數學模型是什麼預測

A. 數學模型是什麼意思

簡碼數學建模：就是通過計算得到的結果來解釋實際問題，並接受實際的檢驗，來建立數學模型的全過程。當需要從定量的角度分析和研究一個實際問題時，人們就要在深入調查研究、了解對象信息、作出簡化假設、分析內在規律等工作的基礎上，用數學的符號和語言作表述來建立數學模型。
數學模型（Mathematical Model）是一種模擬，是用數學符號，數學式子，程序，圖形等對實際課題本質屬性的抽象而又簡潔的刻劃，它或能解釋某些客觀現象，或能預測未來的發展卜咐前規律，或能為控制某一現象的發展提供某種意義下的最優策略或較好策略。數學模型一般並非現實問題的直接翻版，它的建立常常既需要人們對現實問題深入細微的觀察和分析，又需要人們靈活巧妙地利用各種數學知識。這種應用知識從實際課題中抽象、提煉出數學模型的過程就稱為數學建模（MathematicalModeling）。
不論是用數學方法在科技和生產領域解決哪類實際問題，還是與型清其它學科相結合形成交叉學科，首要的和關鍵的一步是建立研究對象的數學模型，並加以計算求解（通常藉助計算機）；數學建模和計算機技術在知識經濟時代的作用可謂是如虎添翼。

B. 什麼是數學模型

數學模型是指根據對研究對象所觀察到的現象及其實踐經驗，歸結成的一套反映對象某些主要數量關系的數學公式、邏輯准則和具體演算法。這種科學方法常用來描述對象的運動規律。

20世紀20年代，義大利數學家伏爾特拉根據捕食者種群與被捕食者種群相互關系，對捕魚建立的微分方程「捕食模型」證明：超過一定的捕撈量就會使大魚減少而小魚增加，如適當減少捕撈量則有利於大魚的生存。人們依據最佳捕撈量進行捕撈，就有利於魚的穩產和高產，從而獲得最佳的經濟效益。 諾貝爾經濟學獎獲得者、美國經濟計量學家克萊因所編制的「聯結」計劃，是世界上最大的經濟計量模型，將許多國家的經濟信息聯結在一起，可了解世界貿易情況。運用宏觀經濟計量模型，能預測經濟發展趨勢和制定經濟政策，充分顯示了數學模型方泌的巨大威力。

一．數學模型的定義

現在數學模型還沒有一個統一的准確的定義，因為站在不同的角度可以有不同的定義。不過我們可以給出如下定義。"數學模型是關於部分現實世界和為一種特殊目的而作的一個抽象的、簡化的結構。"具體來說，數學模型就是為了某種目的，用字母、數學及其它數學符號建立起來的等式或不等式以及圖表、圖象、框圖等描述客觀事物的特徵及其內在聯系的數學結構表達式。

二．建立數學模型的方法和步驟

第一、 模型准備

首先要了解問題的實際背景，明確建模目的，搜集必需的各種信息，盡量弄清對象的特徵。 第二、 模型假設

根據對象的特徵和建模目的，對問題進行必要的、合理的簡化，用精確的語言作出假設，是建模至關重要的一步。如果對問題的所有因素一概考慮，無疑是一種有勇氣但方法欠佳的行為，所以高超的建模者能充分發揮想像力、洞察力和判斷力，善於辨別主次，而且為了使處理方法簡單，應盡量使問題線性化、均勻化。

第三、 模型構成

根據所作的假設分析對象的因果關系，利用對象的內在規律和適當的數學工具，構造各個量間的等式關系或其它數學結構。這時，我們便會進入一個廣闊的應用數學天地，這里在高數、概率老人的膝下，有許多可愛的孩子們，他們是圖論、排隊論、線性規劃、對策論等許多許多，真是泱泱大國，別有洞天。不過我們應當牢記，建立數學模型是為了讓更多的人明了並能加以應用，因此工具愈簡單愈有價值。

