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...
模型缺点:灰色预测只适合短期预测、指数增长的预测。
均值GM(1,1)模型是邓聚龙教授首次提出的灰色预测模型,也是目前影响最大、应用最为广泛的形式,这里介绍基于累加生成数列的均值GM(1,1)模型,简称EGM。 一、GM(1,1)模型建模原理 1. 对原始数据作一次累加 设原始灰色数据为x(0)(1),x(0)(2),...,x(0)(n),记为x(0)=(x...
灰色GM(1,1)模型具有计算简便、所需样本量少、预测精度较高等优点。 三、灰色GM(1,1)模型的优化 针对原始灰色GM(1,1)模型的局限性,本文提出以下优化方法: 1.数据预处理优化:通过改进数据预处理方法,如采用更合理的累加生成序列方法,以提高模型的适应性和预测精度。 2.模型参数优化:通过引入其他参数或采用优化...
基本思想是用原始数据组成原始序列(0),经累加生成法生成序列(1),它可以弱化原始数据的随机性,使其呈现出较为明显的特征规律。对生成变换后的序列(1) 建立微分方程型的模型即 GM 模型。 优点:所需的历史数据少,在能源预测应用广泛。 灰色预测是通过原始数据的处理和灰色模型的建立,发现、掌握系统的发展规律,对系...
GM(2,1)模型则是用来看那些下降趋势的数据,它的处理方法跟GM(1,1)有点像,但是会多一个步骤,它不仅仅进行一次加总处理,还会对加总过的数据进行再一次的处理。这样就可以应对那些变化更加复杂的数据序列。 灰色预测模型用起来简单方便,而且很灵活,所以在经济分析、环境预测、物流规划这些领域都很受欢迎。它对于短...
GM(1_1)模型,灰色预测小额贷款远程智能预警系统 人数预测算法的设计 一、灰色系统的引入: 灰色系统是指“部分信息已知,部分信息未知”的“小样本”,“贫信息”的不确定性系统,它通 过对“部分”已知信息的生成、开发去了解、认识现实世界,实现对系统运行行为和演化 规律的正确把握和描述. 灰色系统模型的特点: 对...
GM(1,1)预测模型的简要原理是指:首先利 用累加的技术使数据具备指数规律,然后建立一 阶微分方程并对其求解,将所求结果再累减还原, 即为灰色预测值,从而对未来进行预测 。 步骤1:在建立灰色预测模型之前必须要保障 建模方法的可行性,即需要对已知的原始数据进行级比检验 。 设初始非负数据序列为 ...
针对原始灰色GM(1,1)模型预测精度不高的问题,本文提出以下优化方法: 1.数据预处理:在建模前对数据进行预处理,如去除异常值、平滑处理等,以提高数据的可靠性和准确性。 2.模型参数优化:通过引入遗传算法、粒子群算法等优化算法,对模型参数进行优化,使模型更好地拟合原始数据。 3.模型检验与修正:通过建立检验统计量...