建模D题Word格式文档下载.docx

1、本文最后对模型进行优化和推广，使其更加符合实际，并广泛用于实际，并对模型的优缺点进行了分析。关键字：食品价格指数 灰色GM（1,1）模型 趋势一、 问题的提出.问题背景进入2010年以来，城市居民普遍感觉到消费品价格涨势明显，尤其以日常生活离不开的食品而言，价格更是“日新月异”。为监测食品价格的实际变化情况，国家统计部门定期统计50个城市主要食品平均价格变动情况，8月到11月20日的具体数据如表1（见附录一）。.需解决的问题（1） 根据网站提供的数据，选择表中所有或部分食品种类，建立一个标志食品价格变化指数的数学模型来刻画食品价格的总体水平。（2） 根据你所建立的食品价格指数模型以及食品价格变

2、动的统计数据，定量预测未来一段时间内食品价格的总体变化趋势。二、 问题分析仔细考虑问题的条件和要求，我们的思路如下：1）工作前奏概念理解和数据处理商品价格指数是反映工业、商业、餐饮业和其他零售企业向居民、机关团体出售生活消费品和办公用品价格水平变动情况的相对数，以此反映市场商品零售价格的变动趋势和变动程度。其目的在于掌握商品价格的变动趋势，为国家宏观调控和国民经济核算提供参考依据食品的价格指数，其中包括很多种食品。那么可以考虑把多种商品在基期和报告期的价格分别相加从而得到简单综合的食品价格指数。简单综合价格指数的计算公式是：其中表示基期商品价格，表示报告期（t期）商品价格，m表示商品种类数。对

3、表1中的数据利用食品价格指数的计算方法算出食品价格指数，作为原始数据。三、 符号说明时间序列时间序列中的第个观察值，通过对序列累加生成的新序列新序列中的第个值， =1,2,11时间发展灰数内生控制灰数四、 模型假设1）表1所获得的由中国国家统计局提供的统计数据真实可信。2）忽略各商品价格的差别，对其求和值做为原始数据。3）以表1中所给各商品的价格计算商品价格指数而忽略其他类商品的价格。4）基期数据以平均值为准，排除其他特殊数据。五、 模型的建立与求解5.1问题一 表2 8月上旬11月中旬的食品价格指数8月上旬8月中旬8月下旬9月上旬9月中旬9月下旬10月上旬10月中旬10月下旬11月上旬11月

4、中旬平均值求和值444.87447.482449.129449.6451.475454.81455.832459.005466.707475.363480.677457.7227食品价格指数102.88102.28101.9101.8101.383100.64100.499.7298.0796.28995.2如图所示：图一：8月上旬11月中旬的食品价格指数与时间的二次拟合曲线图模型一：灰色系统理论中的灰色GM（1,1）模型。引入：灰色系统是指“部分信息已知,部分信息未知”的“小样本”,“贫信息”的不确定性系统,它通过对“部分”已知信息的生成、开发去了解、认识现实世界，实现对系统运行行为和演化规

5、律的正确把握和描述。它所研究的系统行为数据列往往是没有规律的，是随机变化的。它将一切随机变量看作是在一定范围内变化的灰色量，将随机过程看作是在一定范围内变化的、与时间有关的灰色过程。对灰色量用数据处理的方法，将杂乱无章的原始数据整理成规律较强的生成效列再作研究。灰色理论的微分方程型模型称为GM模型，G表示grey（灰），M表示Model（模型）。GM（1，1）表示1阶的，1个变量的微分方程型模型。灰色预测方法是根据过去及现在已知的或非确知的信息, 建立一个从过去引申到将来的GM模型, 从而确定系统在未来发展变化的趋势, 为规划决策提供依据.。在灰色预测模型中, 对时间序列进行数量大小的预测,

6、随机性被弱化了, 确定性增强了。 此时在生成层次上求解得到生成函数, 据此建立被求序列的数列预测, 其预测模型为一阶微分方程, 即只有一个变量的灰色模型, 记为GM（1,1）模型。题中关于申请量的描述符合灰色系统的要求，所以我们用灰色系统的GM（1,1）来进行预测。 5.2模型的建立与求解GM（1,1） 是一个单个变量预测的一阶微分方程模型, 其离散时间响应函数近似呈指数规律。建立GM（1,1）模型的方法是：设为原始非负时间序列, 为累加生成序列, 即GM（1,1）模型的白化微分方程为： 式（ 6） 中, 为待辨识参数, 亦称发展灰数；为待辨识内生变量,亦称灰作用量。设待辨识向量， 按最小二乘