第四、模型求解

可以採用解方程、畫圖形、證明定理、邏輯運算、數值運算等各種傳統的和近代的數學方法，特別是計算機技術。一道實際問題的解決往往需要紛繁的計算，許多時候還得將系統運行情況用計算機模擬出來，因此編程和熟悉數學軟體包能力便舉足輕重。

第五、模型分析

對模型解答進行數學上的分析。"橫看成嶺側成峰，遠近高低各不?quot;，能否對模型結果作出細致精當的分析，決定了你的模型能否達到更高的檔次。還要記住，不論那種情況都需進行誤差分析，數據穩定性分析。

C. 什麼是數學模型

數學模型是針對參照某種事物系統的特徵或數量依存關系，採用數學語言，概括地或近似地表述出的一種數學結構，這種數學結構是藉助於數學符號刻劃出來的某種系統的純關系結構。從廣義理解，數學模型包括數學中的各種概念，各種公式和各種理論。因為它們都是由現實世界的原型抽象出來的，從這意義上講，整個數學也可以說是一門關於數學模型的科學。從狹義理解，數學模型只指那些反映了特定問題或特定的具體事物系統的數學關系結構，這個意義上也可理解為聯系一個系統中各變數間內的關系的數學表達。

數學模型所表達的內容可以是定量的，也可以是定性的，但必須以定量的方式體現出來。因此，數學模型法的操作方式偏向於定量形式。

建立數學模型的要求：

1、真實完整。

1）真實的、系統的、完整的反映客觀現象；

2）必須具有代表性；

3）具有外推性，即能得到原型客體的信息，在模型的研究實驗時，能得到關於原型客體的原因；

4）必須反映完成基本任務所達到的各種業績，而且要與實際情況相符合。

2、簡明實用。在建模過程中，要把本質的東西及其關系反映進去，把非本質的、對反映客觀真實程度影響不大的東西去掉，使模型在保證一定精確度的條件下，盡可能的簡單和可操作，數據易於採集。

3、適應變化。隨著有關條件的變化和人們認識的發展，通過相關變數及參數的調整，能很好的適應新情況。

數學模型的分類

1、 精確型：內涵和外延非常分明，可以用精確數學表達。

2、 模糊型：內涵和外延不是很清晰，要用模糊數學來描述。

數學模型的基本原則

1、簡化原則

現實世界的原型都是具有多因素、多變數、多層次的比較復雜的系統，對原型進行一定的簡化即抓住主要矛盾，數學模型應比原型簡化，數學模型自身也應是「最簡單」的。

2、可推導原則

由數學模型的研究可以推導出一些確定的結果，如果建立的數學模型在數學上是不可推導的，得不到確定的可以應用於原型的結果，這個數學模型就是無意義的。

3、反映性原則

數學模型實際上是人對現實世界的一種反映形式，因此數學模型和現實世界的原型就應有一定的「相似性」，抓住與原型相似的數學表達式或數學理論就是建立數學模型的關鍵性技巧。

D. 數學建模是什麼

數學建模是什麼?
數學建模的詳細定義網上多的我就不闡述了，說一點其他的~~

數學的主要發展方向是數學結合計算盯。運用數學的演算法結合計算機技術解決實際問題，將來你會比單純學計算機的水平高出一個檔次，因為你的演算法比他們的先進。而這也就是數學建模競賽的主要考察的。

數模比賽的含金量也是比較高的，你參加比賽得了名次，完全可以證明你是有一定實力的~~

你擔心數學成績不好，其實是沒有必要的，我參加過幾次比賽，用的數學知識並沒有很高深，高中數學也能解決很多問題了，主要就是優化，模擬，我覺得考驗個人思維能力多一點，況且數學、計算機、寫作三個方面呢，你只要有一方面特長就可以了~~

