离散型灰色预测模型的无偏性与自适应性及其应用

doi:10.16381/j.cnki.issn1003-207x.2022.1937

摘要/Abstract

摘要：

无偏性与自适应性是灰色预测模型的两个重要性质，是研究模型结构及性能的基础。首先，文章以矩阵为工具，从理论上严格证明了两类常见离散灰色预测模型的无偏性。结果表明：双参数离散灰色预测模型DGM（1，1）仅对齐次指数序列具有无偏性，而三参数离散灰色预测模型TDGM（1，1）则对齐次指数/非齐次指数/线性函数序列均具有无偏性。然后，从模型结构角度对TDGM（1，1）模型面向不同特征序列的自适应性进行了分析，验证了模型结构自适应性与无偏性之间的内在联系。最后，应用TDGM（1，1）模型对世界新能源汽车销售量进行建模，并对预测结果进行了比较和分析。本研究对丰富和完善灰色预测理论具有积极意义。

关键词: 离散型灰色预测模型, 模型无偏性, 模型自适应性, 世界新能源汽车销量预测

Abstract:

Unbiasedness and self-adaptability are two important properties of grey prediction model and the basis of studying the structure and performance of the model. The existing studies have mostly verified unbiased from the perspective of examples， without strict mathematical proof， and less analysis of the relationship between unbiased and adaptive. Firstly， using matrix theory， the unbiasedness of two kinds of common discrete grey prediction models is strictly proved in theory and verified by homogeneous index/nonhomogeneous index/linear function sequence. The results show that the two parameter discrete grey prediction model DGM（1，1） is unbiased only for the homogeneous exponential sequence， while the three parameter discrete grey prediction model TDGM（1，1） is unbiased for the exponential/non-homogeneous exponential/linear function sequence. Then， the adaptability of TDGM（1，1） to different feature sequences is analyzed from the perspective of model structure， and the internal relationship between self-adaptability and unbiased of model structure is verified. Finally， the TDGM（1，1） model is applied to forecast the world sales of new energy vehicles， and the prediction results are compared and analyzed. This study has positive significance for enriching and perfecting the grey prediction theory.

Key words: discrete grey prediction model, unbiasedness, self-adaptability, prediction of world sales of new energy vehicles

中图分类号:

N941.5

李树良,杨爽艺,曾波,孟伟,白云. 离散型灰色预测模型的无偏性与自适应性及其应用[J]. 中国管理科学, 2024, 32(8): 149-158.

Shuliang Li,Shuangyi Yang,Bo Zeng,Wei Meng,Yun Bai. Unbiased and Adaptive of Discrete Grey Prediction Model and Its Application[J]. Chinese Journal of Management Science, 2024, 32(8): 149-158.

图/表 13

图1

表1

齐次指数序列的无偏性模拟结果"

$k$	$x 0 k$	TDGM(1,1)		DGM(1,1)		GM(1,1)		NGM(1,1,k)
$k$	$x 0 k$	$x ? k$	$Δ k k / %$	$x ? k$	$Δ k k / %$	$x ? k$	$Δ k k / %$	$x ? k$	$Δ k k / %$
$k = 1$	1.08	—	—	—	—	—	—	—	—
$k = 2$	1.94	1.94	0.00	1.94	0.00	1.87	3.65	1.13	41.71
$k = 3$	3.50	3.50	0.00	3.50	0.00	3.32	5.21	2.21	36.79
$k = 4$	6.30	6.30	0.00	6.30	0.00	5.87	6.75	4.12	34.64
$k = 5$	11.34	11.34	0.00	11.34	0.00	10.40	8.26	7.48	34.00
$k = 6$	20.41	20.41	0.00	20.41	0.00	18.42	9.75	13.43	34.21
$k = 7$	36.73	36.73	0.00	36.73	0.00	32.61	11.22	23.93	34.86
$k = 8$	66.12	66.12	0.00	66.12	0.00	57.75	12.66	42.48	35.76
$k = 9$	119.02	119.02	0.00	119.02	0.00	102.26	14.08	75.24	36.78
$k = 10$	214.23	214.23	0.00	214.23	0.00	181.09	15.47	133.11	37.87
$Δ ˉ 1$			0.00		0.00		9.67		36.29
$k = 11$	385.61	385.61	0.00	385.61	0.00	320.67	16.84	235.33	38.97
$k = 12$	694.10	694.10	0.00	694.10	0.00	567.84	18.19	415.88	40.08
$k = 13$	1249.38	1249.38	0.00	1249.38	0.00	1005.50	19.52	734.82	41.19
$k = 14$	2248.88	2248.88	0.00	2248.88	0.00	1780.60	20.82	1298.20	42.28
$k = 15$	4047.98	4047.98	0.00	4047.98	0.00	3153.10	22.11	2293.30	43.35
$Δ ˉ 2$			0.00		0.00		19.50		41.17
$Δ ˉ$			0.00		0.00		13.18		38.03

