预测模型

摘要针对变参数灰色模型在实验数据少时误差较大的问题，提出了对非等间距序列优化的方法，使原来模型得到改进，从而提高了模型的拟合和预测精度，拓宽了应用范围。

采用传统灰色预测模型和无偏灰色预测模型对边坡变形进行预测，预测结果表明，两种模型都是有效的，无偏灰色预测模型的精度更高。

首先应用线性回归技术建立了仅考虑主要影响因素（铜统含铁量）的粗略预报模型，而后，应用神经网络技术建立了考虑到多个次要影响因素的误差补偿模型，从而改进预报效果。

运用属性论方法，就制造商－零售商－客户三级供应链，提出了一个需求信息预测的方法，由此来提高对这种波动性的适应能力，增强预测的准确性，帮助供应链上各节点企业优化决策过程，最终防范了牛鞭效应，并且还提供了此预测方法的算法流程。

与未采用因子膨化技术建立的预报模型Ⅱ相比，模型Ⅰ的预报准确率有显著的提高。

market size forecasting

forest fire danger forecasting【林】 安全

forecasting techniques

exponential smoothing forecasting model【经】

forecasting

economic forecasting

cash-flow data and cash forecasting【会计】

forecasting profit by breakeven analysis【会计】