1) forecasting models of the grey GM(1,1) sequence
GM(1,1)数列预测模型
2) GM(1,1) forecasting model
GM(1,1)预测模型
3) WM-GM(1,1)
WM-GM(1,1)预测模型
5) GM(1,1) Grey Forecasting Model
GM(1,1)灰色预测模型
1.
Aimed at the low precision of general GM(1,1) grey forecasting model in the uncertain conditions of original data sequence fluctuation, mutation or transition, the paper proposes a short-term electrical load forecasting on optimized combination model of grey correlation-segmentation.
针对已有GM(1,1)灰色预测模型在数据波动、突变和转折等不确定情况下预测精度较低的问题,提出一种基于灰关联分段优选组合模型的短期电力负荷预测模型。
6) GM(1,1)-Markov forecasting model
GM(1,1)-马尔柯夫预测模型
补充资料：回归模型预测法
回归模型预测法
【回归模型预测法】简称“回归预测法”，以定量研究变量间相关关系的回归方法为基础的预测方法。基本思路是:通过样本信息，分析预测对象与有关因素之间的总体相关关系，设定适当的数学模型(称为总体回归模型)将这种相关关系的类型表达出来;然后再利用样本信息，运用参数估计法，建立反映预测对象与主要相关因素之间总体关系的样本回归模型;进行必要的检验;最后根据已建立并通过检验的样本回归模型，来预测研究对象的未来状况。其中，在预测之前所做的那些工作，包括模型设定、参数估计和模型检验，统称为回归分析。由回归方法建立起来的数学模型，就称为回归模型。它一旦用于预测，又可称为预测回归模型。回归模型可分为线性回归模型和非线性回归模型，也可分为一元回归模型和多元回归模型。回归预测法，有比较严密的理论基础和较成熟的计算分析方法，如果模型建立得当，则可得到比较精确的预测结果。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条