GM(1,1) Gri Tahmin Modeli
Grey Model GM(1,1) Forecasting · Ayrıca şöyle bilinir: GM(1,1), grey prediction model, grey forecasting, gri tahmin modeli
GM(1,1), Julong Deng tarafından 1982'de tanıtılan, çok az gözlem ve eksik bilgiden tahmin yapmak üzere tasarlanmış, gri sistem teorisinin temel tahmin modelidir — ARIMA gibi klasik zaman serisi modellerinin çok daha fazla veri gerektirdiği durumlar için. Gizli bir üstel eğilimi ortaya çıkarmak için ham seriyi biriktirir, birinci dereceden bir gri diferansiyel denklem uydurur ve gelecekteki değerleri projeler, bu da onu kısa veri kayıtlarında mühendislik, enerji ve yönetim tahminlerinde popüler kılar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
GM(1,1)'i, çok az gözleminiz olduğunda (yaklaşık 4-10), altta yatan eğilim yaklaşık olarak monoton/üstel olduğunda ve veri eksikliği nedeniyle daha zengin modeller uydurulamadığında kısa vadeli tahminler için kullanın — ekipman ömrü, enerji talebi, kısa geçmişlere sahip ekonomik göstergeler ve mühendislik pilot çalışmaları gibi durumlarda yaygındır. Düzgün, yaklaşık üstel bir biriktirilmiş eğilim varsayar ve kısa ufuklar için en iyisidir; ne güçlü mevsimselliği ne de keskin rejim değişikliklerini ele alır ve doğruluğu dalgalı, salınımlı veya uzun ufuklu seriler için düşer. Bol veri mevcut olduğunda, ARIMA, üstel düzeltme veya makine öğrenimi tahmincileri genellikle onu geride bırakır; GM(1,1) yerini özellikle küçük veri, eksik bilgi rejiminde kazanır ve yuvarlanan/uyarlanabilir varyantlar çok adımlı doğruluğu artırır.
Güçlü yönler & sınırlılıklar
- Standart modellerin uydurulamadığı çok küçük örneklerden (dört nokta kadar az) tahminler.
- Basit, kapalı formül, tahmin edilecek yalnızca iki parametre ile.
- Biriktirme yoluyla yumuşatma yoluyla eksik bilgiye karşı dayanıklı.
- Hızlı ve diğer yöntemlerle (gri-Markov, gri-nöral hibritler) birleştirmesi kolay.
- Düzgün, yaklaşık üstel bir eğilim varsayar; dalgalı veya salınımlı seriler için zayıf.
- Mevsimselliği veya ani yapısal değişiklikleri modellemez.
- Doğruluk orta ve uzun vadeli çok adımlı tahminler için düşer.
- Gelişim katsayısı a'nın güvenilir aralığının dışına düşmesine duyarlı.
SSS
GM(1,1) neden önce verileri biriktirir?
Biriktirme (1-AGO), rastgeleliği yumuşatır ve düzensiz bir ham seriyi, birinci dereceden gri diferansiyel denklemin iyi modelleyebileceği yaklaşık üstel bir seriye dönüştürür. Biriktirilmiş ölçekte tahmin yaptıktan sonra, ters biriktirme tahminleri orijinal birimlere döndürür.
Ne kadar az veri noktasına ihtiyacı var?
Dört gözlem kadar azı kullanılabilir kısa vadeli bir tahmin sağlayabilir — veri açlığı çeken modellere göre belirleyici avantajı. Daha fazla nokta yardımcı olur, ancak GM(1,1) özellikle küçük örneklem, eksik bilgi ortamında değerlidir.
Ne zaman ARIMA'yı GM(1,1)'e tercih etmeliyim?
Yeterli veriniz olduğunda ve seri mevsimsellik, otokorelasyon yapısı veya GM(1,1)'in düz üstel varsayımının yakalayamayacağı dalgalanma gösterdiğinde. Bol veri ile ARIMA, üstel düzeltme veya ML tahmincileri genellikle daha doğru ve daha iyi kalibre edilmiş tahminler verir.
Kaynaklar
- Deng, J. L. (1982). Control problems of grey systems. Systems & Control Letters, 1(5), 288–294. DOI: 10.1016/S0167-6911(82)80025-X ↗
- Liu, S., & Lin, Y. (2010). Grey Systems: Theory and Applications. Springer. ISBN: 978-3-642-13937-6
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Grey Model GM(1,1) Forecasting. ScholarGate. https://scholargate.app/tr/soft-computing/grey-model-gm11
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- ARIMA (Autoregressive Integrated Moving Average) ModeliEkonometri↔ karşılaştır
- Örnek Temelli Akıl Yürütme (ÖTA)Esnek hesaplama↔ karşılaştır