python灰色预测模型步骤人口预测_超级干货:一文读懂灰色预测模型
灰色预测模型可针对数量非常少(比如仅4个),数据完整性和可靠性较低的数据序列进行有效预测,其利用微分方程来充分挖掘数据的本质,建模所需信息少,精度较高,运算简便,易于检验,也不用考虑分布规律或变化趋势等。
但灰色预测模型一般只适用于短期预测,只适合指数增长的预测,比如人口数量,航班数量,用水量预测,工业产值预测等。
灰色预测模型有很多,其中GM(1,1)模型使用最为广泛。
灰色关联预测分析GM(1,1)通常可分为以下四个步骤:
(1)级比值检验
此步骤目的在于数据序列是否有着适合的规律性,是否可得到满意的模型等,该步骤仅为初步检验,意义相对较小。
(2)后验差比检验
在进行模型构建后,会得到后验差比C值,该值为残差方差 / 数据方差;其用于衡量模型的拟合精度情况,C值越小越好,一般小于0.65即可。
(3)模型拟合和预测
进行模型构建后得到模型拟合值,以及最近12期的预测值。
(4)模型残差检验
模型残差检验为事后检验法。主要查看相对误差值和级比偏差值。相对误差值=预测拟合值与残差值的差值绝对值 / 原始值。相对误差值越小越好,一般情况下小于20%即说明拟合良好。级比偏差值也用于衡量拟合情况和实际情况的偏差,一般该值小于0.2即可。
一、研究背景
取某地1986年~1992共7年的道路交通噪声平均声级数据进行预测。
二、操作步骤
选择【综合评价】--【灰色预测模型】。
将指标项放入分析框中,点击开始分析。
灰色模型预测
三、结果解读
(1)GM(1,1)模型级比值表格
首先,计算级比值,级比值介于区间[0.982,1.0098]时说明数据适合模型构建。
从上表可知,针对城市交通噪声/dB(A)进行GM(1,1)模型构建,结果显示:级比值的最大值为1.010,在适用范围区间[0.982,1.0098]之外,意味着本数据进行GM(1,1)可能得不到满意的模型。但从数据来看,1.01非常接近于1.0098,因此有理由接着进行建模。
(2)后验差比检验
后验差比C值用于模型精度等级检验,该值越小越好,一般C值小于0.35则模型精度等级好,C值小于0.5说明模型精度合格,C值小于0.65说明模型精度基本合格,如果C值大于0.65,则说明模型精度等级不合格。
从上表可知,后验差比C值0.231 <=0.35,意味着模型精度等级非常好。
(3)模型拟合和预测
上表格展示出模型的拟合值,以及向后12期的拟合数据情况。
也可通过图形直观查看,下图明显可以看出,往后时会一直下降,这是GM(1,1)模型的特征,其仅适用于中短期预测,因此向后1期和向后2期的数据具有价值,更多的预测数据需要特别谨慎对待。
(4)模型残差检验
模型残差检验,主要是查看相对误差值和级比偏差值,验证模型效果情况。
从上表可知,模型构建后可对相对误差和级比偏差值进行分析,验证模型效果情况;模型相对误差值最大值0.007<0.1,意味着模型拟合效果达到较高要求。
针对级比偏差值,该值小于0.2说明达到要求,若小于0.1则说明达到较高要求;模型相对误差值最大值0.020<0.1,意味着模型拟合效果达到较高要求。
四、其他说明
灰色预测的主要特点是模型使用的不是原始数据序列,而是生成的数据序列。适用于少量数据时使用(比如20个以内),大量数据时不适合。
GM(1,1)模型仅适用于中短期预测,不建议进行长期预测。
GM(1,1)模型有提供级比值检验,后验差比检验,模型残差检验等;并非所有检验均能完美,通常在可容忍范围内即可。
python灰色预测模型步骤人口预测_超级干货:一文读懂灰色预测模型相关推荐
- python随机森林变量重要性_推荐 :一文读懂随机森林的解释和实现(附python代码)...
原标题:推荐 :一文读懂随机森林的解释和实现(附python代码) 作者:WilliamKoehrsen:翻译:和中华:校对:李润嘉 本文约6000字,建议阅读15分钟. 本文从单棵决策树讲起,然后逐 ...
