Resumen

El modelo de predicción gris tiene un buen rendimiento para resolver problemas de datos pequeños y ha sido ampliamente utilizado en varios campos de investigación. Sin embargo, cuando los datos muestran características de oscilación, el efecto del modelo de predicción gris es deficiente. Por lo tanto, se propuso un nuevo método para resolver el problema de modelar una secuencia de oscilación de datos pequeños con el modelo de predicción gris. Basándose en la idea de descomposición de la información, el nuevo método empleó el modelo de predicción gris para capturar la característica de tendencia de un sistema complejo, y se aplicó el modelo ARMA para describir la característica de oscilación aleatoria del sistema. Se seleccionó como estudio de caso el área de desastres de cultivos en China y se sustituyeron los datos históricos relevantes de ocho años publicados por el departamento de gobierno en el modelo propuesto. Los resultados del modelado del nuevo modelo se compararon con los de otros modelos de predicción tradicionales convencionales. Los resultados mostraron que el nuevo modelo tenía un rendimiento evidentemente superior. Esto indic

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Modelo de predicción gris; Problema de datos pequeños; Característica de oscilación; Nuevo método; Descomposición de información; Modelo ARMA
• Keywords:Grey prediction model; Small data problem; Oscillation characteristic; New method; Information decomposition; ARMA model