灰度预测
概念
灰度预测是时间序列分析中的一种预测方法。一种对含有不确定因素的系统进行预测的方法。
灰度预测的类型
- 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。 - 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。 - 系统预测
通过对系统行为特征指标建立一组相互关联的灰色预测模型,预测系统中众多变量间的相互协调关系的变化。 - 拓扑预测
将原始数据作曲线,在曲线上按定值寻找该定值发生的所有时点,并以该定值为框架构成时点数列,然后建立模型预测该定值所发生的时点。
在建立灰色预测模型之前,需先对原始时间序列进行数据处理,经过数据处理后的时间序列即称为生成列。灰色系统常用的数据处理方式有累加和累减以及加权累加。
数据处理方式
- 累加生成(AGO)
- 累减生成(IAGO)
- 加权生成
灰度模型GM(1,1) GM(1,1)
** GM(1,1)模型适合具有较强的指数规律的数列,只能描述单调的变化过程,对于非单调的振荡数据则不适用,可以考虑建立 GM(2,1)和DGM 可以用于振荡数据,DGM是针对GM的稳定性不足,误差较大做的改进,是二维灰色预测。 Verhulst 主要用来描述具有饱和状态S型的过程,比如人口预测、生物种群增长等。**
已知如下数据:
灰度Verhulst模型
略
灰度模型DGM(2,1)
略
灰度预测流程
略
基于灰度预测模型实现云资源动态伸缩功能
[1]王天泽.基于灰色模型的云资源动态伸缩功能研究[J].软件导刊,2018,17(04):131-134.