课程论文-灰色系统综述

灰色系统在草业科学中的应用回顾董宏宸（兰州大学草地农业科技学院2012级草业科学班，甘肃兰州730107）摘要：基于维普中文数据库的搜索结果对灰色系统的各应用范畴进行分析，探究1989~2014年的时间段内灰色系统在草业科学中的应用情况。在草业科学领域主要应用了灰色系统的灰色关联度分析、灰色预测以及灰色决策，其中灰色关联度分析应用最多，其他方面应用较少。通过时间检索分析可知近十年来在草业科学领域中与灰色系统有关的文献年发表量在10篇及以上，从总体上看灰色系统在草业科学领域使用的频率不高，有待进一步的发展。关键词：灰色系统，草业科学，灰色关联度分析，灰色预测，灰色决策灰色系统理论是由华中理工大学邓聚龙教授于1982年提出并加以发展的。该理论是一种研究少数据、贫信息不确定性问题的新方法。它以“部分信息已知，部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象，主要通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对系统运行行为、演化规律的正确描述和有效监控。由于贫信息不确定性系统的普遍存在，决定了这一新理论具有十分广阔的发展前景[1]。目前，灰色系统理论在我国已经成为社会、经济、科学技术等诸多领域进行预测、决策、评估、规划控制、系统分析与建模的重要方法之一。特别是它对时间序列短、统计数据少、信息不完全系统的分析与建模，具有独特的功效。本文将通过数据检索对灰色系统理论在草业科学中的应用进行初步的探究。通过维普资讯中的中文数据库，以“草业”和“灰色”为关键词进行任意字段检索，在“1989~2014”时间段内共计检索出217篇相关文献，其中“2004~2014”的时间段内共计164篇，“农学”学科相关方面共检索出83条结果。可以看出灰色系统在草业科学中尤其是农学方面的应用在近十年中尤其在农学方面是发展比较迅速的。（图1）本文通过对灰色系统在草业科学领域中的应用简要综述，意在阐明灰色系统在草业科学中的应用价值，希望更多的人能够投入到相关研究工作之中。在灰色系统的几个应用范畴即灰色预测、灰色关联度分析、灰色决策、灰色统计、灰色聚类、灰色控制中，草业科学领域中应用最多的是灰色关联度分析，共计检索143条，其中与紫花苜蓿相关的有18条，占12.6%，灰色预测共计11条。图1草业科学领域中与灰色系统相关的文献统计注：数据来源维普中文数据库1灰色关联度分析在草业科学中的应用1.1灰色关联度分析灰色关联分析是一种新的因素分析方法，它采用量化方法来获得灰色关联度，并以此作为区分系统变量之05101520253019891990199119921993199419951996199719981999200020012002200320042005200620072008200920102011201220132014间关系密切程度（或影响大小）的依据。也就是通过研究系统序列曲线的几何接近程度来体现系统序列之间关系的密切程度，即曲线的几何接近程度越高，则它们之间的关联度就越大。灰色关联分析主要功能是因素分析、方案决策、优势分析，近年来成为灰色系统理论相对活跃的一个研究分支[1]。灰色关联度分析在草业科学领域有着相对比较广泛的应用，通过检索文献可以发现其在品种选育，环境影响因子评价，物种引进等方面有较多的研究。1.2灰色关联度分析应用举例1.2.1利用灰色关联度分析进行不同品种间的评价利用灰色关联度分析，可以根据样本材料的数据进行分析，将分析简单化，以定量分析代替定性分析，进而得出最优目的品种。李秀玲等（2010）对13种观赏草在南京地区夏秋两季观赏价值进行灰色关联分析得出13种观赏草秋季观赏价值由高到低依次为：狼尾草＞斑叶芒＞蒲苇＞红叶白茅＞花叶芒＞细叶芒＞香茅＞花叶虉草＞花叶蒲苇＞金叶苔草＞欧根金线蒲＞细茎针茅＞蓝羊茅；夏季观赏价值由高到低依次为：狼尾草＞红叶白茅＞花叶虉草＞香茅＞斑叶芒＞花叶蒲苇＞金叶苔草＞欧根金线蒲＞花叶芒＞蒲苇＞细叶芒＞细茎针茅＞蓝羊茅[2]。