文章目錄

• 前言
• 一、灰色預(yù)測(cè)模型
• • 1.概述
  • 2.流程
  • 3.使用情景
• 二、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型
• 三、預(yù)測(cè)題的常規(guī)套路
• 總結(jié)

---

前言

灰色預(yù)測(cè)適用于數(shù)據(jù)量少的情況下使用。
BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)適合在數(shù)據(jù)量多且指標(biāo)多的情況下使用。

---

一、灰色預(yù)測(cè)模型

1.概述

• 灰色預(yù)測(cè)是對(duì)既含有已知信息又含有不確定信息的系統(tǒng)進(jìn)行預(yù)測(cè)，就是對(duì)在一定范圍內(nèi)變化的、與時(shí)間有關(guān)的灰色過(guò)程進(jìn)行預(yù)測(cè)。
• 灰色預(yù)測(cè)對(duì)原始數(shù)據(jù)進(jìn)行生成處理來(lái)尋找系統(tǒng)變動(dòng)的規(guī)律，并生成有較強(qiáng)規(guī)律性的數(shù)據(jù)序列，然后建立相應(yīng)的微分方程模型，從而預(yù)測(cè)事物未來(lái)發(fā)展趨勢(shì)的狀況。

2.流程

累加生成

建立GM（1，1）模型

檢驗(yàn)預(yù)測(cè)值

3.使用情景

數(shù)據(jù)是以年份度量的非負(fù)數(shù)據(jù)（如果是月份或者季度數(shù)據(jù)一定要用時(shí)間序列模型）；

數(shù)據(jù)能經(jīng)過(guò)準(zhǔn)指數(shù)規(guī)律的檢驗(yàn)（除了前兩期外，后面至少90%的期數(shù)的光滑比要低于0.5）；

數(shù)據(jù)的期數(shù)較短且和其他數(shù)據(jù)之間的關(guān)聯(lián)性不強(qiáng)（小于等于10，也不能太短了，比如只有3期數(shù)據(jù)），要是數(shù)據(jù)期數(shù)較長(zhǎng)，一般用傳統(tǒng)的時(shí)間序列模型比較合適。

---

二、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

閱讀博客：

• BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)matlab代碼講解與實(shí)現(xiàn)步驟
• BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)實(shí)例（matlab代碼，神經(jīng)網(wǎng)絡(luò)工具箱）
• BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型

---

三、預(yù)測(cè)題的常規(guī)套路

看到數(shù)據(jù)后先畫(huà)時(shí)間序列圖并簡(jiǎn)單的分析下趨勢(shì)（例如：我們上一講學(xué)過(guò)的時(shí)間序列分解）；

將數(shù)據(jù)分為訓(xùn)練組和試驗(yàn)組，嘗試使用不同的模型對(duì)訓(xùn)練組進(jìn)行建模，并利用試驗(yàn)組的數(shù)據(jù)判斷哪種模型的預(yù)測(cè)效果最好（比如我們可以使用SSE這個(gè)指標(biāo)來(lái)挑選模型，常見(jiàn)的模型有指數(shù)平滑、ARIMA、灰色預(yù)測(cè)、神經(jīng)網(wǎng)絡(luò)等）。

選擇上一步驟中得到的預(yù)測(cè)誤差最小的那個(gè)模型，并利用全部數(shù)據(jù)來(lái)重新建模，并對(duì)未來(lái)的數(shù)據(jù)進(jìn)行預(yù)測(cè)。

畫(huà)出預(yù)測(cè)后的數(shù)據(jù)和原來(lái)數(shù)據(jù)的時(shí)序圖，看看預(yù)測(cè)的未來(lái)趨勢(shì)是否合理。

---

總結(jié)

補(bǔ)充閱讀：【數(shù)學(xué)建模】灰色預(yù)測(cè)模型（預(yù)測(cè)）

總結(jié)

以上是生活随笔為你收集整理的数学建模 —— 预测模型的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。