随着社会的发展,大数据的概念被越来越多地提及。然而在纷繁复杂的海量数据中,有效信息常常十分有限,数据往往呈现“短期关联紧密有序,长期扰动大”的复杂特点,难以用单一实数值构成的长序列来表达。本文运用灰色系统理论,针对“少数据、贫信息”的不确定系统,以区间灰数为研究对象,从灰色生成技术、关联模型、预测模型等方面进行研究,并将模型方法应用于分析长三角地区区域交通拥堵这一复杂系统中。主要的研究工作及成果如下:(1)优化区间灰数序列的组合函数变换技术。针对单一函数变换方法调节度有限的问题,提出以正切函数或余切函数为主体的可调节组合函数变换方法,该方法能够提高区间灰数序列的光滑比,压缩级比,保证数据序列的“凸”特性。针对区间灰数序列递增或递减的不同趋势,运用该函数变换技术对区间灰数上下界序列或区间灰数核和测度序列建立区间灰数预测模型。(2)构建基于一般区间灰数的灰色预测模型。针对区间灰数中蕴含的灰度信息,建立了基于“灰度不减”公理的区间灰数预测模型,通过确定灰度因子在建模全过程中体现了“灰度不减”公理,修正了区间灰数序列上下界的预测值。针对区间灰数核和信息域序列形成的类系统行为序列和残差序列的特征,提出了基于残差的区间灰数预测模型,通过构建区间灰数核的预测模型并结合残差修正思想对区间灰数的信息域进行扩展,优化了预测精度,建模过程体现了“信息充分利用”原则。(3)建立基于中心点区间灰数的预测模型。针对具有中心点的区间灰数,通过提出上边界线与中心线所属梯形面积、下边界线与中心线所属梯形面积及上下边界线中位线等指标经过信息转换建立了非齐次灰色离散预测模型。并基于全局拟合数据误差最小化原则,优化了预测模型的初始条件,提高了模型的精度。(4)提出基于区间灰数的灰色综合关联预测模型。针对多变量区间灰数序列,考虑了不同区间灰数序列上下界间的灰数带面积差以及序列趋势斜率累积偏差,从序列间的相对数量和发展速度两方面表征了序列间的差异,并优化了关联度算法,改善了传统灰色关联度的分辨率。运用关联结果,建立多变量区间灰数预测模型预测系统主行为序列的未来趋势。(5)运用新构建的灰色建模技术对长江三角洲地区的区域交通拥堵度问题进行研究。首先介绍了长三角地区概况以及区域交通压力日益增大的现状。通过收集与区域交通拥堵度有关的指标,提取区域内最高水平和最低水平形成区间灰数的上下界序列。运用基于区间灰数的灰色生成技术、单变量灰色预测模型和多变量灰色综合关联预测模型,对交通拥堵程度上下界数据的关键因素进行识别并对未来交通拥堵程度进行预测。