该方法首先使用多项式回归对30个数据点进行拟合，定义上下限数据序列。然后，基于这些序列训练灰色预测模型，得到上下限模型结构。通过PSO算法优化模型，目标是最小化原始数据落在预测区间外的比例（控制在5%内）。系统能实时更新，新数据到来时会替换旧数据，保持预测的时效性。
1：有一组数据，先用多项式回归模型拟合这30个数据，得到拟合线，根据偏离在这条拟合线之上的数据集作为上限数据序列，把偏离在这条拟合线之下的数据集作为下限数据序列；
2：用第一步得到的上下限数据序列分别训练灰色预测模型，能够得到灰色预测模型的上下限模型结构；
3：用PSO粒子群算法，优化灰色预测模型的上下限模型结构，其中目标函数是原始数据序列落入上下限之外的越少越好，即在5%以内；
4，用优化后的灰色预测模型的上下限模型结构，得到预测区间；
整个过程是实时的，从一开始的原始数据会更新，来一个新的去掉一个旧的。
结果展示
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
