灰色预测GM(1,1)模型对GDP总量预测的不足与展望

GM(1,1)模型是一种基于时间序列的灰色预测模型，它由一个参数来描述未来的变化趋势，并且可以通过历史数据来估计该参数。它在GDP总量预测中有很大的应用。但是，GM(1,1)模型也存在一些不足一、具有相对较低的准确性。由于GM(1,1)模型仅依靠单个参数来衡量未来的变化情况，因此其准确性相对较低。 二、难以考虑复杂性因素。GM(1,1)模型依靠单个参数衡量未来情况，而很多影响GDP总量的因素都是复杂耦合关系，所以难以由单个参数完全衡量出这些影响因子的作用。 三、不能考虑时态特征。GM(1,1)模型并不能将当前时态特征考虑进去，如文化、历史、地理、气候特征之间存在明显差异时尤其如此。 在此背景下，我们希望GDP总量预测中能引入新方法或者新理念使之准确度得到大幅度提升。例如通过引入人工神经网络或者多重回归方法将多个影响因子考虑进去使之准 精度大大改进; 合理利用Big Data 技术将原始信 息加工成含时态特征信 息; 针对GDP总量 运行物理方法; 等.