第八 灰色决策模型

会计学1第八灰色决策模型

这里我们主要介绍灰色系统的四种方法：灰色关联分析方法、灰色预测方法、灰色统计（灰色评价）、灰色局势决策。

因素分析的基本方法过去采用的主要方法是统计方法。如回归分析（包括线性回归、多因素回归、单因素回归、逐步回归、非逐步回归）。回归分析虽然是一种较通用的方法，但一般认为回归分析有下述不足：（1）要求大量数据，数据量少难以找到规律；（2）要求分布是线性的，或是指数的，或是对数（3）计算工作量大；（4）有可能出现反常的现象，使正相关变成负相关，以致正确现象受到歪曲或颠倒。1、灰色关联分析方法第1页/共47页

灰色系统考虑到上述种种弊病和不足，采用关联分析的方法来作系统分析。作为一个发展变化的系统，关联度分析事实上是动态过程发展态势的量化分析。说得确切一点，是发展态势的量化比较分析、发展态势的比较，也就是系统历年来有关统计数据列几何关系的比较。考虑有三个数据列，一个是某地区的年总收入，一个是某地区的养猪收入，一个是某地区的养兔收入。总收入养猪养兔从图中可以观察到，总收入曲线与养猪曲线趋势较接近，而与养兔曲线差距较大，因此可以认为该地区对收入影响较大的是养猪而不是养兔。第2页/共47页这种因素分析的比较，实质上是几种曲线间几何形状的分析比较，即认为几何形状越接近，则发展变化态势越接近，关联程度越大。因此按这种观点作因素分析，至少不会出现异常的，将正相关当作负相关的情况。此外对数据量也没有太高的要求，即数据量多或数据量少都可以分析。（1）关联系数作关联分析要指定参考数据列和待比较的数据列参考数据列表示为待比较的数据列也称为母序列也称为子序列第3页/共47页下式称为序列与在时刻k的关联系数。应该注意，对原始数据列计算关联系数时，要作无量纲化和初值化处理。上式中0.5是分辩系数,记为ξ,一般在0-1之间选取.（2）关联度序列各时刻关联系数的平均值称为子序列对母序列的关联度，记作第4页/共47页例1果树产量因素分析某农业研究所在研究果树的产量时发现影响果树单产的因素很多，有数据的因素就达12种之多。如树龄、剪枝、硝氨、磷肥、农肥、浇水、药物人防、畜耕人耕、弥雾、喷雾等等。经过详细的定量分析找出4种认为是对果树单产有较大影响的因素，其数据如下：年序号190019911992199319941995199619971998单产X01.141.491.692.123.434.325.926.077.85剪枝X13.33.473.613.844.194.424.614.8农肥X26667.57.57.5999浇水X31.21.21.81.81.82.42.73.64药物X44.875.896.767.978.8410.0511.3112.2511.64①首先需要将数据列进行无量纲化处理。第5页/共47页年序号190019911992199319941995199619971998单产X011.311.481.863.013.795.195.326.86剪枝X111.051.091.151.211.271.341.401.45农肥X21111.251.251.251.51.51.5浇水X3111.51.51.52.02.253.03.33药物X411.211.391.641.822.062.322.522.39②然后再计算各子数据列与母数据列的差值年序号190019911992199319941995199619971998单产X011.311.481.863.013.795.195.326.86剪枝X100.260.390.751.82.523.853.925.41农肥X200.310.480.611.762.543.693.825.36浇水X300.310.020.361.61.792.942.323.53药物X400.100.070.221.191.732.872.804.47③计算极大差和极小差=0=6.86第6页/共47页④计算关联系数⑤计算关联度计算得到的关联度分别如下：因此，药物对果树单产的影响最大，农肥次之，剪枝再次之，浇水对果树单产的影响最小。年序号190019911992199319941995199619971998单产X0111111111剪枝X110.91230.87400.78290.60040.51770.41270.40830.3333农肥X210.89630.84810.81460.60360.51340.42070.41230.3333浇水X31药物X41第7页/共47页2、灰色预测模型灰色系统理论认为，随机量可以看作是在一定范围内变化的灰色量。对于贫信息的灰色系统，灰色变量所取的值十分有限，并且数据变化无规律。对这些灰色变量作生成运算处理，处理后的数据变化有一定规律，与原始数据相比，增加了数据变化的确定性。从而在生成数据的基础上建立灰色系统模型。灰色系统中数据的生成运算有累加生成运算AGO(AccumulatedGeneratingOperation)和累减生成运算IAGO(InverseAccumulatedGeneratingOperation)。第8页/共47页(1)累加生成运算（AGO）设有原始数据列对作一次累加生成运算得到一次累加生成序列对作二次累加生成运算得到二次累加生成序列第9页/共47页例如，某公司1990~1994年的产品销售额原始数据列为其一次累加生成后的序列为其二次累加生成后的序列为生成前的序列生成后的序列第10页/共47页(2)累减生成运算（IAGO）累减生成运算是累加生成的逆运算。累减生成运算公式为：(3)灰色系统建模用灰色系统理论和方法建立的模型称为灰色模型GM（GreyModel)。一般的GM模型是一个n阶，h个变量的微分方程模型，简记为GM(n,h)。GM模型的建模机理是，将随机量看作是一定范围内变化的灰色量，对无规律的原始数据经过生成处理后，建立生成数据序列的微分方程模型。并用不同的数据生成建立不同模型来提高模型的精度。模型采用三种方式检验，即残差检验、关联检验和后验检验。第11页/共47页①GM（1，1）模型GM（1，1）是一阶常微分方程模型。设有原始数据列作一次累加生成后的数据列为

