GM(1,1)灰色预测模型算法及精度评估系统源码

资 源 简 介

本项目编写了一个完整的GM(1,1)灰色预测模型算法及评估系统。该系统主要用于处理少数据、贫信息的单序列预测问题。代码功能可以细分为以下几个部分：首先，系统对输入的原始数据序列进行一次累加生成（1-AGO），以弱化原始数据的随机性并增强其规律性，接着构建数据矩阵B和数据向量Y。其次，利用最小二乘法拟合计算发展系数a和灰作用量b，从而建立GM(1,1)白化微分方程的时间响应函数，并对生成的预测数据进行累减还原（IAGO）得到最终的预测值。在模型评估方面，程序实现了全方位的精度检验：1. 计算原始数据与预测数据的残差序列及相对误差；2. 进行后验差检验，计算残差方差、原始数据方差、后验差比值C以及小误差概率P，根据灰色模型精度等级表自动划分模型等级（好、合格、勉强、不合格）；3. 计算预测序列与原始序列的灰色关联度，以判断曲线的几何相似程度。最后，利用MATLAB强大的绘图功能，在一个图形窗口中绘制出原始数据散点图与预测数据曲线的对比图，直观展示拟合效果和未来趋势。

详 情 说 明

基于MATLAB的GM(1,1)灰色预测与模型精度检验系统

项目简介

本项目实现了一个完整的GM(1,1)灰色预测模型及其全方位的精度评估系统。该算法主要用于处理“少数据、贫信息”的不确定性系统预测问题。通过对原始数据进行累加生成以挖掘数据内在规律，建立白化微分方程，从而实现对数据的拟合与未来趋势的预测。

系统不仅完成了基础的建模与预测功能，还集成了严格的统计学检验模块，包括残差分析、后验差检验（C值与P值）以及灰色关联度分析，并能够根据检验结果自动评定模型的精度等级（好、合格、勉强、不合格），最终通过可视化图表直观展示预测效果。

功能特性

• 数据适应性检验：内置级比检验（Level Ratio Test）模块，自动计算数据的级比并判断其是否落在可容覆盖范围内，从而评估数据是否适合进行GM(1,1)建模。
• 标准GM(1,1)建模：实现了从1-AGO（一次累加生成）、紧邻均值生成、矩阵构建到最小二乘法参数估计的完整建模流程。
• 多维度精度评估：

* 相对误差检验：计算逐点残差及平均相对误差。 * 后验差检验：计算后验差比值C和小误差概率P，作为模型等级评定的核心依据。 * 灰色关联度分析：计算预测曲线与原始曲线的几何形状相似程度。

• 自动等级评定：依据灰色系统理论标准，结合C值和P值自动判定模型精度等级（一级~四级）。
• 未来预测能力：支持向后预测任意期数（代码默认向后预测2期），并自动进行累减还原。
• 可视化展示：生成包含原始数据、拟合数据及未来预测数据的对比图，并在图中直接标注核心参数（a, b）及精度指标（C, P）。

系统要求

• MATLAB R2016a 及以上版本（代码主要使用基础矩阵运算与绘图函数，兼容性较好）。

使用与配置方法

1. 数据录入：在脚本的“数据输入与预处理”部分，修改变量 X0，将其替换为您实际的非负时间序列数据。
2. 预测设置：可以通过修改变量 m 的值来设定需要向后预测的期数（默认为2期）。
3. 运行脚本：直接运行主脚本，程序将在命令窗口输出详细的模型参数、检验指标及预测数据表，并弹出一个图形窗口展示结果。

---

算法实现细节与逻辑分析

本项目的主程序严格按照灰色系统理论编写，其内部逻辑流程如下：

1. 数据预处理与级比检验

程序首先接收原始非负序列，并计算相邻数据的级比 lambda。同时，根据数据长度 n 计算级比的可容覆盖范围 (exp(-2/(n+1)), exp(2/(n+1)))。程序会遍历所有级比值，判断是否全部落在范围内。虽然程序会给出检验通过与否的提示，但为了保证演示效果，即使检验未完全通过，程序仍会继续执行后续建模步骤。

2. 模型构建与参数求解

• 累加生成 (1-AGO)：对原始序列进行一次累加，得到生成序列 X1，以弱化随机性。
• 构造数据矩阵：利用紧邻均值生成公式 0.5 * (X1(k) + X1(k+1)) 计算背景值 Z1，进而构造数据矩阵 B 和数据向量 Y。
• 最小二乘法估计：通过公式 (B'B)^(-1) * B'Y 求解参数向量 u，从而提取出发展系数 a 和灰作用量 b。

3. 时间响应函数与预测

利用求得的参数 a 和 b，构建GM(1,1)模型的白化微分方程时间响应函数。程序计算的范围包括原数据长度加上设定的未来预测期数 m。

• 预测计算：根据响应函数计算预测的累加值 X1_hat。
• 累减还原 (IAGO)：通过后一项减前一项的方式，将累加预测值还原为原始层面的预测值 X0_hat。

4. 模型精度检验体系

程序实现了三层检验机制来确保模型的可靠性：

• 残差检验：计算原始值与拟合值的绝对误差和相对误差，并求取平均相对误差。
• 后验差检验 (Posterior Variance Test)：

* 计算原始序列的标准差 S1 和残差序列的标准差 S2。 * 计算后验差比值 C = S2 / S1，C值越小说明模型离散程度越小。 * 计算小误差概率 P，统计残差与残差均值之差小于 0.6745 * S1 的点数占比。

• 灰色关联度分析：引入分辨系数 rho = 0.5，计算预测序列与原始序列的关联系数及平均关联度 r，用于量化曲线趋势的相似性。

5. 精度等级自动评定

程序内置了标准的灰色模型精度等级表，通过一系列 if-elseif 逻辑判断：

• 一级 (好)：P >= 0.95 且 C <= 0.35
• 二级 (合格)：P >= 0.80 且 C <= 0.50
• 三级 (勉强)：P >= 0.70 且 C <= 0.65
• 四级 (不合格)：其他情况

系统会将评定结果打印在控制台并在绘图标题中显示。

6. 结果输出与绘图

• 文本输出：在MATLAB命令窗口格式化输出参数估计值、各类精度指标、以及包含“实测值”、“预测值”、“残差”、“相对误差”的详细对比表。同时单独列出未来的预测值。
• 图形绘制：创建一个图形窗口，使用黑色圆圈表示原始数据，红色星号表示拟合数据，蓝色虚线加三角形表示未来预测趋势。图形中包含图例、网格，并使用 text 函数在图表中嵌入文本框，显示 a、b、C、P 等关键指标，便于直接截图使用。