预测模型a.docx

1 微分方程模型0 f% c3 H% m( y- l当我们描述实际对象的某些特性随时间(或空间)而演变的过程、分析它的变化规律、预测它的未来性& z4 d% H% L6 r+ y, _- 态、研究它的控制手段时，通常要建立对象的动态微分方程模型。微分方程大多是物理或几何方面的典型1 U9 W& l! K* d问题，假设条件已经给出，只需用数学符号将已知规律表示出来，即可列出方程，求解的结果就是问题的答( |. M9 F s9 S* K6 d案，答案是唯一的，但是有些问题是非物理领域的实际问题，要分析具体情况或进行类比才能给出假设条5 F! n: t3 s4 N0 L件。作出不同的假设，就得到不同的方程。比较典型的有 ：传染病的预测模型、经济增长预测模型、正规: p/ K) |9 u u$ v1 / Z战与游击战的预测模型、药物在体内的分布与排除预测模型、人口的预测模型、烟雾的扩散与消失预测模0 J3 L( L4 v ) a型以及相应的同类型的预测模型。其基本规律随着时间的增长趋势是指数的形式，根据变量的个数建立9 t7 J6 z3 0 z . q. i _9 w初等微分模型。; n. E7 X1 ( S- E: d! p- x8 b% 8 U! 4 p 4 u) 微分方程模型的建立基于相关原理的因果预测法。该法的优点：短、中、长期的预测都适合，而 既能0 Z& k6 I3 Ub( M反映内部规律，反映事物的内在关系，也能分析两个因素的相关关系，精度相应的比较高，另外对初等模型8 f* x6 LG1 I5 |: e. L的改进也比较容易理解和实现。该法的缺点：虽然反映的是内部规律，但是由于方程的建立是以局部规律2 B! X* $ N& A5 K8 E的独立性假定为基础，故做中长期预测时，偏差有点大，而且微分方程的解比较难以得到。+ 6 P9 P9 T, D W( O3 J* % z8 ?3 i) D* h- s1 |0 S/ l% p# L0 r, % + U2 时间序列法5 Y! p3 m2 6 ) x; E! b将预测对象按照时问顺序排列起来，构成一个所谓的时间序列，从所构成的这一组时间序列过去/ $ G* |7 O7 Z的变化规律，推断今后变化的可能性及变化趋势、变化规律，就是时间序列预测法。时间序列预测一般反% , h/ + R+ q映三种实际变化规律：趋势变化、周期性变化、随机性变化。. e1 S. U, q3 |考虑一组给定的随时间变化的观察值 ，t=1，2，3，?，n，如何选取合适模型预报 ，t=n+1，n+) v# H& b A2 R* # r z0 E& E2，? ，n+k的值。0 A, P- * c7 4 S& 4 n J% _2 R/ : _( / F上面的模型统称ARMA模型，是时间序列建模中最重要和最常用的预测手段。事实上，对实际中发生& 3 X+ |: M: i# i的平稳时间序列做恰当的描述，往往能够得到自回归、滑动平均或混合的模型，其阶数通常不超过2。时0 W- 8 z3 A o# x5 K! V! i间序列模型其实也是一种回归模型，属于定量预测，其基于的原理是，一方面承认事物发展的延续性，运用; , 5 Y2 c8 c过去时间序列的数据进行统计分析就能推测事物的发展趋势；另一方面又充分考虑到偶然因素影响而产8 m& w9 p, / t生的随机性，为了消除随机波动的影响，利用历史数据，进行统计分析，并对数据进行适当的处理，进行趋! U R J3 J5 v9 Uf. U势预测。优点是简单易行，便于掌握，能够充分运用原时间序列的各项数据，计算速度快，对模型参数有动! k: n1 6 S# N$ $ P+ C- f0 |态确定的能力，精度较好，采用组合的时间序列或者把时间序列和其他模型组合效果更好。缺点是不能反, G# c* I* |9 n2 L4 z映事物的内在联系，不能分析两个因素的相关关系，常数的选择对数据修匀程度影响较大，不宜取得太小， l# x$ 5 k6 j* D; W2 g只适用于短期预测。?6 u1 T4 L* Z/ t+ 1 A4 C% R, e5 S& u( u+ D4 L4 M5 , W2 f4 H8 z: ; m( 3 灰色预测理论模型! N1 A6 G Q- E4 w1 G9 N灰色预测的基本思路是将已知的数据序列按照某种规则构成动态或非动态的白色模块，再按照某种$ B. H; H K9 D$ b- S) k# H变化、解法来求解未来的灰色模型。它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$ u3 & 7 ! h列。其核心体系是灰色模型(GM)，即对原始数据作累加生成(或其他方法生成)得到近似的指数规律再进# D F5 0 G7 R0 i行建模的模型方法。