数学建模——预测模型简介

Posted somedayli

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数学建模——预测模型简介相关的知识,希望对你有一定的参考价值。

在数学建模中,常常会涉及一些预测类问题。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,到现在的灰色预测法、专家系统法和模糊数学法、甚至刚刚兴起的神经元网络法、优选组合法和小波分析法等200余种算法。下面将简要介绍几类预测方法:微分方程模型、灰色预测模型、差分方程预测、马尔可夫预测、插值与拟合、神经元网络。

一、下面是这几种类型的使用场景对比:

 

模型方法

适用场景

优点

缺点

微分方程模型

因果预测模型,大多为物理、几何方面的典型问题,其基本规律随着时间的增长呈指数增长,根据变量个数确定微分方程模型。

适用于短、中、长期的预测,既能反映内部规律以及事物的内在关系,也嫩能够分析两个因素之间的相关关系,精度高便与改进。

由于反映的内部规律,方程建立与局部规律的独立性为假定基础,长期预测的偏差性较大。

灰色预测模型

该模型不是使用原始数据,而是通过求累加、累减、均值中的两种或者全部方法生成的序列进行建模的方法。

不需要大量数据,一般四个数据即可,能够解决历史数据少、序列完整性及可靠性低的问题。

只适用于指数增长的中短期预测。

差分方程预测

常根据统计数据选用最小二乘法拟合出差分方程的系数,其稳定性依赖于代数方程的求根。

差分方程代替微分方程描述,在方程中避免了导函数,可以用迭代的方式求解。

精度较低(用割线代替切线。)

马尔可夫预测

某一系统在已知情况下,系统未来时刻的情况只与现在时刻有关,与历史数据无关的情况。

对过程的状态预测效果良好,可考虑用于生产现场危险状态的预测。

不适宜于中长期预测。

插值与拟合

适用于物体轨迹图像的模型。例如,导弹的运动轨迹测量的预测分析。

分为曲线拟合和曲面拟合,通过找到一个函数使得拟合原来的曲线,这个拟合程度可以用一个指标来进行判断。

神经元网络

在控制与优化、预测与管理、模式识别与图像处理、通信等方面有十分广泛的应用。

多层前向BP网络适用于求解内部机制复杂的问题,有一定的推广、概括能力。

多层前向BP网络学习速度较慢,训练失败的可能性较大。

时间序列

根据客观事物的连续性规律,运用历史数据,经过统计分析推测市场未来的发展趋势。

经济类问题中,生长曲线、指数平滑法均对短期波动把握不高,AR自回归模型可以既考虑经济现象在时间序列上的依存性,又考虑随机波动的干扰性。

经济类问题,从长期看具有一定的规律,而短期可能受到宏观调控、市场现时期的需求供应变化使得预测困难。

二、算法的细致讲解,访问链接:

1.灰色预测模型

以上是关于数学建模——预测模型简介的主要内容,如果未能解决你的问题,请参考以下文章

挖掘建模

数学建模-预测模型优缺(搬运)

预测模型笔记

数学建模灰色预测模型 -- 学习笔记

数学建模基于多种预测模型进行公路流量预测matlab

备战数学建模33-灰色预测模型2