朱博等（2014）对12个适宜于灌溉条件下种植的速生型紫花苜蓿材料从生产、营养品质及综合生产性能3个方面进行了灰色关联度分析选出了参试样本中最适宜在河西走廊灌溉地区大范围推广种植紫花苜蓿品种[3]。李哲等（2013）通过对38个紫花苜蓿株系采用灰色关联度分析，构造综合评价模型进行供试材料综合评价，筛选出最理想的优良株系2个，可作为较好潜力的株系4个[4]。杨曌等（2009）对17个苜蓿品种在湘西南地区的生长适应性性状指标，包括12项农艺性状指标与粗蛋白含量进行了灰色关联分析，并建立品种适应性综合评价模型。各项指标的权重大小顺序为:粗蛋白＞叶长＞叶宽＞茎粗＞株高＞再生速度＞主根长＞鲜干比＞根颈直径＞单株干重＞侧根数目＞茎叶比＞根系鲜重，为南方亚热带地区苜蓿引种和推广提供科学的依据[5]。田兵等（2014）采用灰色关联度分析法对贵州42种野生牧草的营养成分进行综合评价，其中有35种值得进一步开发利用[6]。1.2.2灰色关联度分析在草业科学中的其他应用灰色关联度法还可以对影响因子、实践方法等进行评价，以找到最佳的解决方法。周娟娟等（2013）以种植第2年处于初花期的紫花苜蓿为材料，设压扁+喷碳酸钾（2.5%）、压扁茎秆、自然晾晒和阴干4种青干草调制方法，以105℃烘干为对照，研究不同调制方法对苜蓿干燥特性和营养品质的影响。采用灰色关联分析对参试方法的调制效果进行综合评价表明，对照的综合表现最好，其次是压扁+喷碳酸钾(2.5%)，该晾晒方法快速、简便、实用，在生产中值得推荐[7]。徐丽君等（2014）以15种不同混播模式的草地为研究对象，通过对其8个主要营养成分进行比较，同时以灰色关联度分析法进行综合评价，验证了呼伦贝尔局部地区目前推广的牧草种植模式是基本正确的[8]。伏兵哲等（2012）通过利用主成分综合因子得分和灰色关联度分析理论对宁夏天然草地气象质量进行了综合评价，并对天然草地初级生产力与各气候因子间的相互关系进行了关联分析，得出了宁夏干旱区天然草地初级生产力限制气象因子最主要的是4-9月降水量，其次是年降水量、湿润度和年蒸发量；宁夏半干旱区天然草地初级生产力限制气象因子最主要的是湿润度，其次是4—9月降水量、年降水量和无霜期[9]。2灰色预测在草业科学中的应用2.1灰色预测概念灰色预测模型是灰色系统理论中的重要组成部分。灰色系统理论认为，随机量可以看作是在一定范围内变化的灰色量。对于贫信息的灰色系统，灰色变量取值十分有限，并且数据变化无规律，对这些灰色变量作生成运算处理，处理后的数据变化有一定规律，与原始数据相比，增加了数据变化的确定性，从而在生成数据的基础上建立灰色预测模型[10]。经过几十年的发展，灰色预测理论已经在工业、农业、社会、经济、能源、交通、石油等众多领域得到应用，成功地解决了生产、生活和科学研究中的大量实际问题，灰色预测模型也由GM（1，1）模型扩展到数列预测、区间预测、灾变预测、季节灾变预测、波形预测和系统预测等多种类型[1]。灰色预测在草业中的应用有11篇检索文献，包括生态补偿标准、载畜量预测、粮食产量预测、旅游市场分析等方面的内容。2.2灰色预测应用举例邓启欢等（2013）运用灰色预测模型预测了若尔盖县阿西乡草地纯收益，并以该预测纯收益与草地改良过程中实际收益差值来反映实施草地生态建设过程中牧民的经济损失[10]。赵有益等（2012）通过对甘南地区1998~2009年的草地实际载畜量和理论载畜量数据分析，建立了优化改进的灰色等维—马尔科夫残差预测模型，经验证该模型具有较高的精度，适用于对草地载畜量的研究[11]。3灰色决策在草业科学中的应用3.1灰色决策概念灰色决策是现代决策科学的重要组成部分，是20世纪80年代后期开始逐步发展起来的一类解决不确定性决策问题的分析方法。由于不确定性决策问题的本质特征使得不确定性决策问题的分析方法需要不断拓展、完善与提高[1]。灰色决策组要应用在金融方面，如股票等，因此在草业科学方面应用较少且大多与灰色关联度分析结合使用进行品种的优劣选择。