数学建模之预测模型总结

杨利霞

数学建模之预测模型总结

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：
' V! x8 U* ^" g" t$ Q5 {预测模型名称
5 D7 B' _3 g  t适用范围
优点
" x  y, v$ r" Y  H缺点
; L1 b5 V( c8 h. C' p1 w9 Y灰色预测模型
, L) ^! B) |) ?+ `* z/ ?  V! m% h/ Z+ ~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。
* k& g( [7 b% U) {2 f+ y& K. x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。
1 m, u& A1 n  V! F7 k- f- j) G只适用于中短期的预测，只适合近似于指数增长的预测。
插值与拟合
( c5 x* h/ @+ L6 s4 o- Q+ K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。
4 ~5 G7 J1 F2 ^, A! I( ?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。
) a: a8 z3 U) {1 \; L6 X0 j% O6 R时间序列预测法
/ `+ G" N1 b  |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。
一般用ARMA模型拟合时间序列，预测该时间序列未来值。
) B5 G) E4 E, m$ a# H0 wDaniel检验平稳性。
自动回归AR(Auto regressive)和移动平均MA(Moving Average)预测模型。
, h! x  {- e! S( h( U' O$ t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 e% l2 U! l/ @. N4 O  j; o马尔科夫预测
' q9 i% r3 R8 d, C/ ^: Q# ~, M* ]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）
) U) R- K/ n" O5 q8 E9 m) j' U/ h. u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。
不适宜用于系统中长期预测
差分方程
9 v2 n# I0 a# X. X: \$ T, Z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。
适用于商品销售量的预测、投资保险收益率的预测。
数据系统的稳定性还要进一步讨论代数方程的求根。
( `( ], o, f, L# b. g0 a微分方程模型
5 h7 f6 K, _9 _% n6 m8 f9 G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。
. F, s* l1 i2 z/ h7 o8 N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。
: @4 p3 r% |5 |% M  |$ X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。
神经元网络
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。
/ _# Q+ V1 E4 J  V5 f- D& N7 iBP神经网络拓扑结构及其训练模式。
, Y% A- ^% N/ I( b2 DRBF神经网络结构及其学习算法。
模型案例：预测某水库的年径流量和因子特征值
/ G5 m8 S7 q" v————————————————
+ {( k/ e7 P8 x0 h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。
7 u) z9 E  O+ H6 M, t原文链接：https://blog.csdn.net/yijiantao/article/details/51142953
2 n2 w$ Z4 }( E0 t# K0 A
2 B2 M" t1 K% j: Y" o4 o. r
4 o) K5 r2 a! ~: o