一、预测与预报
1、灰色预测模型(必掌握)
解决预测类型题目。由于属于灰箱模型,一般比赛期间 不优先 使用。
满足两个条件可用:
①数据样本点个数少, 6-15 个
②数据呈现指数或曲线的形式
2、微分方程预测(高大上、备用)
微分方程预测是方程类模型中最常见的一种算法。 近几年比赛都有体现, 但
其中的要求,不言而喻。学习过程中 无法直接找到原始数据之间的关系, 但可以找到原始数据变化速度之间的关系,通过公式推导转化为原始数据的关系。
3、回归分析预测(必掌握)
求一个因变量与若干自变量之间的关系, 若自变量变化后, 求因变量如何变
化; 样本点的个数有要求:
①自变量之间协方差比较小,最好趋近于 0,自变量间的相关性小;
②样本点的个数 n>3k+1,k 为自变量的个数;
③因变量要符合正态分布
4、马尔科夫预测(备用)
类似的名词有,马尔科夫链、马尔科夫模型,马氏链模型等
一个序列之间没有信息的传递, 前后没联系, 数据与数据之间随机性强, 相
互不影响;
例如:今天的温度与昨天、后天没有直接联系,预测后天温度高、中、低的
概率,只能得到概率。
思考马尔科夫和元胞自动机之间的关系
5、时间序列预测(必掌握)
与马尔科夫链预测互补,至少有 2个点需要信息的传递,
ARMA模型,周期 模型,季节模型等
6、小波分析预测(高大上)
数据无规律,海量数据,将波进行分离,分离出周期数据、规律性数据;可
以做时间序列做不出的数据,应用范围比较广
7、神经网络预测(备用)
大量的数据,不需要模型,只需要输入和输出,黑箱处理,建议作为检验的
办法
8、混沌序列预测(高大上)
比较难掌握,数学功底要求高
9、插值与拟合(必掌握)
拟合以及插值还有逼近 是数值分析的三大基础工具,通俗意义上它们的区别在于 :
拟合 是已知点列,从整体上靠近它们 ;(拟合出一条线)
插值 是已知点列并且完全经过点列 ; (求出中间点的值)
逼近 是已知曲线,或者 点列,通过逼近使得构造的函数无限靠近它们。
10、灰色关联分析法(必掌握)
与灰色预测模型一样,比赛不能优先使用
二、评价与决策
11、模糊综合评判(备用)
评价一个对象优、良、中、差等层次评价,评价一个学校、安全评价等,
不能排序(想求出排名用R语言,对评价的得分进行排名)
12、主成分分析(必掌握)
评价多个对象的水平并排序,指标间关联性很强
13、层次分析法( AHP)(必掌握)