3.1灰色决策应用举例耿文诚等（2000）通过灰色局势决策方法对云南省种羊场人工草地绵羊系统10年间的各种系统资料进行权衡并加以量化评价，计算出了整个系统及其子系统（或要素）效果测度值[12]。徐公芳（2008）根据灰色局势决策原理，利用目标赋权获得加权局势决策方法，对在高寒地区引种的9个草坪草品种坪艺性状试验结果进行了综合描述和量化评估分析。通过对各品种加权综合效果测度值的比较，排出各个品种的优劣与灰色关联度法所得结果进行比较结果基本一致[13]。4总结与展望灰色系统理论自提出以来已经有了巨大的发展，但是在草业科学领域使用较少。在草业科学领域中，存在非常多的灰色系统，而数据的收集是有限的，我们无法尽善尽美地将所有的数据都收集齐全，因此灰色系统在草业科学中有着非常广泛的应用基础。以草原生态系统为例，草原生态系统是一个相对比较复杂的系统，在研究的过程中既要考虑生物与生物之间的联系，又要考虑生物与非生物之间的影响，是一个庞大而复杂并且充满未知的系统。而通过灰色系统理论，可以将复杂的系统简单化，通过已知的少量数据探究系统的运作机制，提取有价值的信息。并且，灰色系统理论还可以进行基于灰色关联度分析的缺失数据的重复填补工作，以解决数据丢失或某一年没有采集数据而造成的断档[14]。在撰写本文之前，本人构想灰色预测应是主要的应用方面，因为在草业科学中，可以应用到灰色预测的方面有很多，比如草地退化预测、天然草地牧草产量预测、草原灾害预测、草地恢复措施效果预测等。但当本人进行文献检索时发现，灰色预测在草业科学领域鲜有研究。不同地区的草地类型都是不同的，不同的海拔、地理位置、水热条件、人为因素等造就了不同的草地，因此某些数据是无法通用的。灰色预测相对于其他的方法而言计算量小且所需要的数据量较少，可处理离乱数据，不需要任何假定，也不必寻找随机变量的概率分布和统计特征，正适合在草地农业领域的应用。灰色系统在草地农业的四个生产层中均能得到一定的应用，例如在前植物生产层方面，刘晨慧（2010）在分析时间序列预测法、回归分析预测法、灰色预测法和BP人工神经网络预测法4种预测模型特点的基础上，结合内蒙古地区旅游公路的特点，对游客数量进行预测，再应用旅游人数转化成旅游车流量的公式，计算出预测的车流量，为发展内蒙古地区旅游产业和科学的建设旅游交通系统提供了帮助[15]。参考文献：[1]谢乃明.灰色系统建模技术研究[D].南京：南京航空航天大学，2008.[2]李秀玲，刘君，宋海鹏，等.13种观赏草在南京地区夏秋两季观赏价值的灰色关联分析[J].草业科学，2010，27（2）：39-44.[3]朱博，师尚礼，倪磊，等.12个紫花苜蓿材料速生性能综合评价[J].植物遗传资源学报，2014，15（2）：436-440.[4]李哲，师尚礼，王虹.紫花苜蓿多元杂交后代优良株系筛选研究[J].植物遗传资源学报，2013，14（5）：945-953.[5]杨曌，张新全，李向林，等.应用灰色关联度综合评价17个不同秋眠级苜蓿的生产性[J].草业学报，2009，18（5）：67-72.[6]田兵，冉雪琴，薛红，等.贵州42种野生牧草营养价值灰色关联度分析[J].草业学报，2014，23（1）：92-103.[7]周娟娟，王欣荣，吴建平，等.调制方式对苜蓿青干草干燥特性和营养品质的影响[J].草业科学，2013，30（8）：1272-1277.[8]徐丽君，杨桂霞，辛晓平，等.不同混播模式下草地营养成分综合评价[J].草业科学，2014，31（2）：278-283.[9]伏兵哲，兰剑，李小伟.宁夏天然草地气象因子与草地初级生产力关系研究[J].草地学报，2012，20（3）：407-412.[10]邓启欢，刘刚.基于灰色预测模型的草地生态补偿标准——以若尔盖县阿西乡为例[J].草业科学，2013，30（12）：2097-2100.[11]赵有益，林慧龙，张定海，等.基于灰色-马尔科夫残差预测模型的甘南草地载畜量预测[J].农