模型优点:数据少且无明显规律时可用,利用微分方程挖掘数据本质规律。 模型缺点:灰色预测只适合短期预测、指数增长的预测。 包含灰色预测在内的各种模型算法视频讲解(各模型的原理、例题和代码讲解,有课件和代码文件):
核心:灰色模型,即对原始数据作累加生成得到近似的指数规律再进行建模的方法。 优点: 不需要很多的数据,一般只需要4个数据就够; 能利用微分方程来充分挖掘系统的本质,精度高; 能将无规律的原始数据进行生成得到规律性较强的生成数列,运算简便,易于检验,具有不考虑分布规律,不考虑变化趋势。 缺点: 只适用于中长期的...
一般后验差比值C值小于0.35则模型精度高,C值小于0.5说明模型精度合格,C值小于0.65说明模型精度基本合格,如果C值大于0.65,则说明模型精度不合格。 输出结果 3 :模型拟合结果表 上表展示了灰色预测模型的拟合结果表。相对误差值越小越好,一般情况下小于20%即说明拟合良好。 输出结果 4:模型拟合预测图 通过上图可以直观...
缺点:只适用于中短期的预测,只适合近似于指数增长的预测。 电力负荷数据 定义GM(1,1)灰色模型 代码语言:javascript 复制 classGM11():def__init__(self):self.f=None deftrain(self,X0):X1=X0.cumsum()Z=(np.array([-0.5*(X1[k-1]+X1[k])forkinrange(1,len(X1))])).reshape(len(X1)-1,1)...
灰色预测GM(1,1)模型一般针对数据量少,有一定指数增长趋势的数据。在进行模型构建时,通常包括以下步骤: 第一步:级比值检验; 此步骤目的在于数据序列是否有着适合的规律性,是否可得到满意的模型等,该步骤仅为初步检验,意义相对较小。级比值=上一期值 / 当期值。一般情况下级比值介于(e^(-2/(n+1)), e^(...
步骤1 级比检验、建模可行性分析 对于给定序列x(0),能否建立精度较高的GM(1,1)预测模型,一般可用x(0)的级比σ(0)(k)的大小与所属区间,即其覆盖来判断。 事前检验准则:设x(0)=(x(0)(1),x(0)(2),...,x(0)(n)),x(0)(k),x(0)(k-1)∈x(0),且级比 ...
灰色预测预测模型地下水本文根据灰色预测理论,结合预测实践,主要阐述了以下观点:1)灰色建模的数据序列不一定越长越好;2)灰色 GM(1,1)导数还原预测模型的精度低于累加生成预测模型的精度;3)累减还原预测模型是灰色 GM(1,1)预测模型的最终预测模型.郑永胜长春地质学校地下水...
灰色模型GM(1,1)是由我国学者邓聚龙教授创立的灰色系统理论中的一个基本模型。该模型特别适用于处理小样本和不完全信息情况下的预测问题。在光伏发电量预测中,由于数据收集难度大、数据质量参差不齐,GM(1,1)模型能够在数据不足的情况下,通过一定的数据处理和模型构建,实现对光伏发电量的有效预测。此外,GM(1,1)模...
灰色预测是一种对含有不确定因素的系统进行预测的方法。灰色预测通过鉴别系统因素之间发展趋势的相异程度,即进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来发展趋势的状况。
灰色预测模型GM(1,1)的改进及应用