数学建模常用模型01 :.灰色预测法

本文介绍了基于灰色建模理论的灰色预测法,主要包括数列预测的GM(1,1)模型,适用于数据样本点少、趋势明显的情况。文章详细阐述了模型建立过程、预测精度检验及修正方法,并提供了实际数据案例和MATLAB代码示例。" 113327283,10538744,Java Map接口深入解析:嵌套Map的使用与特性,"['Java集合框架', 'Map遍历', 'HashMap特性', '线程安全', '数据结构']
摘要由CSDN通过智能技术生成

给大家安利一款朋友开发的自研国产数据分析基础工具,一键式自动分析,自动生成分析模板,5分钟掌握主流61个统计类数学模型(几乎涵盖SPSS绝大部分功能),以及23个有监督机器学习(包括随机森林,SVM,XGBoost等)

PS:巨方便简单上手,貌似现在是免费

官网:www.mpaidata.com   mpai数据科学平台

 

基于灰色建模理论的灰色预测法,按照其预测问题的特征,可分为五种基本类型,即数列预测、灾变预测、季节灾变预测、拓扑预测和系统综合预测。这五种类型的预测方法,都是区域开发研究中重要而且常用的预测方法。本节只对数列预测法进行介绍。

灰色预测模型使用范围:

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

③只适合做中短期预测,不适合长期预测。

数列预测就是对某一指标的发展变化情况所作的预测,其预测的结果是该指标在未来各个时刻的具体数值。譬如,在地理学研究中,人口数量预测、耕地面积预测、粮食产量预测、工农业总产值预测,等等,都是数列预测。

数列预测的基础,是基于累加生成数列的GM(1,1)模型。

{x^{(0)}}(1),{x^{(0)}}(2), \cdots ,{x^{(0)}}(M)是所要预测的某项指标的原始数据。

一般而言,\{ {x^{(0)}}(t)\} _t^M = 1是一个不平稳的随机数列,对于这样一个随机数列,如果数据趋势无规律可循,则无法用回归预测法对其进行预测。

如果对作依次累加生成处理,即

则得到一个新的数列\{ {x^{(1)}}(t)\} _t^M = 1。这个数列与原始数列

  • 47
    点赞
  • 251
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值