优点是不需要很多的数据，一般只需要4个数据就够，能解决历史数据少、序列的完 C; W1 T& E5 - U/ k整性及可靠性低的问题；能利用微分方程来充分挖掘系统的本质，精度高；能将无规律的原始数据进行生) M. u4 k; i! B2 H& Y成得到规律性较强的生成数列，运算简便，易于检验，具有不考虑分布规律，不考虑变化趋势。缺点是只适6 C6 z1 N5 Z6 |8 k用于中长期的预测，只适合指数增长的预测，对波动性不好的时间序列预测结果较差。8 w h$ 3 ; r; I) P9 ?1 2 i. b4 Q! a. q; e: & y) A+ M+ X. F9 I4 BP神经网络模型 D9 e_9 f/ h- e4 f0 d/ H& |BP神经网络模型 ，是目前神经网络学习模型中最具代表性、应用最普遍的模型。BP神经网络架k5 m0 |8 E4 q构是由数层互相连结的神经元组成，通常包含了输入层、输出层及若干隐藏层，各层包含了若干神经元。! I+ h7 r) , r W# j神经网络便于依照学习法则，透过训练以调整连结链加权值的方式来完成目标的收敛。所得的神经网络+ V% e; c2 P M# S构架结构基本形式.BP神经网络的神经采用的传递函数一般都是Sigmoid(S壮弯曲)型可微函数，是严格的递增函数，在线性和非线性之间显现出较好的平衡，所以可实现输入和输出间的任意非线性映射，适用于中长期的预测；优点是逼近效果好，计算速度快，不需要建立数学模型，精度高；理论依据坚实，推导过程严谨，所得公式对称优1 w/ t9 r6 I* P. X! b美，具有强非线性拟合能力。缺点是无法表达和分析被预测系统的输入和输出间的关系，预测人员无法参与 sO& _8 4 6 Y& 8 预测过程；收敛速度慢，难以处理海量数据，得到的网络容错能力差，算法不完备(易陷入局部极小)。! - n9 K; b: , 7 q, y+ _3 v: o1 ) g( z8 W$ J7 k9 d; y2 V p9 Mk- g5 结束语- y+ O( j* p- R6 D, b7 x4 F本文综合介绍了几种基本预测方法的使用范围和相应的优缺点，学生可以根据以上的一些经验，在建! s8 u+ k y+ ; F. 5 I1 d立预测模型的时候可以依据不同的情况进行不同的选择，从而建立合理的数学模型。其实在一般情况下 5 f2 F2 p, w/ 最合理的就是组合模型，也就是把上述的两种或两种以上的模型综合运用，所取得的精确度会更好，稳定4 D+ n! l x. 性也会更好。产品资料：现场自动气象站，用于对风向、风速、雨量、气温、相对湿度、气压、太阳辐射、土壤温度、土壤湿度等九个气象要素进行全天候现场监测。现场自动气象站是自动气象站系统的一个重要组成部分，具有手机气象短信功能，可以通过多种通讯方法（有线、数传电台、GPRS移动通讯等）与气象中心计算机进行通讯，将气象数据传输到气象中心计算机气象数据库中，用于统计分析和处理。现场气象站由气象传感器、微电脑气象数据采集仪、电源系统、轻型百叶箱、野外防护箱和不锈钢支架等部分构成。风速风向等传感器为气象专用传感器，具有高精度高可靠性的特点。微电脑气象数据采集仪具有气象数据采集、实时时钟、气象数据定时存储、参数设定、友好的人机界面和标准通信功能。广泛应用于气象、环保、机场、农林、水文、军事、仓储、科学研究等领域。功能实时监测风速、风向、雨量、温度、湿度、气压、太阳辐射、土壤温度、土壤湿度等九要素气象参数 微电脑气象数据采集仪具有气象数据采集、实时时钟、定时存储、参数设定、参数和气象历史数据掉电保护等功能 汉字液晶键盘人机界面，人机界面友好。 手机气象短信功能。 标准RS232/485通讯功能，支持MODBUS通讯协议，可以通过有线、移动无线GPRS和无线数传电台等多种通讯方式与气象计算机组成气象监测系统。 电源系统有市电、直流和太阳能系统多种方式。 采用全不锈钢支架和野外防护箱，外形美观、耐腐蚀、抗干扰。系统特点可靠运行于各种恶劣的野外环境，低功耗、高稳定性、高精度、可无人值守。完善的防雷击、抗干扰等保护措施。硬件和软件均采用模块组合式开放性设计，可灵活组合使用。气象传感器可根据需要选配。通讯方式可根据需要选配。电源系统可根据需要选配。测量参数要素 测量范围 分辨力 准确度 单位 地温 -50-80 01 +-0.3 C 气温 -50-+50 01 +-0.2 C 相对湿度 0-100 1 +-3% % 风速 0-60 01 +-（0.3+0.03V） m/s 风向 0-360 25 +-5 度 气压 450-1060 01 +-0.3 hpa 降水量 0999.9 01 +-0.2