现在想做关于满意度的灰色关联分析，有13个指标，应该怎么确定参考数列？随便指定吗？ 你好！确定参考数据列作为理想的比较标准，通常可以以各度量标准的最优值（或最劣值）构成参考数据列 我的回答你还满意吗~1）确定反映系统行为特征的参考数列和影响系统。
广义灰色关联度-绝对关联度
请问灰色关联度与相关系数的区别在哪里？ 当然有区别。相关系数，是一个经典的统计量。反映变量之间的线知性关联关系。灰色关联度，是邓聚龙自己发明的一种关于变量之间的关联关系的量。注意，我这里说的是关联关系。解释性地理解，是以两个变量变化道的几何形状的相似程度来判定二者的关联关系的。但实际上，目回前关于这一标准并没有很好的理论基础，目前实际上也只是在论文，或者说学术研究中才有人用这个东西。如果想要更好地理解关联关系，建议去找答一本统计学的书，好好看一看偏相关分析。
用灰色关联度分析得到的相关度多大算主要因素 当然有区别。相关系数，是一个经典的统计量。反映变量之间的线性关联关系。灰色关联度，是邓聚龙自己发明的一种关于变量之间的关联关系的量。注意，我这里说的是关联关系。解释性地理解，是以两个变量变化的几何形状的相似程度来判定二者的关联关系的。但实际上，目前关于这一标准并没有很好的理论基础，目前实际上也只是在论文，或者说学术研究中才有人用这个东西。如果想要更好地理解关联关系，建议去找一本统计学的书，好好看一看偏相关分析。
请问灰色关联度与相关系数的区别在哪里？ 当然有区别。相关系数，是一个经典的统计量。反映变量之间的线性关联关系。灰色关联度，是邓聚龙自己发明的一种关于变量之间的关联关系的量。注意，我这里说的是关联关系。。
通过确定合理的参考数列和因素数列，采用灰色关联分析法可以筛选出对含水影响较大的单井，从而为采取针对性的措施提供依据。其步骤如下：1)参考数列确定：以油田含水为参考数列。2)因素数列确定：油田含水的变化主要受单井产水量的影响，因此因素数列为所有油井，指标为各油井的产水量。3)初始序列的无量纲化：由于含水率和产水量都为趋小指标，采用式(3-44)进行标准化。4)关联系数、关联度、关联序的计算方法同前。5)应用。2008年永8断块油藏共有21口油井生产，利用灰色关联分析对油藏含水影响较大的油井进行了筛选，各井关联序如表3-8，可以看出对该年度含水影响最大的为XLA8P8井，月产水量从1月份的3141m3增加到12月份的4684m3，而月产油量却从572t减小到345t；其次为XLA8X22井。2009年对两口井分别采取了完善注采井网和补孔改层的调整措施，取得了良好效果。表3-8 永8油藏2008年油井对含水关联度计算结果
求解灰色关联分析及详细过程，求关联系数L和关联度R，实在是头都大了！ 灰色系统理论提出了对各子系统进行灰色关联度分析的概念，意图透过一定的方法，去寻求系统中各子系统（或因素）之间的数值关系。因此，灰色关联度分析对于一个系统发展变化态势提供了量化的度量，非常适合动态历程分析。2具体计算步骤编辑（1）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。（2）对参考数列和比较数列进行无量纲化处理由于系统中各因素的物理意义不同，导致数据的量纲也不一定相同，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，一般都要进行无量纲化的数据处理。（3）求参考数列与比较数列的灰色关联系数ξ（Xi）所谓关联程度，实质上是曲线间几何形状的差别程度。因此曲线间差值大小，可作为关联程度的衡量尺度。对于一个参考数列X0有若干个比较数列X1，X2，…，Xn，各比较数列与参考数列在各个时刻（即曲线中的各点）的关联系数ξ（Xi）可由下列公式算出：其中 ρ为分辨系数，一般在0~1之间，通常取0.5。是第二级最小差，记为Δmin。是两级最大差，记为Δmax。为各比较数列Xi曲线上的每一个点与参考数列X0曲线。
怎样用matlab做灰色关联度分析方法 function f=grayrelated(X，Y)这里X是标准化后的参考序列，Y是评价矩阵Y=71.8 90.1 0.57 0.45 051 40.2 0.38 0.55 10.552 25 0.22 0.52 1268 90 0.38 0.38 2128 40 0.32 0.3 18.551 45 0.15 0.3 576 95 0.7 0.55 1287 95 0.7 0.5 9.876 90 0.57 0.5 1150 35 0.32 0.35 2068 90 0.57 0.35 18.582 95 0.7 0.35 0100 200 1 1 097.5 180 0.94 0.95 1.395 160 0.88 0.9 2.586.3 105 0.68 0.75 6.382.5 90 0.6 0.7 7.578.8 75 0.53 0.65 8.875 60 0.45 0.7 7.568.8 52.5 0.41 0.55 13.862.5 45 0.38 0.5 17.556.3 37.5 0.34 0.45 21.343.8 26.3 0.28 0.35 50.650 30 0.3 0.4 2537.5 22.5 0.25 0.3 7531.3 18.8 0.23 0.25 10018.8 11.3 0.15 0.15 168.825 15 0.2 0.2 12512.5 7.5 0.1 0.1 212.56.3 0.8 0.05 0.05 256.3输入评价矩阵YX=[1 1 1 1 1]；X为参考序列，均为1，个数就是指标个数，情形不同要修改个数Len=size(Y，2)；取Y矩阵的列数，也就是指标的个数Wen=size(Y，1)；取行数，就是目标个数for i=1：LenY(：，i)=(Y(：，i)-mean(Y(：，i)))/sqrt(var(Y(：，i)))；将Y矩阵用统计方法标准化标准化，endfor i=1：Len-1S(：，i)=(Y(：，i)-min(Y(：，i)))./。
