- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 563428 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174251
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
数学建模之预测模型总结; h) t9 y$ w( x- k/ }4 s7 p. g5 M
7 M* ]; Z9 T' e6 t; ?) E- x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:
" S* c# E# G4 u. e7 P- b0 ^预测模型名称9 x; n8 N4 X! _
适用范围6 Z- Y( e, C8 P" h
优点
* T" \, t6 _- L7 F( v缺点
; x, d+ h" ?6 g) B5 i9 J7 Q0 i灰色预测模型
; I' |& z( ]+ a该模型使用的不是原始数据的序列,而是生成的数据序列。核心体系是Grey Model.即对原始数据作累加生成(或其他处理生成)得到近似的指数规律再进行建模的方法。
+ h% K) q: l; d& T' r在处理较少的特征值数据,不需要数据的样本空间足够大,就能解决历史数据少、序列的完整性以及可靠性低的问题,能将无规律的原始数据进行生成得到规律较强的生成序列。2 K4 {! ^ R c7 b( l
只适用于中短期的预测,只适合近似于指数增长的预测。# S% O9 `' Y$ ?- z
插值与拟合
( V; `1 M/ _/ G7 |' T适用于有物体运动轨迹图像的模型。如导弹的运动轨迹测量的建模分析。
5 o1 t# R$ r1 ~- Q6 g分为曲面拟合和曲线拟合,拟合就是要找出一种方法(函数)使得得到的仿真曲线(曲面)最大程度的接近原来的曲线(曲线),甚至重合。这个拟合的好坏程度可以用一个指标来判断。
0 @& c6 Q, C* _- I v* D# }时间序列预测法
; R+ M1 ~/ q% @/ I根据客观事物发展的这种连续规律性,运用过去的历史数据,通过统计分析,进一步推测市场未来的发展趋势。时间序列在时间序列分析预测法处于核心位置。
3 \$ P+ G. W) D( J1 _6 l一般用ARMA模型拟合时间序列,预测该时间序列未来值。
* p; S/ e! J* Y0 e1 ?$ o$ _- ^Daniel检验平稳性。2 R; `2 E6 @/ Q1 G4 q- f0 Q! }7 g% R
自动回归AR(Auto regressive)和移动平均MA(Moving Average)预测模型。$ [8 X3 g9 H- f* L! h
当遇到外界发生较大变化,往往会有较大偏差,时间序列预测法对于中短期预测的效果要比长期预测的效果好。
4 W3 ^- S* |& ~2 q- R9 G7 g$ J马尔科夫预测5 j# Z2 j ?% y0 M4 b
适用于随机现象的数学模型(即在已知现情况的条件下,系统未来时刻的情况只与现在有关,而与过去的历史无直接关系)4 } o6 b( S8 K, g& x
研究一个商店的未来某一时刻的销售额,当现在时刻的累计销售额已知。
$ @ j+ ]& ^% T$ I不适宜用于系统中长期预测$ Y2 C/ z! K' c
差分方程% H+ e6 s1 g; z+ f
利用差分方程建模研究实际问题,常常需要根据统计数据用最小二乘法来拟合出差分方程的系数。
8 F* d$ x3 j! b适用于商品销售量的预测、投资保险收益率的预测。& ~ D7 L) M; s+ W- J+ v
数据系统的稳定性还要进一步讨论代数方程的求根。; c$ Y9 Z4 Y i4 O$ W
微分方程模型
8 Z/ b2 I0 E1 O# ~适用于基于相关原理的因果预测模型,大多是物理或几何方面的典型问题,假设条件,用数学符号表示规律,列出方程,求解的结果就是问题的答案。9 u0 A E7 h" Y: Y
优点是短、中、长期的预测都适合。如传染病的预测模型、经济增长(或人口)的预测模型、Lanchester战争预测模型。5 g" e% h: m) x& q6 s( b+ `
反应事物内部规律及其内在关系,但由于方程的建立是以局部规律的独立性假定为基础,当作为长期预测时,误差较大,且微分方程的解比较难以得到。
) F+ X) ~4 t: t+ s% S神经元网络7 S2 }( H! x- h1 Q6 D+ t" r
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。
$ ]( F- \* U: e+ W- y1 f- ?BP神经网络拓扑结构及其训练模式。
+ B* J" k4 M2 U, CRBF神经网络结构及其学习算法。8 r! E. F' J! n
模型案例:预测某水库的年径流量和因子特征值
. m$ n" l4 G5 h& l7 r————————————————' l0 N" G; ]( b7 T
版权声明:本文为CSDN博主「JIANTAO_YI」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
# x# O5 m5 v) I* ]2 P+ D原文链接:https://blog.csdn.net/yijiantao/article/details/51142953- ^. ]7 }, v5 ^' L; @3 ^
' }6 w; k/ `& Z3 X* S/ b1 L
) C7 V0 {7 L( Z# o* g0 k
|
zan
|