋轉變換被用于解決離散GM模型的病態(tài)性問題，通過齊次指數(shù)序列的實例驗證，得出較好的結論。

灰色模型是含有時滯項目的模型，對陡變數(shù)據(jù)建模效果非常好，但有時候也會存在精度波動較大的病態(tài)性問題，目前關于該模型病態(tài)性的改善方法主要是通過對原始數(shù)乘變換和反向累積法來修正，雖能對病態(tài)性有一定程度改善，但模型系數(shù)矩陣仍存在輕微病態(tài)性。目前對這一具體模型病態(tài)性的研究較少，本文基于文獻和的思想，結合反向累積法、向量的數(shù)乘變換和旋轉變換從系數(shù)矩陣條件數(shù)和模型預測精度兩方面來改善灰色模型的病態(tài)性，得出結論：（1）對原始序列數(shù)乘變換后進行反向累積法一般可使得矩陣條件數(shù)小于10;（2）若（1）中矩陣條件數(shù)大于10，再通過旋轉變換可進一步降低參數(shù)矩陣條件數(shù)，使其變?yōu)榱紤B(tài)。

一、模型的定義與矩陣條件數(shù)

（一）定義

定義1令為原始序列，，則稱 （1）

為模型的定義型。其中表示系統(tǒng)的延遲時間，為具有時間變化灰輸入的次數(shù)。顯然，當時模型即為經(jīng)典模型[10]，故規(guī)定;因此模型為模型的進一步推廣。模型的參數(shù)列記為，可表示為如下：

其中

（二）矩陣條件數(shù)

定義2在線性方程組中，設，為非奇異矩陣，為定義在上的矩陣，稱

為關于范數(shù)的條件數(shù)。

若矩陣的條件數(shù)大，則稱對于求解的線性方程組而言是病態(tài)的，反之為良態(tài)。實踐中一般認為：若，則矩陣為良態(tài);若，則矩陣為輕度病態(tài);若，則矩陣為中等程度或較強病態(tài);若，則矩陣為嚴重的病態(tài);為分析便利，本文采用最常見的譜條件數(shù)，即為譜范數(shù)，即

當為實對稱矩陣時，有

其中和分別為矩陣的模最大和最小特征根。

二、數(shù)乘變換下反向累積法建模機理

根據(jù)反向累積法和數(shù)乘變換，此處給出數(shù)乘變換下基于反向累積法模型的參數(shù)如下：

對反向累積法模型的原始序列進行數(shù)乘變換得到變換后序列，即可知，

其中由可得

基于反向累積法和數(shù)乘變換的等間隔模型的一級參數(shù)包矩陣計算公式如下

其中。

定理2.1[1]當時，

數(shù)乘變換序列的模型的參數(shù)矩陣條件數(shù)達到最小，且條件數(shù)最小值為

（7）

三、向量旋轉變換的建模機理

若為非零向量，模型的參數(shù)矩陣文獻指出，矩陣的條件數(shù)由列向量和長度比值和夾角確定。當且僅當向量和的夾角，數(shù)乘變換才可將矩陣降為良態(tài)矩陣。若夾角不屬于上述范圍，可以借助向量的旋轉變換來將矩陣降為良態(tài)。

引理3.1[9]已知為非零向量，矩陣，，，為向量和的夾角，則有：

1）當向量夾角時，即且，

取常數(shù)，則，矩陣的列向量與的長度相等，夾角。為良態(tài)矩陣，條件數(shù)，其中。

2）當向量夾角時，即且，

取常數(shù)，則，矩陣的列向量與的長度相等，夾角，為良態(tài)矩陣，條件數(shù)，其中。

四、模型病態(tài)性的處理步驟

（1）通過數(shù)乘變換數(shù)乘變換和反向累積法建立模型，其中若參數(shù)矩陣的條件數(shù)小于10，則為良態(tài)，由（6）計算出參數(shù)，為簡化計算，取模型中的參數(shù)，回代模型可以得出解。如果條件數(shù)大于10，那么可以繼續(xù)第（2）步，對變換后的進行旋轉變換。

（2）通過旋轉變換可得系數(shù)矩陣，其

中常數(shù)，的條件數(shù)小于10，為良態(tài)矩陣

由（6）計算出參數(shù)，取模型中的參數(shù)，回代模型可以得出解。

五、實例分析

選取文獻[7]中的數(shù)據(jù)進行模擬比較，即某省SO2排放量的時間序列為原始數(shù)據(jù)進行建模分析。

采用文獻[8]中的反向累積法建立為模型一，采用數(shù)乘變換下的反向累積法建立為模型二，采用數(shù)乘變換和旋轉變換下的反向累積法建立為模型三，取模型中的參數(shù)，最終得出三種模型的時間響應序列如下

三種模型條件數(shù)及精度比較見表1所示

從表1可知，模型二和模型三的參數(shù)矩陣的條件數(shù)有所降低。針對本案例，雖在精度上三個模型沒變化，但通過數(shù)乘變換和旋轉變換下的反向累積法建立的模型三的效果最好，將矩陣直接降到了良態(tài)，根據(jù)模型病態(tài)性理論，此方法有效地改善了模型的病態(tài)性。

六、結論

運用數(shù)乘變換、旋轉變換和反向累積法研究模型的病態(tài)性問題，發(fā)現(xiàn)病態(tài)性與序列夾角有關，運用反向累積法和數(shù)乘變換下的反向累積法均可在一定程度上降低參數(shù)矩陣條件數(shù)，若有需要，同時使用反向累積法、數(shù)乘變換、旋轉變換效果會更好。

參考文獻：

[1]范獻勝.非等間隔灰色模型的穩(wěn)定性和病態(tài)性研究[D].武漢理工大學，2013.

[2]鄭照寧，武玉英，包涵齡.GM模型的病態(tài)性問題[J].中國管理科學，2001，9（5）：38-44.

[3]徐永高.采油工程中模型的病態(tài)性診斷[J].武漢理工大學學報（交通科學與工程版），2004，28（5）：702-705.

[4]李福琴.灰色模型的穩(wěn)定性和建模精度研究[D].武漢理工大學，2006.

[5]毛樹華.灰色預測控制模型的病態(tài)性研究[D].武漢理工大學碩士學位論文，2006.

[6]吳正朋，劉思峰，等.再論離散GM（1，1）模型的病態(tài)問題研究[J].系統(tǒng)工程理論與實踐，2011，31（1）：108～112.

[7]曾祥艷.累積法GM模型及其病態(tài)性研究[D].武漢理工大學碩士學位論文，2006.

[8]劉圣保，張公讓等.反向累積法GM（2，1）模型及其病態(tài)性研究[J].合肥工業(yè)大學學報（自然科學版），2011，34（4）：603～608.

[9]郭金海，楊錦偉等.基于向量變換的離散GM（1，1）模型病態(tài)性[J].控制與決策，2017，32（1）：181-186.

[10]劉思峰，黨耀國，方志根，等.灰色系統(tǒng)理論及其應用[M].北京：科學出版社，2010.

[11]任玉杰.數(shù)值分析及其MATLAB實現(xiàn)[M].北京：高等教育出版社，2007.