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):
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 代码运行次数:0 运行 AI代码解释 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))]...
GM(1,1)模型根据估计模型参数时选取的矩阵的方法不同,可以分为均值GM(1,1)模型、原始差分GM(1,1)模型、均值差分GM(1,1)模型等多种类型。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...
灰色预测:主要特点:模型使用的不是原始数据序列,而是生成的数据序列。 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...
GM(1,1)模型有提供级比值检验,后验差比检验,模型残差检验等;并非所有检验均能完美,通常在可容忍范围内即可。 3、操作 本例子针对某城市1986~1992共7年的道路交通噪声平均声级数据进行预测,操作如下: 4、SPSSAU输出结果 SPSSAU共输出4个表格和1个模型拟合预测图。分别为: ...
【 GM(1,1)模型简介 】因此，为了满足灰色预测模型GM（1，1）的要求，我们需要进行线性平移预处理。这种预处理旨在确保数据始终落在适当的级比范围内。具体来说，线性平移就是将数据向上或向下移动一个最小的单位值，以便调整其级比以满足模型的条件。通过不断检查和调整，直至级比满足模型条件。【 GM(1,1)预...
模型为GM(n,h)模型,常用来预测的是GM(1,1): 该模型通过求解微分方程其预测模型一般形式为:灰色预测使用步骤: (1)对时间序列历史数据做一阶累加处理,得到生成数列: (2)建立GM...不需要典型的分布规律,计算量较低,对短期预测有较高精度。不适合随机波动较大的数据。灰色预测建模思想:直接将时间序列转化为微分...
从AIC的结果来看,arima(2,1,1)模型拥有最小的AIC值,因此为最优模型,因此将arima(2,1,1)模型作为最优模型。 对残差序列进行白噪声检验,通常考虑残差序列的随机性,即用伯克斯.皮尔斯 提出的I统计量进行检验,用修正的I统计量: 在这里X-squared的值就是0.21927,概率值为0.6396,说明拒绝原假设。犯第一类错误的...