灰色預測模型 GM(1,1) - 級比檢測不通過 - 平移變換常數c的確定（內含代碼）
謝謝！
（哇-------沒注意就5600多訪問量了，激動！！！！我的初衷只是想把blog作爲我的學習筆記，回首往昔，也會發現值得讓我引以爲豪的事，風雲變幻，初心不改！我會加油的）
灰色預測概述
相信當我們在做數學建模的時候，一定會遇到數據不符合模型規則的情況，這時我們可能會面臨兩個選擇
1.對數據進行修改，使其符合模型規則（大多數人的選擇）
2.選擇其他方法（慎用）
灰色預測的主要特點是模型使用的不是原始數據序列，而是生成的數據序列。其核心體系是灰色模型（Grey Model，簡稱GM），即對原始數據作累加生成（或其它方法生成）得到近似的指數規律再進行建模的方法。灰色預測模型對於不同問題採用不同模型，GM（1，1）模型主要解決生成序列是有指數變化規律，只能描述單調的變化過程。
優點是不需要很多的數據，一般只需要4個數據就夠，能解決歷史數據少、序列的完整性及可靠性低的問題；能利用微分方程來充分挖掘系統的本質，精度高；能將無規律的原始數據進行生成得到規律性較強的生成序列，運算簡便，易於檢驗，具有不考慮分佈規律，不考慮變化趨勢。缺點是隻適用於中短期的預測，只適合指數增長的預測。
灰色生成將原始數據列中的數據，按照某種要求作數據處理稱爲灰色生成。對原始數據的生成就是企圖從雜亂無章的現象中去發現內在規律。常用的生成方式有累加生成，累減生成，均值生成，級比生成等。
灰色預測詳細內容請轉至下行鏈接BLOG，這裏不做贅述
鏈接: link
級比分析
言歸正傳，我們此篇blog主要討論的是如何計算級比檢測不通過時，需要平移變換中的常數c，我也看了好多blog，並沒有人分享具體的方法，可能是大家在建模比賽時只是在論文中提及一下級比檢測，真正編程時便忽略了這個步驟，不過這勢必會對模型最終的預測值產生較大影響，最終對成績排名造成影響。
不才 也是根據我的c-py經驗編寫的matlab程序，用的是較爲傳統的編程思想，並沒有立足於matlab編譯程序，如有異議，請雅正。
級比分析何時使用
具體代碼
c的確定方法：（代碼）
if ( exp(-2 / (length_x0+1)) < min(Ratio) && max(Ratio) < exp(2 / (length_x0+1)) )
#%能夠進入if循環說明符合級比檢測，直接進行灰色預測就可。
else
disp('數據不滿足檢驗，將對數據進行處理')
while(1)
x0 = x0 + 1;
Ratio = zeros(1 , length_x0 - 1);
for i = 1:length_x0 - 1
Ratio(i) = x0(i) / x0(i+1);
end
if( exp(-2 / (length_x0+1)) < min(Ratio) && max(Ratio) < exp(2 / (length_x0+1)) )
break;
end
end
c = x0(1,1) - b;
fprintf( '數據進行處理完成，c的值爲%d\n' , c );
#c的值已經求出，下一步就是原始數組加上c再次進行if判斷即可進入if函數中進行灰色預測……太簡單不要說我啊-啊哈哈……
快樂時光總是短暫的，那我們下次再見吧………………
人生風景在遊走 每當孤獨我回首
你的愛總在不遠地方等着我
歲月如流在穿梭 喜怒哀樂我深鎖
只因有你在天涯盡頭等着我
人生風景在遊走 每當孤獨我回首
你的愛總在不遠地方等着我
歲月如流在穿梭 喜怒哀樂我深鎖
只因有你在天涯盡頭等着我