则可建立下述白化形式的微分方程记参数列为按最小二乘法求第12页/共47页白化形式的微分方程的解为：第13页/共47页综上所述，GM（1，1）模型建模的计算步骤：1）对原始数据序列作一次累加生成得到2）用最小二乘法估计得到参数3）解一阶线性微分方程

得到时间响应函数4）模型检验5）利用模型进行预测例题某公司1990~1994年的年销售额（单位：百万元）数据为试建立GM（1，1）模型并进行预测。第14页/共47页解：1）对原始数据作一次累加生成，得到2）用最小二乘法估计得到参数从而可得第15页/共47页得到一阶线性微分方程其时间响应函数为3）模型检验：这里仅对模型进行残差检验。用时间响应函数计算，用公式计算还原数据，并求出各时期的残差值q(k)和相对误差值e(k)。计算结果见下表k%2(1991)6.113.2363.2780.0421.4023(1992)9.460583.35453.337-0.0175-0.52594(1993)12.942293.48173.39-0.0917-2.7055(1994)16.55593.61363.6790.06541.7755第16页/共47页由此看出，模型的相对误差不超过3%。4）利用模型进行预测当k=5时，利用模型求得②GM（1，h）模型GM（1，h）模型上含有h个变量的一阶微分方程，形如其中为待估参数，均为一次累加生成变量第17页/共47页模型反映了h-1个变量对因变量变化率的影响，故称GM（1，h）为h个序列的一阶线性动态模型。与GM（1，1）建模原理相仿，GM（1，h）模型的建模步骤是：设有h个变量组成的原始数据序列1）对原始数据序列作一次累加生成运算，得累加生成序列2）计算GM（1，1）模型的待估参数，用最小二乘法得到估计值第18页/共47页其中，B为累加数据矩阵，YN为参数项向量，分别是3）将参数的估计值代入方程，求得微分方程的解4）模型检验。检验方法与GM（1，1）模型检验类似。第19页/共47页3、灰色统计模型(评价模型)

以灰数的白化函数为基础，将一些具体数据，按某种灰数所描述的类别进行归纳整理，称为灰色统计。记I、II、III…为决策群体。记1#、2#、3#…为决策方案。记1、2、3…为决策的灰类。记dij为i个决策群体，对第j个决策方案所提出的白化决策值，记为

dij

或i=I、II、III…;j=1#、2#、3#…则灰色决策的任务是将dij按灰类作白化函数生成，以明确I、II、III…各个决策群体所提出的白化决策值，从整体来说属于哪几个灰类。

灰色决策可用在生产投资决策、教学安排、因子分析、农业计划等方面。不同场合，上述各要素的含义不同。第20页/共47页灰色统计评价模型按五步进行：第一步，给出决策量白化值dij。按不同i与j可得下述矩阵：第二步，给出决策灰类：即给出决策灰类的灰数与灰数的白化函数。比如说投资量“多”这一灰类，指投资在80万以上，则对灰数可给出下图所示的白化函数。用同样的方法可以得到投资“中”40万左右的灰类与投资“低”1万以下灰类的白化函数。1#2#3#第21页/共47页f3d1

