完美风暴预言的评价（二）.doc

完美风暴预言的评价(二) 表 计算得出的* MERGEFORMAT 的值* MERGEFORMAT * MERGEFORMAT * MERGEFORMAT * MERGEFORMAT * MERGEFORMAT * MERGEFORMAT * MERGEFORMAT * MERGEFORMAT * MERGEFORMAT * MERGEFORMAT * MERGEFORMAT * MERGEFORMAT * MERGEFORMAT * MERGEFORMAT 0 所以* MERGEFORMAT 小误差概率为一级. 故可以用* MERGEFORMAT 来进行预测. 预测的结果为表 预测的世界人口总数年份 2005 2006 2007 2008 2009 2010 2011 总人口(亿) 年份 2012 2013 2014 2015 2016 2017 2018 总人口(亿) 年份 2019 2020 2021 2022 2023 2024 2025 总人口(亿) 年份 2026 2027 2028 2029 2030 总人口(亿) 由于灰色模型对于近期的预测较准确,但是随着时间的推移, 未来的不确定因素将增多,从而对所产生的值会产生,一定得波动,影响测量的精确性. 因此我们这里采用改进的 DGM(1 , 1) 离散灰色预测模型对数据进行改进,因为离散灰色模型具有很好的稳定性,因此对于中长期的预测会产生很好的效果. 二,能源问题的预测: 石油的多少往往还和一个,经济发展联系在一起,大多数国家为了扩大 GDP 值,盲目的开发开采石油,造成大量的浪费和污染问题. 因此我们可以同时预测国家的 GDP 和石油的消耗量. 石油随时间变化规律曲线 a 坡度分析设原始序列: (39) 其中,, 称为非等间距序列. 记: (40) 定义 1设其中,则称式(1) 为非等间距序列第区间的坡度. 那么平均坡度即为:在灰色系统的拟合过程中, 坡度平滑的区间精度较高, 但在坡度波动较大的区间,其拟合值与原始数据的偏差较大. 从减小非等间距间数据的波动考虑, 对非等间序列进行坡度优化分析, 可以通过局部插值来消除当坡度有较大波动时所产生的较大的误差. b 模型的求解自变量序列, 经坡度优化分析后, 将第个区间的坡度平均坡度进行比较, 将第区间作* MERGEFORMAT 插值, 可得到新的自变量序列: (42) 式中,为第个区间内的第节点. 用线性插值计算所插入节点处的函数值: (43) 其中, . 原始序列插入若干数据后变成新的序列: 分析非等间距序列的区间, 并对其进行合理地插值, 其实质是修正了数据波动所引入的误差,因而能更好地反映出数据的变化趋势,从而可大幅度地提高拟合和预测精度. c 以新序列为原始序列建立灰色距模型记原始时间序列为: (45) 若其中. 则称为非等间距序列的一次累加生成(1—A GO )序列. 定义 2 当接近于指数规律变化时, 白化微分方程为: 式中,为发展灰数;为内生控制灰数. 设为待估参数向量,, 利用最小二乘法求解得:其中将时间响应离散化, 得: L (6) 将值代入离散模型计算预测累加值, 并还原为预测值: 其中通过灰色模型可求得两者的预测响应函数分别为: 通过计算可以得到相应的预测值. 可求得 1970 ~ 2004 年世界能源总消耗量预测响应函数的后验差, 平均相对误差, 小概率事件; 世界 GDP 预测响应函数的后验差, 平均相对误差, 小概率事件. 可知此模型精度为一级. 能源消费增长同经济发展之间有一定的依赖关系. 通常把能源消费年平均增长率与均增长率之比称为能源消费弹性系数. 从上述数据可得到世界能源消费总量和 GDP 总量的回归方程为: 相关系数为 ,线性关系明显相关数据和运算过程程序见附录图1 ,新兴经济体需求、能源价格上涨、气候变化、粮食出口限制改变粮食供需关系,增加粮价不确定性,世界粮食价格是长期问题! 粮食价格将可能继续攀升,至少会维持在高位. 联合国粮