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;...
(一个包含1的区间) 则认为原始数列适合作GM(1,1)灰色预测,否则需要对x(0)作平移: 使得数列y(0)满足级比检验。 (2)建立模型 【4】 当初始数列或平移后的数列满足级比检验后,可用结论【4】进行预测, (3)检验预测值 (3.1)残差检验 计算残差 这里, 若 则认为预测达到一般要求; 若 则认为预测达到较高要求...
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,对系统的未来状态做出科学的定量预测。进而提供主要的基础数据,预测模型的建立如下: GUI界面的主要程序 GUI界面的主要程序如下,可以自己拓展延伸,需要完整GUI程序,可以进行赞赏后截图(10元及以上),...
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...
但灰色预测模型一般只适用于短期预测,只适合指数增长的预测,比如人口数量,航班数量,用水量预测,工业产值预测等。 灰色预测模型有很多,GM(1,1)模型使用最为广泛,第1个数字表示进行一阶微分,第2个数字1表示只包含1个数据序列。 特别提示: GM(1,1)模型仅适用于中短期预测,不建议进行长期预测; GM(1,1)模型适用...