基于灰色预测法的杭州大学生人均消费研究(2)
在杭州这个互联网产业高速发展的现代化都市里，各式各样的消费形式充斥着大学生的日常生活。大学校园附近分布了许多针对大学生人群的商业街
本论文通过问卷调查对于杭州大学生（以下沙为例）的消费情况进行数据收集统计,源^自#吹冰/文-论/文]网[www.chuibin.com，并建立GM(1，1)灰色模型，对于杭州下沙学生的消费现状进行预测，分析结果，并给予适当的建议。
第1章 灰色系统模型
关于一个系统进行研究，我们通常首先建立一个系统的数学模型，通过对于分析研究系统模型的走势，对其的整体功能，协调功能系统各因素之间的关联关系，因果关系有一定的认识了解，从而进行具体的量化研究。这类研究的先导因素必定是定性分析，然后再将定量与定性紧密结合。我们在这里主要介绍建模步骤及两种模型，GM(1,1)模型和残差GM(1,1)模型，给出稳定性评价标准和适用范围。
1.1 建模步骤
建立系统模型，我们首先是要思考建立一个怎样的系统，然后是对系统所包含的因素进行分析，之后是对他们进行量化，动态化，最后要对其进行优化。概括来说就是语言模型，网络模型，量化模型，动态模型，优化模型。
Step1：发散思维，对系统有一个概念性了解。通过对系统因素做一个定性分析，明确研究的方向和目标，并制定获得途径和将采取的措施，最后用简单精准的语言将结果表现出来，这便是语言模型。
Step2：剖解语言模型之中各因素与其他因素之间的关系，对其进行分析找出系统发展的一个因果关系，并将这种因果关系用框图表示出来（见图1.1）。
一对前因后果（或一组前因与一个后果）构成一个环节。一个系统包含许多这样的环节。有时，同一个量既是一个环节的前因，又是另一个环节的后果，将所有这些关系连接起来，便得到一个相互关联的、由多个环节构成的框图（如图1.2所示），即为网络模型。
Step3：量化各个环节系统中各因素之间的因果关系，对低层次的概略量化关系进行一个初步的认知。即为量化模型。
Step4：收集数据，对研究所需的各部分数据进行收集，整理所收集的数据和根据获得数据分析计算处理后的输出数据，获得数据序列。之后建立动态GM模型，即动态模型。
动态模型是高层次的量化模型，它更加具体的表现出了量化后个因素输入和输出量的联系。通过分析其数量关系，帮助我们更好地分析系统，对系统做出优化。
Step5：在对系统有一个具体了解后，我们根据系统模型所展现的联系，对原模型做出一个适当地修正优化。
主要的流程图如下：
语言模型 网络模型 量化模型 动态模型 优化模型
在建模过程中，要不断的将下一阶段中所得的结果回馈，经过多次循环往返，使整个模型逐步趋于完善。在具体构造时，可以根据需要构造出比较合适的模型。
上一篇：医药网络营销的模式分析