低0

的白化函数

高80f10

的白化函数df240中0

的白化函数d第三步，求决策系数：记Ni为第i个决策群体中决策者人数。记，k=1,2,3i=I,II,III,…,Nb为第i个决策群体对j决策方案所提的决策量白化值。记为第j决策方案属于第k个灰类的系数，则第22页/共47页第四步，求决策权:第五步，确定决策行向量rj：按决策行分量最大确定决策方案属于的类别。可以看出，灰色统计事实上是一种白数的灰化处理，或者说是白数的灰化归纳。第23页/共47页例题：考虑产品投资决策问题。现有5个决策群体（如5位专家），三种产品，按“多”投资，“中”投资，“少”投资，“不”投资进行决策。现取得5位置专家对于三种产品的投资额数据如下：第一步：第二步：给出决策灰类灰类1：投资80万以上（多）灰类2：投资40万左右（中）灰类3：投资10万左右（少）灰类2：投资1万以下（不）第24页/共47页给出白化函数：80万40万1万10万多投资中投资不投资少投资第三步：求决策系数假设5个决策群体的人数都1，即第25页/共47页则有：由上图可知：这即是5位专家对第一种产品按“多”投资的决策系数。同理，可得到第一种产品按“中”投资的决策系数第一种产品按“少”投资的决策系数第一种产品按“不”投资的决策系数第26页/共47页第四步，求决策权:产品1按多投资的决策权产品1按中投资的决策权产品1按少投资的决策权产品1按不投资的决策权第五步：按决策权最大进行决策。产品1按决策权最大进行决策，应该多投资。类似，可对产品2、产品3作出决策。第27页/共47页4、灰色局势决策

事件与对策的二元组合称为局势。而灰事件和灰对策所对应的为灰局势，在灰局势中，选择一组最好的局势的方法就称为灰色局势决策。灰色局势决策的关键是局势效果的量化。对局势效果进行量化之前，一般要考虑如何从局势效果的白化值转化为各种目标可以比较的效果测度。效果白化值是指表示该局势的实际效果的数值。第28页/共47页注:某个只知道大概的范围而不知道其确切的数,称为灰数.灰数并不是一个数,而是一个数集,一个数的区间.记灰数为令a为区间,ai为a中的数,若灰数在a区间内取值,则称ai为的一个可能的白化值.第29页/共47页当效果白化值是静态值时，可用上限效果测度、下限效果测度、适中效果测度等。上限效果测度：记Sij为事件ai与对策bj的局势.若Sij在目标p下，有效果白化值，考虑事件ai有好多个，比如事件有第30页/共47页若对策bj也有好多个，即则局势Sij的上限效果测度为上限效果测度主要是着眼于衡量白化值偏离最大白化值的程度。第31页/共47页下限效果测度：下限效果测度的关系式是下限效果测度表明，本测度只着限于白化值偏离下限的程度。适中效果测度：适中效果测度的关系式为：u0为指定的适中值，适中效果测度表明，白化值越接近固定值u0越好.第32页/共47页

这三种测度分别适用于不同的场合：比如希望局势越大越好，则可用上限效果测度；希望局势损失越小越好，则用下限效果测度，希望效果是某个指定值的附近，则用适中效果测度。作为一个决策问题，一般认为：（1）思维越多，意味着决策者思维越严密，意味着各种可能的情况都考虑到了；（2）对策越多，意味着对付同一个事件能够找出多种解决的途径，不局限于少数的措施。换句话说，对策多反映了决策的科学性，反映了决策者的足智多谋。第33页/共47页一般离散可数局势空间的决策，按下述步骤进行：第一步：给出事件与对策；第二步：构造局势；第三步：给出目标；第四步：给出不同目标的白化值；第五步：计算不同目标的局势效果测度；第六步：将多目标问题化为单目标问题；第七步：按最佳效果，选最佳局势，进行决策。第34页/共47页例题1：农业种植决策第一步：给出事件与对策事件a1：种大豆；事件a2：种玉米；事件a3：种向日葵