http://www.Sina.com/http://www.Sina.com /
基于数学建模的预测方法种类繁多，从经典的单耗法、弹性系数法、统计分析法，到目前的灰色预测法。当在使用相应的预测方法建立预测模型时，我们需要知道主要的一些预测方法的研究特点，优缺点和适用范围。下面就当下一些主要的预测方法进行总结：
预测模型名称
适用范围
灰色预测模型
该模型使用生成的数据序列，而不是原始数据序列。 核心体系是指Grey Model .即累计生成(或者在其他处理中生成)原始数据，得到近似指数规律并进行模型化的方法。
对于处理较少的模态数据，即使数据的样本空间不够大，也可以解决历史数据少、数组完整性和可靠性低的问题，可以生成不规则的原始数据得到规则性高的生成数组。
仅适用于中短期预测，仅适用于近似于指数增长的预测。
插值和拟合
适用于有物体运动轨迹图像的模型。 例如导弹运动轨迹测量的建模分析。
分为曲面拟合和曲线拟合。 拟合是找到得到的模拟曲线(曲面)与原始曲线(曲线)最接近，进而重叠的方法)函数)。 这个拟合的好坏可以用一个指标来判断。
时间序列预测法
基于客观事物发展的这种连续性规律性，利用历史数据，通过统计分析，进一步推测市场未来的发展趋势。 时间序列分析预测法处于中心位置。
一般用ARMA模型拟合时间序列，预测该时间序列的未来值。
Daniel检查稳定性。
自动回归ar (自动注册)和移动平均ma )预测模型。
遇到外界的巨大变化，往往会有较大的偏差，时间序列预测法比长期预测更有效。
马尔可夫预测
适用于随机现象的数学模型(即在已知当前情况的条件下，系统未来时刻的情况只与当前有关，与过去的历史没有直接关系) )。
研究某家店未来某个时间点的销售额，知道当前时间点的累计销售额时。
不适合系统的中长期预测
差分方程
用差分方程建模研究实际问题往往需要根据统计数据用最小二乘法拟合差分方程的系数。
适用于商品销量预测、投资保险收益率预测。
数据系统的稳定性还将对代数方程的求根作进一步讨论。
微分方程模型
应用于基于相关原理的因果预测模型往往是典型的物理或几何问题，假设条件，用数学符号表示规律，排列方程，求解的结果就是问题的答案。
优点是短、中、长期预测比较适合。 传染病预测模型、经济增长(或人口)预测模型、Lanchester战争预测模型等。
反映事物内部规律及其内在关系，但方程的建立基于局部规律的独立性假设，长期预测时误差较大，微分方程求解困难。
神经网络
数学建模中常用的是BP神经网络和径向基函数神经网络的原理及其在预测中的应用。
BP神经网络的拓扑结构及其训练模式。
RBF神经网络结构及其学习算法。
模型案例：预测某水库年径流量和因子特征值