- 一文读懂时序预测模型(1)
我们都渴望预测未来,而时序预测作为一种预测未来的方法或模型被人们广泛的认知,时序序列的预测方法却不被相关的数据分析人员广泛的了解,下面就逐步和大家一起探讨时序序列模型.. 模型的使用 首先和大家一起探 ...
- 人工智能建立本体库_本体:一文读懂领域本体构建
作者:白宁超,工学硕士,现工作于四川省计算机研究院,著有<自然语言处理理论与实战>一书,作者公众号:机器学习和自然语言处理(公众号ID:datathinks) 1 什么是本体? 定义:源于 ...
- 信号扫描_图文并茂,一文读懂信号源
信号源是四大通用电子测量仪器之一,其他三种是:网络分析仪,频谱分析仪和示波器.这篇介绍信号源所涉及的相关基础知识.信号源的最常用的功能是用来产生一个正弦波,所以先从介绍正弦波的特征开始本篇文章. 一. ...
- 区域转换为二值图像_零基础一文读懂AI深度学习图像识别
#寻找真知派# #科学思维看百态# #深度学习 图像识别# 人工智能大常识(2):图像识别(以手写字符识别为例) 近期写一组关于人工智能的科普帖子.第一帖介绍了AI自动诊断的方法,本帖之后准备继续推出 ...
- xmind各版本区别_制图心法 | 一文读懂XMind 8 和 XMind: ZEN的真正区别
时刻要拥有寻找好心情的能力 打包烦恼,拾起微笑,重新出发 - 前方多图预警 - 「一图胜千言」,猫妮想说的都在图里 如果今天的内容对你有所帮助 记得点赞评论告诉我 猫妮的制图工具是XMind 这个软件 ...
- python输入什么就输出什么_一文读懂Python的输入和输出
本文介绍了Python的输入和输出,既然是Python代码,那么就一定有输出量,那么,Python是如何输出的呢? 输出 用print()在括号中加上字符串,就可以向屏幕上输出指定的文字.比如输出'h ...
- python读取枚举_一文读懂Python 枚举
enum是一组绑定到唯一常数值的符号名称,并且具备可迭代性和可比较性的特性.我们可以使用 enum 创建具有良好定义的标识符,而不是直接使用魔法字符串或整数,也便于开发工程师的代码维护. 创建枚举 我 ...
- 一文读懂NLP之隐马尔科夫模型(HMM)详解加python实现
一文读懂NLP之隐马尔科夫模型(HMM)详解加python实现 1 隐马尔科夫模型 1.1 HMM解决的问题 1.2 HMM模型的定义 1.2.1HMM的两个假设 1.2.2 HMM模型 1.3 HM ...
最新文章
- Java的Json解析包FastJson使用
- PriorBox 改进
- 布局练习——选择水果
- python界面编程和网口通信_Python—网络通信编程之tcp通信编程
- 系统没有远程桌面,如何安装远程桌面
- php txtsql 说明,PHP学习笔记(2)txtSQL文档错误
- python3数据科学入门与实战_Python3学习之Python3数据科学入门与实战视频教程
- 关于c++初始化原理与性能的讨论
- gif制作软件 ScreenToGif
- python爬虫能爬取微信密码吗_爬虫如何爬取微信公众号文章
- 【漏洞复现-骑士cms-代码执行】vulfocus/骑士cms_cve_2020_35339
- 星起航:抖音小店如何提高店铺评分?
- 数字水印进阶篇——基于DWT-SVD的数字水印(附matlab代码)
- 63 Three.js 将多个网格合并成一个网格
- SpringSecurity - 用户动态授权 及 动态角色权限
- 智能个性化推荐系统设计
- U2D愤怒的小鸟学习笔记
- Android 程序流量监控
- 菜单栏应用图标隐藏软件 Hidden Bar 1.7中文版
- 两跨连续梁影响线绘制(二)
热门文章
- java读取文件的开头_JAVA编程如何使其读取TXT中以某字母开头的词条。
- 3.1 haas506 2.0开发教程-example-lbs (支持2.03以上版本)
- C #error 用法
- 使用Openocd烧录STM32
- python xlrd+xlwt+xlutils处理excel
- js获取网络设备类型
- 【樂理】西方古典音樂史
- 项目相关文档撰写注意事项
- Qt模型model、视图view、代理
- 上海电力大学计算机调剂,2019年上海电力大学通信与信息系统专业考研调剂信息...