预测模型-灰色预测和神经网络预测

  一 灰色预测

1.系统分类

系统	白色系统	灰色系统	黑色系统
解释	系统的信息完全明确	系统的信息部分已知	系统内部信息未知

 2.灰色预测概念及建模套路

 处理离散非负数据，建立近似微分方程，预测灰色系统发展趋势

数据→画时间序列图→分析趋势→给数据分组:试验组和训练组→用SSE挑选最合适的模型→全体数据建模→预测结果，检验是否合理

3.GM(1，1)模型

①数据处理

x0:原始数据列   (x01,x02,x03.....)

x1:累加后的数据列    (x11=x01,x12=x01+x02,x13=x02+x0 3...)

z1:紧邻均值生成数列   z12=(x11+x12)/2,z13=(x12+x13)/2...

②模型原理

模型本质上是有条件的指数拟合，因为数据要符合准指数规律才可以使用灰色预测，，条件指的是系数需要自己求出来。

准指数规律:

检验准指数规律:将级比变形，在实际建模中多计算几期pk 

灰色微分方程:

其中发展系数-a的取值范围不同，对应不同的预测情形

本质上是一个离散的微分方程。 b:灰作用量   -a:发展系数 ，可根据一元线性回归模型求KB的方法求a,b，详见回归模型。

 白化方程:

本质上是连续的微分方程，灰色微分方程通过一定的推导可以转化为白化方程。过程可能用到微分方程(王)

④对GM（1，1）模型的评价

方法一:残差检验

注意，精度要求随实际变化，残差模型具有普遍应用性

方法二:级比偏差检验

  ⑤模型拓展

新信息GM（1，1）模型，新陈代谢GM（1，1）模型

二 BP神经网络预测

 万金油，使用时查询使用方法导入数据即可，数据越多预测效果越好