灰色关联分析算法步骤

灰色关联分析算法步骤 This model paper was revised by the Standardization Office on December 10, 2020

灰色关联分析

灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度。

是由着名学者教授首创的一种系统科学理论(GreyTheory)，其中的灰色关联分析是根据各因素变化曲线几何形状的相似程度，来判断因素之间关联程度的方法。此方法通过对动态过程发展态势的量化分析，完成对系统内时间序列有关几何关系的比较，求出参考数列与各比较数列之间的灰色关联度。与参考数列关联度越大的比较数列，其发展方向和速率与参考数列越接近，与参考数列的关系越紧密。灰色关联分析方法要求可以少到4个，对数据无规律同样适用，不会出现量化结果与结果不符的情况。其基本思想是将评价指标原始观测数进行无量纲化处理，计算关联系数、关联度以及根据关联度的大小对待评指标进行排序。灰色关联度的应用涉及社会科学和自然科学的各个领域，尤其在社会经济领域，如各部门投资收益、区域经济优势分析、等方面，都取得较好的应用效果。

关联度有绝对关联度和相对关联度之分，绝对关联度采用初始点零化法进行初值化处理，当分析的因素差异较大时，由于变量间的量纲不一致，往往影响分析，难以得出合理的结果。而相对关联度用相对量进行分析，计算结果仅与序列相对于初始点的变化速率有关，与各观测数据大小无关，这在一定程度上弥补了绝对关联度的缺陷。

灰色关联分析的步骤

灰色关联分析的具体计算步骤如下：

第一步：确定分析数列。

确定反映系统行为特征的参考数列和影响系统行为的比较数列。反映系统行为特征的数据序列，称为参考数列。影响系统行为的因素组成的数据序列，称比较数列。

设参考数列（又称母序列）为Y={Y(k)|k=1,2,Λ,n}；比较数列（又称子序列）

X i={X i(k)|k=1,2,Λ,n},i=1,2,Λ,m。

第二步，变量的无量纲化

由于系统中各因素列中的数据可能因量纲不同，不便于比较或在比较时难以得到正确的结论。因此在进行灰色关联度分析时，一般都要进行数据的无量纲化处理。

第三步，计算关联系数

x0(k)与x i(k)的关联系数

记，则

，称为分辨系数。ρ越小，分辨力越大，一般ρ的取值区间为(0,1),具体取值可视情况而定。当时，分辨力最好，通常取ρ=0.5。

第四步，计算关联度

因为关联系数是比较数列与参考数列在各个时刻（即曲线中的各点）的关联程度值，所以它的数不止一个，而过于分散不便于进行整体性比较。因此有必要将各个时刻（即曲线中的各点）的关联系数集中为一个值，即求其平均值，作为比较数列与参考数列间关联程度的数量表示，关联度r i公式如下：

第五步，关联度排序

关联度按大小排序，如果r1

在算出X i(k)序列与Y(k)序列的关联系数后，计算各类关联系数的平均值，平均值r i就称为Y(k)与X i(k)的关联度。