7、法求得式中于是可得到灰色预测的离散时间响应函数为：为所得的累加的预测值, 将预测值还原即为：在本，有与之对应的原始非负时间序列，将每类货物30天的申请量输入即可得到运用MATLAB软件进行求解（具体程序见附录二），我们得到灰色预测的离散时间响应函数：由以上公式我们能够对未来四旬即11月20日12月31日的食品价格指数来做分析。经过预测我们得到未来四旬即11月20日12月31日的食品价格指数结果为： 表 3 未来四旬即11月20日12月31日的食品价格指数预测值图二 GM（1,1）模型预测值与真实值的比较六、 模型优化与评价6.1模型的优化6.2模型评价1）优点：灰色GM（1,1）模型具有要求所

8、收集的数据量少的特点，与MATLAB的结合解决了它在计算中的问题.。由MATLAB编制的相应预测程序简单实用, 容易操作，在预测价格指数等方面有一定的优势。2）缺点：在于对随机性很强的数据，预测精度相对较差。七、 模型推广八、 参考文献1 姜启源、谢金星等，数学模型（第三版）【M】，高等教育出版社，2004；2 楚天科技 MATLAB科学计算实例教程【M】 化学工业出版社 2009年3 董辰辉 彭雪峰等 MATLAB 2008 全程指南【M】 电子工业出版社 20094李习平 基于GM（1,1）理论的中国居民消费价格指数预测模型研究【J】 5李君丽 李乐 用灰色模型方法预测我国居民消费价格指数

9、变动趋势【J】 6 中国国家统计局网站：九、 附录附录一：表1编号1234567891011日期名称8月1日8月2日8月3日8月4日8月5日8月6日8月7日8月8日8月9日8月10日8月11日大米4.74.714.734.744.764.774.84.824.864.95面粉4.214.234.254.264.274.294.314.354.384.453.53.523.613.583.63.643.653.683.573.62花生油95.0795.1795.5596.3196.8397.3697.6198.2399.07101.51102.94大豆油48.8348.9249.0949.134

10、9.1449.1151.0254.5756.4556.99菜籽油10.710.7210.7410.7910.8910.9711.2711.5311.9212.16猪肉20.1620.3420.3920.4620.6220.7320.720.8421.0221.4322.34牛肉34.834.9134.9535.0535.1135.2135.3935.2435.4羊肉37.437.3937.3537.537.7937.8638.0738.2438.6439.3240.19鸡15.8516.0516.1716.3216.616.716.6816.5416.917.1317.7718.1118.21

11、18.5918.6918.7118.7618.6318.618.88鸭14.9315.115.1615.1315.3815.3915.4815.4315.5215.8215.9721.2621.4121.4721.5421.6121.7621.7721.821.9922.523.21活鲤鱼12.6612.6112.6812.6512.6912.5212.4112.2812.4412.47活草鱼13.9613.9713.9413.8313.9513.8213.6813.59带鱼21.3421.2421.321.3321.4421.5522.18大白菜2.842.812.692.642.592.5

12、42.512.532.652.46油菜4.614.674.484.514.644.334.093.963.72芹菜4.564.544.414.394.584.844.895.145.355.09黄瓜3.863.973.923.764.724.884.654.815.07西红柿4.084.154.374.685.525.825.885.995.81豆角5.685.945.485.455.986.336.857.387.787.57土豆3.73.663.94.03苹果9.79.729.529.579.639.599.419.49.629.96香蕉5.345.385.375.265.215.054.

13、834.59豆制品3.453.433.443.473.483.63鸡蛋9.239.489.669.149.329.679.88巴氏牛奶1.731.741.751.821.771.76利乐枕奶3.67附录二：灰色GM（1，1）模型程序算法： GM（1，1）模型简介% GM（1，1）模型相应的微分方程 dX1/dt=a*X1= （*需离散化*）% a:发展灰数；：内生控制灰数；% A=（B*B）（-1）*B*Yn% 其中 B为累加矩阵-1/2（x1（1）+x1（2） 1;. % Yn：表示x0（2）.x0（n）clearclcyn=102.28 101.9 101.8 101.383 100.64

14、 100.4 99.72 98.07 96.289 95.2;b= -102.5800 1.0000 -153.5300 1.0000 -204.4300 1.0000 -255.1215 1.0000 -305.4415 1.0000 -355.6415 1.0000 -405.5015 1.0000 -454.5365 1.0000 -502.6810 1.0000 -550.2810 1.0000;A=（b*b）（-1）*b*yn;s=A（2）/A（1）;disp（a=,num2str（A（1）, u=,num2str（A（2）;x1（1）=102.88;x0（1）=102.88;for k=1:15x1（k+1）=（102.88-s）*exp（-A（1）*k）+s;x0（k+1）=x1（k+1）-x1（k）;endx1x0