表1

表2

非齐次指数序列的无偏性模拟结果"

$k$	$x 0 k$	TDGM(1,1)		DGM(1,1)		GM(1,1)		NGM(1,1,k)
$k$	$x 0 k$	$x ? k$	$Δ k k / %$	$x ? k$	$Δ k k / %$	$x ? k$	$Δ k k / %$	$x ? k$	$Δ k k / %$
$k = 1$	4.38	—	—	—	—	—	—	—	—
$k = 2$	5.05	5.05	0.00	3.78	25.17	3.74	25.89	2.06	59.18
$k = 3$	5.99	5.99	0.00	4.98	16.88	4.93	17.80	3.20	46.63
$k = 4$	7.31	7.31	0.00	6.56	10.21	6.48	11.34	4.66	36.24
$k = 5$	9.15	9.15	0.00	8.65	5.52	8.53	6.85	6.54	28.53
$k = 6$	11.74	11.74	0.00	11.40	2.89	11.22	4.41	8.96	23.62
$k = 7$	15.35	15.35	0.00	15.02	2.17	14.76	3.85	12.08	21.31
$k = 8$	20.41	20.41	0.00	19.79	3.05	19.42	4.86	16.09	21.18
$k = 9$	27.49	27.49	0.00	26.07	5.16	25.55	7.08	21.25	22.72
$k = 10$	37.41	37.41	0.00	34.36	8.16	33.61	10.16	27.89	25.46
$Δ ˉ 1$			0.00		8.80		10.25		31.65
$k = 11$	51.29	51.29	0.00	45.27	11.74	13.80	10.25	36.43	28.98
$k = 12$	70.73	70.73	0.00	59.66	15.66	17.76	13.80	47.42	32.96
$k = 13$	97.95	97.95	0.00	78.61	19.74	21.86	17.76	61.57	37.14
$k = 14$	136.04	136.04	0.00	103.58	23.86	25.99	21.86	79.77	41.37
$k = 15$	189.38	189.38	0.00	136.49	27.93	30.05	25.99	103.19	45.51
$Δ ˉ 2$			0.00		19.79		21.89		37.19
$Δ ˉ$			0.00		12.72		14.41		33.63

表2

表3

线性函数序列的无偏性模拟结果"

$k$	$x 0 k$	TDGM(1,1)		DGM(1,1)		GM(1,1)		NGM(1,1,k)
$k$	$x 0 k$	$x ? k$	$Δ k k / %$	$x ? k$	$Δ k k / %$	$x ? k$	$Δ k k / %$	$x ? k$	$Δ k k / %$
$k = 1$	4.80	—	—	—	—	—	—	—	—
$k = 2$	8.40	8.40	0.00	11.70	39.27	11.64	38.60	5.93	8.40
$k = 3$	12.00	12.00	0.00	13.63	13.59	13.57	13.06	9.83	12.00
$k = 4$	15.60	15.60	0.00	15.88	1.82	15.81	1.35	13.67	15.60
$k = 5$	19.20	19.20	0.00	18.51	3.61	18.42	4.04	17.43	19.20
$k = 6$	22.80	22.80	0.00	21.56	5.42	21.47	5.84	21.13	22.80
$k = 7$	26.40	26.40	0.00	25.13	4.82	25.02	5.23	24.76	26.40
$k = 8$	30.00	30.00	0.00	29.28	2.41	29.16	2.82	28.32	30.00
$k = 9$	33.60	33.60	0.00	34.11	1.53	33.98	1.12	31.83	33.60
$k = 10$	37.20	37.20	0.00	39.75	6.85	39.59	6.43	35.27	37.20
$Δ ˉ 1$			0.00		8.81		8.72		10.96
$k = 11$	40.80	0.00	46.32	13.52	46.14	13.08	38.65	40.80	0.00
$k = 12$	44.40	0.00	53.97	21.55	53.77	21.09	41.96	44.40	0.00
$k = 13$	48.00	0.00	62.88	31.01	62.65	30.53	45.22	48.00	0.00
$k = 14$	51.60	0.00	73.27	42.00	73.01	41.50	48.43	51.60	0.00
$k = 15$	55.20	0.00	85.38	54.67	85.08	54.14	51.57	55.20	0.00
$Δ ˉ 2$			0.00		32.55		32.07		5.86
$Δ ˉ$			0.00		17.29		17.06		9.14

