经典预测模型汇总.pptx

实证模型汇总;模型分类标准;第一部分模型分类原则;模型分类原则;第二部分经典模型汇总;第三部分模型简介;受人类智能、生物群体社会性或自然现象规律的启发，人们发明了诸多智能优化算法，重要包括：

??(1)遗传算法：模仿自然界生物进化机制

??(2)免疫算法：模拟生物免疫系统学习和认知功能

??(3)蚁群算法：模拟蚂蚁集体寻径行为??

(4)粒子群算法：模拟鸟群和鱼群群体行为

??(5)差分进化算法：通过群体个体间的合作与竞争来优化搜索

?(6)模拟退火算法：源于固体物质退火过程

??(7)禁忌搜索算法：模拟人类智力记忆过程

??(8)神经网络算法：模拟动物神经网络行为特性;粒子群算法的思想源于对鸟/鱼群捕食行为的研究，模拟鸟集群飞行觅食的行为，鸟之间通过集体的协作使群体到达最优目的，是一种基于SwarmIntelligence的优化措施。;回归分析预测法：通过研究分析一种因变量对一种或多种自变量的依赖关系，从而通过自变量的已知或设定值来估计和预测因变量均值的一种预测措施。

回归分析预测法包括：线性回归分析法、非线性回归分析法、虚拟变量回归预测法三种。

非线性回归预测法：指自变量与因变量之间的关系是某种非线性关系时的回归预测法，如双曲线模型、二次曲线模型、对数模型、三角函数模型、指数模型、幂函数模型、罗吉斯曲线模型、修正指数增长模型。

虚拟变量回归预测法在回归模型分析中，有时还要考虑诸如性别、文化程度、宗教、战争、劫难、季节以及政府经济政策变化等品质变量的影响。这时，可在建立回归模型时将品质变量引入线性回归模型中，这种回归预测法就是虚拟变量回归预测法。

常见的带虚拟变量的回归模型有如下三种形式：

(1)反应政府政策变化或某种原因发生重大变异的跳跃、间断式模型。

(2)具有转折点的系统趋势变化模型。

(3)具有多种虚拟变量的线性回归模型。;当未知变量不仅与已知变量有关，并且与已知变量的导数有关时，可考虑列出微分方程来描述问题。

运用微分方程处理的问题又分为两类：

(1)需规定出未知函数，则运用微分方程来求解；

(2)不轻易或无需求出未知函数，只需根据方程的特性研究某些性质或变化趋势，则运用微分方程来讨论解的性质。;线性规划是研究线性约束条件下线性目的函数的极值问题的数学理论和措施。;非线性规划是一种求解目的函数或约束条件中有一种或几种非线性函数的最优化问题的措施。;混沌预测措施就是在相空间中找到一种非线性模型去迫近系统动态特性，实现一定期期内的预测，同步该模型也可用来识别系统与否包括混沌特性。

混沌时间序列预测模型一般分为两大类：

(1)基于非线性数学模型的动力学措施；

(2)基于实际观测数据的相空间重构措施。;在实际中，常常要处理由试验或测量所得到的某些离散数据。插值与拟合措施就是要通过这些数据去确定某一类已知函数的参数或寻求某个近似函数，使所得到的近似函数与已知数据有较高的拟合精度。

假如规定这个近似函数（曲线或曲面）通过所已知的所有数据点，则称此类问题为插值问题。（不需要函数体现式）

假如不规定近似函数通过所有数据点，而是规定它能很好地反应数据变化规律的近似函数的措施称为数据拟合。（必须有函数体现式）

(1)联络:

都是根据实际中一组已知数据来构造一种可以反应数据变化规律的近似函数的措施。

(2)区别:

插值问题不一定得到近似函数的体现形式，仅通过插值措施找到未知点对应的值。数据拟合规定得到一种详细的近似函数的体现式。;秩和比（RSR）法是一组全新的记录信息分析措施，是数量措施中一种广谱的措施，针对性强，操作简便，使用效果明显。非常适合于医学背景的广大顾客。;数据无规律，海量数据，将波进行分离，分理出周期数据、规律性数据；可以做时间序列做不出的数据，应用范围比较广。;蒙特卡洛法(又称记录试验法)是描述装备运用过程中多种随机现象的基本措施，并且它尤其合用于某些解析法难以求解甚至不也许求解的问题，因而在装备效能评估中具有重要地位。

基本思想是：

首先，建立一种概率模型或随机过程，使其参数或数字特性等于问题的解；

然后