灰色预测的主要特点是模型使用的不是原始数据序列,而是生成的数据序列。其核心体系是灰色模型(Grey Model,简称GM),即对原始数据作累加生成(或其他方法生成)得到近似的指数规律再进行建模的方法。
优点是不需要很多的数据,一般只需要4个数据就够。缺点是只适合于中短期的预测,只适合指数增长的预测。
GM(1,1)预测模型1阶微分方程,只含1个变量
GM(1,1)模型预测步骤
1.数据的检验与处理
2.建立模型
3.检验预测值
(1)残差检验
(2)级比偏差检验
4.预测数据
灰色预测模型使用条件:
1.已知数据[x,y]的组合大于4组,小于10组。(已知的样本数据过小或过大可选择其他的方法预测)
2.在实际应用中,数据通常是以年份度量的非负数据(如果是月份或季度数据可用时间序列模型)
3.数据能经过准指数规律的检验(除了前两期外,后面至少90%的期数的光滑比要低于0.5&#x