如果你去參加比賽，真的會給你很多收獲，學到很多新知識不談，還會讓你了解原來學的東西可以這么用在生活中，會提起學習的興趣，真的，我強烈建議你去學一些~~參加比賽~~如果還有其他問題你可以問的呵呵~~~我建模和寫作都弄過，編程差點~~
數學建模是什麼意思
數學模型就是對實際問題的一種數學表述。 具體一點說：數學模型是關於部分現實世界為某種目的的一個抽象的簡化的數學結構。 更確切地說：數學模型就是對於一個特定的對象為了一個特定目標，根據特有的內在規律，做出一些必要的簡化假設，運用適當的數學工具，得到的一個數學結構。數學結構可以是數學公式，演算法、表格、圖示等。 數學建模就是建立數學模型，建立數學模型的過程就是數學建模的過程（見數學建模過程流程圖）。 數學建模是一種數學的思考方法，是運用數學的語言和方法，通過抽象、簡化建立能近似刻劃並"解決"實際問題的一種強有力的數學手段。
數模是什麼
又稱數學建模。

數學模型是近些年發展起來的新學科，是數學理論與實際問題相結合的一門科學。它將現實問題歸結為相應的數學問題，並在此基礎上利用數學的概念、方法和理論進行深入的分析和研究，從而從定性或定量的角度來刻畫實際問題，並為解決現實問題提供精確的數據或可靠的指導。

根據研究目的，對所研究的過程和現象(稱為現實原型或原型)的主要特徵、主要關系、採用形式化的數學語言，概括地、近似地表達出來的一種結構，所謂「數學化」，指的就是構造數學模型．通過研究事物的數學模型來認識事物的方法，稱為數學模型方法．簡稱為MM方法。

數學模型是數學抽象的概括的產物，其原型可以是具體對象及其性質、關系，也可以是數學對象及其性質、關系。數學模型有廣義和狹義兩種解釋．廣義地說，數學概念、如數、 *** 、向量、方程都可稱為數學模型，狹義地說，只有反映特定問題和特定的具體事物系統的數學關系結構方數學模型大致可分為二類：(1)描述客體必然現象的確定性模型，其數學工具一般是代效方程、微分方程、積分方程和差分方程等，（2）描述客體或然現象的隨機性模型，其數學模型方法是科學研究相創新的重要方法之一。在體育實踐中常常提到優秀運動員的數學模型。如經調查統計．現代的世界級短跑運動健將模型為身高1.80米左右、體重70公斤左右，100米成績10秒左右或更好等。

用字母、數字和其他數學符號構成的等式或不等式，或用圖表、圖像、框圖、數理邏輯等來描述系統的特徵及其內部聯系或與外界聯系的模型。它是真實系統的一種抽象。數學模型是研究和掌握系統運動規律的有力工具，它是分析、設計、預報或預測、控制實際系統的基礎。數學模型的種類很多，而且有多種不同的分類方法。

靜態和動態模型 靜態模型是指要描述的系統各量之間的關系是不隨時間的變化而變化的，一般都用代數方程來表達。動態模型是指描述系統各量之間隨時間變化而變化的規律的數學表達式，一般用微分方程或差分方程來表示。經典控制理論中常用的系統的傳遞函數也是動態模型，因為它是從描述系統的微分方程變換而來的（見拉普拉斯變換）。

分布參數和集中參數模型 分布參數模型是用各類偏微分方程描述系統的動態特性，而集中參數模型是用線性或非線性常微分方程來描述系統的動態特性。在許多情況下，分布參數模型藉助於空間離搏盯喊散化的方法，可簡化為復雜程度較低的集中參數模型基野。

連續時間和離散時間模型 模型中的時間變數是在一定區間內變化的模型稱為連續時間模型，上述各類用微分方程描述的模型都是連續時間模型。在處理集中參數模型時，也可以將時間變數離散化，所獲得的模型稱為離散時間模型。則激離散時間模型是用差分方程描述的。