表3

表4

TDGM（1，1）、DGM（1，1）、GM（1，1）及NGM（1，1，k）模型对不同序列的模拟效果比对"

典型数据序列	齐次指数序列			非齐次指数序列			线性函数序列
典型数据序列	$Δ ˉ 1$ (%)	$Δ ˉ 2$ (%)	$Δ ˉ$ (%)	$Δ ˉ 1$ (%)	$Δ ˉ 2$ (%)	$Δ ˉ$ (%)	$Δ ˉ 1$ (%)	$Δ ˉ 2$ (%)	$Δ ˉ$ (%)
TDGM(1,1)	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00
DGM(1,1)	0.00	0.00	0.00	8.80	19.79	12.72	8.81	32.55	17.29
GM(1,1)	9.67	19.50	13.18	10.25	21.89	14.41	8.72	32.07	17.06
NGM(1,1,k)	36.29	41.17	38.03	31.65	37.19	33.63	10.96	5.86	9.14

表4

表5

图2

表6

序列X0的TDGM（1，1）模型的参数值"

参数	$a$	$b$	$c$	$α$	$β$	$γ$	$?$
参数值	-0.16	22.95	-6.53	1.17	24.94	-19.57	34.06

表6

表7

世界新能源汽车的模拟值与模拟误差"

年份	$x 0 k$	TDGM(1,1)		DGM(1,1)		GM(1,1)		NGM(1,1,k)
年份	$x 0 k$	$x ? k$	$Δ k k$	$x ? k$	$Δ k k$	$x ? k$	$Δ k$	$x ? k$	$Δ k k$
2013	21.50	—	—	—	—	—	—	—	—
2014	33.50	34.06	1.67%	58.41	74.37%	57.14	70.58%	32.04	4.35%
2015	68.90	64.93	5.76%	78.88	14.48%	77.14	11.96%	57.43	16.65%
2016	93.40	101.17	8.32%	106.51	14.03%	104.13	11.49%	88.31	5.45%
2017	139.90	143.72	2.73%	143.82	2.80%	140.57	0.48%	125.86	10.04%
2018	218.50	193.68	11.36%	194.20	11.12%	189.75	13.16%	171.52	21.50%
2019	228.40	252.32	10.47%	262.24	14.81%	256.15	12.15%	227.06	0.59%
2020	328.40	321.17	2.20%	354.10	7.83%	345.78	5.30%	294.59	10.29%
$Δ ˉ$			6.07%		19.92%		17.87%		9.84%

表7

表8

DGM（1，1）， GM（1，1）和 NGM（1，1）的参数值"

模型	DGM(1,1)	GM(1,1)	NGM(1,1,k)
参数值	$a = 1.35$	$a = - 0.30$	$a = - 0.20$
参数值	$b = 50.88$	$b = 42.33$	$b = 16.72$

