学习自:b站清风数学建模
灰色预测GM (1,1 )模型的原理灰色系统
GM (1,1 )模型: grey model一阶微分、一变量。
累积生成减弱随机性的比较规则的新离散数据串。
GM (1,1 )的原理详细参照PPT
准指数规律的检验
发展系数和预测
GM (1,1 )模型的评价残差检验
从真值中减去预测值
液位偏差检查
什么时候用灰色预测
灰色预测例题
1 .如果有季节性的话,请一定要按时间顺序分解一下。
2 .可以将数据分为训练和实验组,然后进行预测。
用不同的模型建模
这个样子我们有真实的数据,可以和预测的数据进行比较。
然后看SSE误差平方和哪个最小。
3 .选择误差小的模型,用所有数据建模预测。
4 .绘制原始数据的时序图和预测后数据的时序图,看看预测的未来趋势是否合理。
GM (1,1 )灰色预测代码说明灰色预测的思考
1 .时间序列图的数据趋势是什么,是平稳的?
灰色预测模型需要非负序列,不允许负数存在。
期间数小于4期时,预测可靠性较低。 所以设定为4。
2.x(1)序列是否满足准指数规律。 因为GM ) 1,1 )模型的本质是对指数的拟合。
指标1 :如果大部分数据在0到0.5之间,则认为通过了准指数规律检查。
指标2 :两个时期除外。
一般指标1大于60%,指标2大于90%
输入3.0后,不再满足准指数规律,程序退出。
4 .用户输入需要预测的后续期数。
由于周期少,不需要训练组和实验组,直接用3种GM模型进行预测,求平均。
以最后两期为试验组,用于预测。 然后用3种GM模型进行预测。 利用真值和预测值两期数据,分别计算出三个模型的SSE,选择误差平方SSE和最小模型作为我们建模的模型。
数据期数大于7时,取3个试验组用于预测。 方法是一样的。
5 .绘制图形,查看结果趋势是否合理,再进行残差检查和等级比偏差检查
原始数据被放置在次坐标轴上。
灰色预测代码参照main.m参照pdf、matlab代码
简要介绍神经网络应用万金油进行预测的神经网络
借鉴别人的神经网络,里面的一些原理,可以改变它。
使用工具箱请参阅pdf第40页
空网络拟合。
的算法通常使用第一个或第三个。
最佳模特,第16次。
回归的结果
真实值和预测值回归了。
神经网络存在过拟合问题。
我对预测模型的一些看法和本节的工作叫什么预测模型?
推荐并预测拟合算法。 (或者时间序列等与神经网络相比没有那么复杂的模型。 )
因为有具体的公式,所以公式可以自己定义。 自定义
画流程图