数学建模竞赛中数据驱动的预测方法之比较
Comparison of Data-Driven Predicting Methods in Mathematical Modeling Competition
DOI: 10.12677/MOS.2022.116145, PDF,  被引量   
作者: 李伟：西安电子科技大学数学与统计学院，陕西 西安；肖亚宁：华北理工大学理学院，河北 唐山
关键词: 数学建模竞赛；预测方法；曲线拟合；时间序列；神经网络;Mathematical Modeling Competition； Prediction Methods； Curve Fitting； Time Series； Neural Network
摘要: 本文针对数学建模竞赛中基于数据驱动的预测问题，详细介绍了数据拟合法、插值法、回归法、神经网络模型、时间序列模型的优缺点，并分别采用这些方法对同一数据集进行了未来一年销售数据的预测。发现对于本文给定的数据，时间序列ARIMA模型预测效果最好。
Abstract: Regarding to the problem of data-driven prediction in mathematical modeling competition, this paper introduces the advantages and disadvantages of methods such as curve fitting, interpolation, regression, neural network model, and time series model in detail. After that, this paper uses these methods to forecast the sales in the next year on the basis of the same data set. It is found that the ARIMA model of time series reaches the optimal prediction.
文章引用：李伟, 肖亚宁. 数学建模竞赛中数据驱动的预测方法之比较[J]. 建模与仿真, 2022, 11(6): 1539-1545. https://doi.org/10.12677/MOS.2022.116145

参考文献

[1] 林伟. 国内的部分大学生数学竞赛介绍[J]. 高等数学研究, 2022(3): 12.
[2] 肖勇. 常微分方程在数学建模中的应用[J]. 荆楚理工学院学报, 2009, 24(11): 50-52, 63.
[3] 徐聪. 数据挖掘方法在传统预测模型中的应用[J]. 河北工业科技, 2009, 26(4): 280-282.
[4] 张贻民, 梁明. 数学建模的几种基本预测方法的探讨[J]. 茂名学院学报, 2006, 16(6): 39-42, 45.
[5] 朱峰. 浅谈数学建模中预测方法[J]. 科技信息, 2010(35): 836, 856.
[6] 何家莉, 王培. 浅谈数学建模中预测方法的教学研究[J]. 科教文汇, 2011(19): 107-108.
[7] 2022年最新数学建模预测模型总结[EB/OL]. https://zhuanlan.zhihu.com/p/477163448, 2022-10-21.
[8] 数学建模——预测方法: 时间序列分析[EB/OL]. https://blog.csdn.net/qq_43779658/article/details/108257108, 2022-10-21.
[9] 杨莹, 闫泽飞, 华瑛. 插值法与拟合法在传染病问题中的应用[J]. 科技资讯, 2021, 19(22): 183-186.
[10] 孙静茹. 基于多元线性回归模型的空气质量数据校准——2019年大学生数学建模竞赛D题解析[J]. 黑龙江科学, 2019, 10(24): 18-20.
[11] 吴刚. 基于数据内在特性和LSTM的用电数据异常检测算法研究[J]. 无线互联科技, 2019, 16(10): 96-99, 112.
[12] 李生彪, 彭建奎. 基于Box-Jenkins方法的银行业市盈率时间序列建模与预测[J]. 兰州文理学院学报(自然科学版), 2015, 29(1): 1-4, 11.

为你推荐