表8

图3

图4

表9

参考文献 28

1	Deng J L. The control problem of grey systems［J］. System Control Letter， 1982， 1（5），288-294.
2	刘思峰.灰色系统理论及其应用（第九版）［M］.北京：科学出版社，2021.
	Liu S F. Grey system theory and its application［M］. Beijing： Science Press， 2021.
3	熊萍萍，陈诗婷，周依凡，等.基于新型核与灰度序列的MGM（1，m，N）模型及其应用［J］.中国管理科学，2022，30（7）：130-139.
	Xiong P P， Chen S T， Zhou Y F， et al. MGM （1，m，N） model based on the new kernel and degree of greyness sequences and lts application［J］. Chinese Journal of Management Science， 2022，30（7）：130-139.
4	李惠，曾波，周文浩.基于灰色参数组合优化新模型的生活垃圾清运量预测研究［J］.中国管理科学，2022，30（4）：96-107.
	Li H， Zeng B， Zhou W H. Forecasting domestic waste clearing and transporting volume by employing a new grey parameter combination optimization model［J］. Chinese Journal of Management Science， 2022，30（4）：96-107.
5	曾波，刘思峰，白云，等.基于灰色系统建模技术的人体疾病早期预测预警研究［J］.中国管理科学，2020，28（1）：144-152.
	Zeng B， Liu S F， Bai Y， et al. Grey system modeling technology for early prediction and warning of human diseases［J］. Chinese Journal of Management Science， 2020，28（1）：144-152.
6	Xie N M， Liu S F. Discrete grey forecasting model and its optimization［J］. Applied Mathematical Modeling， 2009， 33： 1173-1186.
7	曾波，李树良，孟伟.灰色预测理论及其应用［M］.北京：科学出版社，2020.
	Zeng B， Li S L， Meng W. Grey prediction theory and its application［M］. Beijing： Science Press， 2020.
8	张鹏.引入新息项的离散灰色预测模型［J］.统计与决策，2020，36（5）：29-32.
	Zhang P. A discrete grey prediction model with innovation term［J］. Statistics & Decision， 2020，36（5）：29-32.
9	曾亮，骆世广.分数阶累加的离散GM（2，1）模型与应用［J］.重庆师范大学学报（自然科学版），2021，38（5）：73-80+2.
	Zeng L， Luo S G. A discrete GM（2，1）model with fractional-order accumulation and its application［J］. Journal of Chongqing Normal University（Natural Science），2021，38（5）：73-80+2.
10	曹阳，梁爽，沈琴琴，等.阻尼累加离散GM（1，1）模型及其应用［J］.控制与决策，2023，38（6）：1687-1694.
	Cao Y， Liang S， Shen Q Q， et al. Damping accumulated discrete gm（1，1） model and its application［J］. Control and Decision，2023，38（6）：1687-1694.
11	傅家俊，尹泉，傅鹤林，等.基于优化的灰色离散Verhulst新陈代谢模型的基坑沉降预测［J］.公路工程，2019，44（2）：19-22+120.
	Fu J J， Yin Q， Fu H L， et al. Settlement prediction of foundation pit based on optimized grey discrete verhulst metabolic model［J］. Highway Engineerin， 2019，44（2）：19-22+120.
12	Xie N M， Liu S F， Yang Y J， et al. On novel grey forecasting model based on non-homogeneous index sequence［J］. Applied Mathematical Modelling，2013，37（7）： 5059-5068.
13	谢乃明，刘思峰．近似非齐次指数序列的离散灰色预测模型特性研究［J］．系统工程与电子技术，2008，30（5）：863-868.
	Xie N M， Liu S F. Research on the non-homogenous discrete grey model and its parameters properties［J］. Systems Engineering and Electronics，2008，30（5）： 863-868.
14	曹邦兴.差分方程灰色DEGM（2，1）模型的优化及应用［J］.统计与决策， 2020， 36（13）：57-60.
	Cao B X. Forecast model of ecological economic warning degree based on gray theory and its applications［J］. Statistics & Decision， 2020， 36（13）：57-60.
15	孟伟，曾波.基于互逆分数阶算子的离散灰色模型及阶数优化［J］.控制与决策，2016，31（10）：1903-1907.
	Meng W， Zeng B. Discrete grey model with inverse fractional operators and optimized order［J］. Control and Decision， 2016， 31（10）：1903-1907.
16	Gou X Y， Zeng B， Gong Y. An improved multi-variable grey model for forecasting China’s finished products from comprehensive waste utilization［J］. Environmental Science and Pollution Research， 2021， 28： 42901-42915.
17	邹国焱，魏勇.广义离散灰色预测模型及其应用［J］.系统工程理论与实践，2020，40（3）：736-747.
	Zou G Y， Wei Y. Generalized discrete grey model and its application［J］. Systems Engineering-Theory & Practice， 2020， 40（3）：736-747.
18	罗党，韦保磊.一类离散灰色预测模型的统一处理方法及应用［J］.系统工程理论与实践，2019，39（2）：451-462.
	Luo D， Wei B L. A unified treatment approach for a class of discrete grey forecasting models and its application［J］. Systems Engineering-Theory & Practice， 2019，39（2）：451-462.
19	谢乃明，刘思峰.离散灰色模型的仿射特性研究［J］.控制与决策，2008（2）：200-203.
	Xie N M， Liu S F. Research on the affine properties of discrete grey model［J］. Control and Decision， 2008（2）：200-203.
20	吴正朋，刘思峰，党耀国，等.再论离散GM（1，1）模型的病态问题研究［J］.系统工程理论与实践，2011，31（1）：108-112.
	Wu Z P， Liu S F， Dang Y G， et al. study on the morbidity problem in the grey model［J］. Systems Engineering-Theory & Practice， 2011， 31（1）：108-112.
21	Liu Y T， Yang Y， Pan F， et al. A conformable fractional unbiased grey model with a flexible structure and it’s application in hydroelectricity consumption prediction［J］. Journal of Cleaner Production， 2022， 367：133029.
22	Wei B L. Parameter estimation strategies for separable grey system models with comparisons and applications［J］. Applied Mathematical Modelling， 2023， 116： 32-44.
23	Wang Y， Yang Z S， Ye L L， et al. A novel self-adaptive fractional grey Euler model with dynamic accumulation order and its application in energy production prediction of China［J］. Energy， 2023， 265： 126384.
24	吉培荣，黄巍松，胡翔勇. 无偏灰色预测模型［J］. 系统工程与电子技术， 2000（6）： 6-7+80.
	Ji P R， Huang W S， Hu X Y. An unbiased grey forecasting model［J］. Systems Engineering and Electronics， 2000（6）： 6-7+80.
25	刘晓梅，周钢.基于精细积分法的无偏非齐次灰色模型构建［J］.控制与决策，2022，37（11）：3058-3064.
	Liu X M， Zhou G. An unbiased non-homogeneous grey model based on high precise direct integration method［J］. Control and Decision， 2022，37（11）：3058-3064.
26	Zheng C L， Wu W Z， Xie W L， et al. Forecasting the hydroelectricity consumption of China by using a novel unbiased nonlinear grey Bernoulli model［J］. Journal of Cleaner Production， 2021， 278： 123903.
27	白旻，张旻昱，王晓超.碳中和背景下全球新能源汽车产业发展政策与趋势［J］.信息技术与标准化，2021（12）：13-20.
	Bai M， Zhang M Y， Wang X C. Development policies and trends of global new energy vehicle industry under the background of carbon neutrality［J］. Information Technology & Standardization， 2021（12）：13-20.
28	中国汽车技术研究中心，日产（中国）投资有限公司，东风汽车有限公司.中国新能源汽车产业发展报告（2021）［M］.北京：社会科学文献出版社，2021.
	China Automotive Technology and Research Center Co.， Ltd.， Nissan Group of China Co.， Ltd.， DONGFENG Motor Company Limited. Annual report on new energy vehicle industry in China（2020）［M］. Beijing： Social Sciences Academic Press （CHINA）， 2021.

