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