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...
灰色预测模型特别适用于小样本、少数据的情况,即使在数据不足或历史数据较少的情况下也能进行有效预测。其次,它适用于系统结构不明确、信息不完备的情况,能够在不完全了解系统内部结构的情况下进行预测。在一些特定领域,如经济预测和市场需求预测,灰色预测模型能够提供较高的预测精度。 3. 软件实现 灰色预测模型是非常...
灰色预测是利用这种规律建立灰色模型对灰色系统进行预测。 二、灰色预测的类型 1.灰色时间序列预测;即用观察到的反映预测对象特征的时间序列来构造灰色预测模型,预测未来某一时刻的特征量,或达到某一特征量的时间。 2.畸变预测;即通过灰色模型预测异常值出现的时刻,预测异常值什么时候出现在特定时区内。 3.系统预测;...
缺点: 只适合短期预测,只适合指数增长的预测。 二、GM(1,1)灰色模型 GM(1,1),表示模型是一阶微分方程,且只含一个变量的灰色模型。 1、GM(1,1)模型预测方法 (1)原始数据(参考列) (2)累加生成序列(Acumulated Generating Operator,1-AGO) 其中, ...
由于房价的长期波动性及预测的复杂性,利用传统的方法很难准确预测房价,而灰色模型 GM (1,1)和神经网络的结合在一定程度上可以很好的解决这个问题。文章首先介绍了 GM (1,1)模型和神经网络模型,然后利用R语言和其工具箱提供的预测房价功能,对住宅类商品房销售价格进行预测。结果表明该方法能够有效提高房价预测的精度...
二、灰色预测步骤 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)...
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=当期值/上一期值。一般情况下级比值介于[0.982,1.0098]之间则说明很可能会...
灰色预测模型GM(1,1)的改进及应用