El primer día del segundo párrafo _ modelo de pronóstico gris

Modelo de predicción gris

Características del sistema gris

(1) Utilice matemáticas grises para lidiar con cantidades inciertas y cuantificarlas

(2) Hacer un uso completo de la información conocida para buscar la ley de movimiento del sistema.

(3) La teoría del sistema gris puede manejar sistemas de información deficientes

Hay cinco tipos de sistemas de pronóstico gris

(1) Predicción de secuencia

Es decir, utilice la serie de tiempo observada que refleja las características del objeto predicho para construir un modelo de pronóstico gris para predecir la cantidad de características en un momento determinado en el futuro, o el tiempo para alcanzar una determinada cantidad de características

(2) Catástrofe y predicción de valores atípicos

Es decir, el modelo gris se utiliza para predecir el momento en que aparece el valor atípico y cuando aparece el valor atípico en una zona horaria específica.

(3) Catástrofe estacional y predicción de valores atípicos

Es decir, el modelo gris se usa para predecir el valor de la catástrofe que ocurre en una zona horaria o temporada específica dentro de un año.

(4) Predicción topológica

Los datos originales se dibujan como una curva, todos los puntos de tiempo cuando el valor fijo ocurre en la curva, y el valor fijo se usa para formar la serie de puntos de tiempo, y luego se construye un modelo para predecir el punto de tiempo cuando el valor fijo ocurre.

(5) Previsión del sistema

Mediante el establecimiento de un conjunto de modelos de predicción de grises interrelacionados para los indicadores de características de comportamiento del sistema, se predicen los cambios en la relación coordinada entre muchas variables del sistema.

Cómo crear una previsión gris basada en modelos.

1: preprocesamiento de datos

Primero, consideremos el problema con un ejemplo simple.

Acumular datos

2 Principio de modelado

Modelo GM (1, 1)

Si escribe un artículo, vaya aquí

https://www.cnblogs.com/wuzaipei/p/11925321.html

Código GM (1,1)

灰色预测步骤
（1）输入前期的小样本数据
（2）输入预测个数
（3）运行
y=input('请输入数据');
n=length(y);
yy=ones(n,1);
yy(1)=y(1);
for i=2:n
    yy(i)=yy(i-1)+y(i)
end
B=ones(n-1,2);
for i=1:(n-1)
    B(i,1)=-(yy(i)+yy(i+1))/2;
    B(i,2)=1;
end
BT=B';
for j=1:(n-1)
    YN(j)=y(j+1);
end
YN=YN';
A=inv(BT*B)*BT*YN;
a=A(1);
u=A(2);
t=u/a;
t_test=input('输入需要预测的个数');
i=1:t_test+n;
yys(i+1)=(y(1)-t).*exp(-a.*i)+t;
yys(1)=y(1);
for j=n+t_test:-1:2
    ys(j)=yys(j)-yys(j-1);
end
x=1:n;
xs=2:n+t_test;
yn=ys(2:n+t_test);
plot(x,y,'^r',xs,yn,'*-b');
det=0;
for i=2:n
    det=det+abs(yn(i)-y(i));
end
det=det/(n-1);
disp(['百分绝对误差为：',num2str(det),'%']);
    disp(['预测值为：',num2str(ys(n+1:n+t_test))]);

+abs(yn(i)-y(i));
end
det=det/(n-1);
disp(['百分绝对误差为：',num2str(det),'%']);
    disp(['预测值为：',num2str(ys(n+1:n+t_test))]);

https://blog.csdn.net/wuli_dear_wang/article/details/80587650