一、 灰色模型GM(1,1)

1. 问题

请以下表的数据为依据，预测2005-2014年长江的污水排放量(单位：亿吨)。

1995-2004年的长江污水排放量

2. 分析

此问题为一个复杂的非线性系统，样本数据量少，但需要预测的时间较长，且污水排放量的变化规律是一个不确定的系统。如果使用神经网络算法很难取得理想的效果，故考虑采用GM预测来预测未来的污水排放量。

3. MATLAB实现源代码

GM(1,1).m

%建立符号变量a(发展系数)和b(灰作用量)
syms a b;
c = [a b]';%原始数列 A
A = [174, 179, 183, 189, 207, 234, 220.5, 256, 270, 285];
n = length(A);%对原始数列 A 做累加得到数列 B
B = cumsum(A);%对数列 B 做紧邻均值生成
for i = 2:nC(i) = (B(i) + B(i - 1))/2;
end
C(1) = [];%构造数据矩阵
B = [-C;ones(1,n-1)];
Y = A; Y(1) = []; Y = Y';%使用最小二乘法计算参数 a(发展系数)和b(灰作用量)
c = inv(B*B')*B*Y;
c = c';
a = c(1); b = c(2);%预测后续数据
F = []; F(1) = A(1);
for i = 2:(n+10)F(i) = (A(1)-b/a)/exp(a*(i-1))+ b/a;
end%对数列 F 累减还原,得到预测出的数据
G = []; G(1) = A(1);
for i = 2:(n+10)G(i) = F(i) - F(i-1); %得到预测出来的数据
enddisp('预测数据为：');
G%模型检验H = G(1:10);
%计算残差序列
epsilon = A - H;%法一：相对残差Q检验
%计算相对误差序列
delta = abs(epsilon./A);
%计算相对误差Q
disp('相对残差Q检验：')
Q = mean(delta)%法二：方差比C检验
disp('方差比C检验：')
C = std(epsilon, 1)/std(A, 1)%法三：小误差概率P检验
S1 = std(A, 1);
tmp = find(abs(epsilon - mean(epsilon))< 0.6745 * S1);
disp('小误差概率P检验：')
P = length(tmp)/n%绘制曲线图
t1 = 1995:2004;
t2 = 1995:2014;plot(t1, A,'ro'); hold on;
plot(t2, G, 'g-');
xlabel('年份'); ylabel('污水量/亿吨');
legend('实际污水排放量','预测污水排放量');
title('长江污水排放量增长曲线');
grid on;

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56
• 57
• 58
• 59
• 60
• 61
• 62
• 63
• 64
• 65
• 66
• 67
• 68
• 69
• 70
• 71
• 72
• 73
• 74

运行结果：

预测数据为：

G =

1 至 14 列

174.0000 172.8090 183.9355 195.7785 208.3839 221.8010 236.0820 251.2825 267.4616 284.6825 303.0122 322.5221 343.2881 365.3912

15 至 20 列

388.9175 413.9585 440.6118 468.9812 499.1772 531.3174

相对残差Q检验：

Q =

​ 0.0234

方差比C检验：

C =

​ 0.1870

小误差概率P检验：

P =

​

1

4. MATLAB绘制的曲线图

二、 灰色Verhulst模型(即Logistic模型)

1. 问题

将一定量的大肠杆菌菌种接种在液体培养基中，在一定条件下进行培养，观察其生长繁殖规律。细菌悬液的浓度与混浊度成正比，故可用分光亮度计测定细菌悬液的光密度来推知菌液的浓度。每隔5h记录OD600的值，得到下表。请你预测大肠杆菌的数量。

2. 分析

此问题涉及生物的生长和繁殖规律，其曲线一般呈S型或变异S型，故考虑使用GM Verhulst模型来预测。

3. MATLAB实现源代码

（以下程序预测到时间点41）

GM_Verhulst.m

%建立符号变量a(发展系数)和b(灰作用量)
syms a b;
c = [a b]';%原始数列 A
A = [0.025, 0.023, 0.029, 0.044, 0.084, 0.164, 0.332, 0.521, 0.97, 1.6, 2.45, 3.11, 3.57, 3.76, 3.96, 4, 4.46, 4.4, 4.49, 4.76, 5.01];
n = length(A);%对原始数列 A 做累减得到数列 B
for i = 2:nH(i) = A(i) - A(i - 1);
end
H(1) = [];%对原始数列 A 做紧邻均值生成
for i = 2:nC(i) = (A(i) + A(i-1))/2;
end
C(1) = [];%构造数据矩阵
D = [-C; C.^2];
Y = H; Y = Y';%使用最小二乘法计算参数 a(发展系数)和b(灰作用量)
c = inv(D*D')*D*Y;
c = c';
a = c(1); b = c(2);%得到预测出的数据
F = []; F(1) = A(1);
for i = 2:(n+n)F(i) = (a*A(1))/(b*A(1)+(a - b*A(1))*exp(a*(i-1)));
enddisp('预测数据为：');
F%绘制曲线图
t1 = 0:n-1;
t2 = 0:2*n-1;
plot(t1, A, 'ro'); hold on;
plot(t2, F);
xlabel('时间点均匀采样/5h'); ylabel('细菌培养液吸光度/OD600');
legend('实际数量','预测数量');
title('大肠杆菌培养S形增长曲线');
grid on;

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48

运行结果：

预测数据为：

F =

1 至 14 列

0.0250 0.0416 0.0691 0.1143 0.1880 0.3059 0.4900 0.7658 1.1551 1.6603 2.2492 2.8555 3.4051 3.8485

15 至 28 列

4.1738 4.3963 4.5412 4.6326 4.6891 4.7236 4.7445 4.7571 4.7647 4.7692 4.7720 4.7736 4.7746 4.7752

29 至 42 列

4.7755 4.7757 4.7759 4.7759 4.7760 4.7760 4.7760 4.7760 4.7760 4.7760 4.7760 4.7760 4.7760 4.7760

4. MATLAB绘制的曲线图