前面以为合适的预测模型就那么几个,后面思路越来越清晰,细节多了,适用的方法也多了,现在发现模型越来越多。之前的思路先放一放。先总结下学术上有多少预测方法及使用相应方法的一些文献
一、传统数学统计学方法
1.马尔可夫模型预测
2.朴素贝叶斯预测
3.高斯过程预测
4.灰色模型
二、机器学习方法、启发式算法
5.机器学习预测:SVM,BP,神经网络
6.仿生算法:粒子群算法,遗传算法,
三、深度学习预测
四、波形处理算法
7.卡尔曼滤波
乱七八糟的结合:
http://xueshu.baidu.com/s?wd=paperuri%3A%284a33cf512bf11c65bac5e25163fb0d90%29&filter=sc_long_sign&sc_ks_para=q%3D%E9%87%8F%E5%AD%90%E9%81%97%E4%BC%A0%E7%AE%97%E6%B3%95%E4%BC%98%E5%8C%96BP%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E7%9A%84%E7%BD%91%E7%BB%9C%E6%B5%81%E9%87%8F%E9%A2%84%E6%B5%8B&sc_us=3174590246271440901&tn=SE_baiduxueshu_c1gjeupa&ie=utf-8
数据预测之BP神经网络https://www.cnblogs.com/sallybin/p/3169572.html
卡尔曼滤波http://blog.csdn.net/gdfsg/article/details/50904811