[1]	刘连义,刘思峰,吴利丰. 基于离散时间灰色幂模型的新能源汽车销售量预测[J]. 中国管理科学, 2024, 32(1): 106-114.
[2]	周伟杰, 姜慧敏, 成雨珂, 党耀国, 丁松. 基于可重复性分数阶灰色时间幂模型的中国水电消费预测研究[J]. 中国管理科学, 2023, 31(5): 279-286.
[3]	曾波, 苟小义, 张志伟. 基于区间灰作用量的GM(1,1)均值差分模型解的非唯一性研究[J]. 中国管理科学, 2022, 30(10): 247-255.
[4]	熊萍萍, 陈诗婷, 周依凡, 刘煜淳, 丁松. 基于新型核与灰度序列的MGM(1,m,N)模型及其应用[J]. 中国管理科学, 2022, 30(7): 130-139.
[5]	李惠,曾波,周文浩. 基于灰色参数组合优化新模型的生活垃圾清运量预测研究[J]. 中国管理科学, 2022, 30(4): 96-107.
[6]	李晔, 丁圆苹. 基于驱动因素控制的线性时变参数DLDGM(1,N)模型[J]. 中国管理科学, 2022, 30(3): 221-229.
[7]	段辉明, 肖新平. 惯性灰色模型及其应用性质研究[J]. 中国管理科学, 2022, 30(3): 269-279.
[8]	夏杰, 马新, 吴文青. 基于Simpson公式改进的FAGM(1,1)模型及其应用研究[J]. 中国管理科学, 2021, 29(5): 240-248.
[9]	钱丽丽, 刘思峰, 邓桂丰. 考虑后悔规避的灰色群体偏离靶心度决策方法[J]. 中国管理科学, 2020, 28(6): 193-200.
[10]	曾波, 刘思峰, 白云, 周猛. 基于灰色系统建模技术的人体疾病早期预测预警研究[J]. 中国管理科学, 2020, 28(1): 144-152.
[11]	丁松, 李若瑾, 党耀国. 基于初始条件优化的GM(1,1)幂模型及其应用[J]. 中国管理科学, 2020, 28(1): 153-161.
[12]	吴利丰, 于亮, 文朝霞. 预测复杂装备研制费用的GM(0,N)模型[J]. 中国管理科学, 2019, 27(7): 203-207.
[13]	周伟杰, 张宏如, 党耀国, 王正新. 新息优先累加灰色离散模型的构建及应用[J]. 中国管理科学, 2017, 25(8): 140-148.
[14]	曾波, 刘思峰, 曲学鑫. 一种强兼容性的灰色通用预测模型及其性质研究[J]. 中国管理科学, 2017, 25(5): 150-156.
[15]	杨保华, 赵金帅. 优化离散灰色幂模型及其应用[J]. 中国管理科学, 2016, 24(2): 162-168.