隨機性和確定性模型 隨機性模型中變數之間關系是以統計值或概率分布的形式給出的，而在確定性模型中變數間的關系是確定的。

參數與非參數模型 用代數方程、微分方程、微分方程組以及傳遞函數等描述的模型都是參數模型。建立參數模型就在於確定已知模型結構中的各個參數。通過理論分析總是得出參數模型。非參數模型是直接或間接地從實際系統的實驗分析中得到的響應，例如通過實驗記錄到的系統脈沖響應或階躍響應就是非參數模型。運用各種系統辨識的方法，可由非參數模型得到參數模型。如果實驗前可以決定系統的結構，則通過實驗辨識可以直接得到參數模型。

線性和非線性模型 線性模型中各量之間的關系是線性的，可以應用疊加原理，即幾個不同的輸入量同時作用於系統的響應，等於幾個輸入量單獨作用的響應之和。線性模型簡單，應用廣泛。非線性模型中各量之間的關系不是線性的，不滿足疊加原理。在......>>
請問三維建模和數學建模有什麼區別
三維模型是物體的多邊形表示，通常用計算機或者其它視頻設備進行顯示。顯示的物體是可以是現實世界的實體，也可以是虛構的物體。任何物理自然界存在的東西都可以用三維模型表示。

三維模型已經用於各種不同的領域。在醫療行業使用它們製作器官的精確模型；電影行業將它們用於活動的人物、物體以及現實電影；視頻游戲產業將它們作為計算機與視頻游戲中的資源；在科學領域將它們作為化合物的精確模型；建築業將它們用來展示提議的建築物或者風景表現；工程界將它們用於設計新設備、交通工具、結構以及其它應用領域；在最近幾十年，地球科學領域開始構建三維地質模型。

數學建模是一種數學的思考方法，是運用數學的語言和方法，通過抽象，簡化建立能近似刻畫並"解決"實際問題的一種強有力的數學手段。

數學建模就是用數學語言描述實際現象的過程。觸里的實際現象既包涵具體的自然現象比如自由落體現象，也包含抽象的現象比如顧客對某種商品所取的價值傾向。這里的描述不但包括外在形態，內在機制的描述，也包括預測，試驗和解釋實際現象等內容。
數學建模是什麼東西？能不能詳細用幾個例子講解一下 60分
數學建模就是用數學工具，比如各種形式的方程來描述實際的物理世界。

比如，最簡單的勻速直線運動，用s＝vt來描述位移和速度與時間的關系，就是對這一物理運動的數學建模。

當然，還有更復雜的物理環境，就需要用到更高深的數學工具，比如多階的微分方程，或是採用狀態變數的方法對物理世界進行分析，但總而言之，都是用數學語言來描述物理世界。

一個數學建模例子

wenku./...Vo4Ooi

數學建模經典案例詳解

wenku./...IQkSrO
數學建模大賽到底是干什麼的？一定要會編程嗎？
我曾參加過數學建模競賽。全國大學生數學建模大賽目的是培養大學生能夠在學習知識的同時，學會運用知識解決實際問題，學會將實際問題轉化成數學問題，用數學知識來解決實際問題。並且，培養小組團結合作精神。必須是三人一組，不過最好可以是不同專業的三個人，這樣知識面廣，好解決問題，分工合作。最好會編程，但是不會的話，也可以求助會的人，比如求助你的老師或者會編程的同學。希望我的回答對你有幫助，也希望你能參加，這個大賽很能鍛煉人。
數學建模的思路是什麼？
數學建模關鍵是提煉數學模型，所謂提煉數學模型，就是運用科學抽象法，把復雜的研究對象轉化為數學問題，經合理簡化後，建立起揭示研究對象定量的規律性的數學關系式(或方程式)。這既是數學方法中最關鍵的一步，也是最困難的一步。提煉數學模型，一般採用以下六個步驟完成：

第一步：根據研究對象的特點，確定研究對象屬哪類自然事物或自然現象，從而確定使用何種數學方法與建立何種數學模型。即首先確定對象與應該使用的數學模型的類別歸屬問題，是屬於「必然」類，還是「隨機」類；是「突變」類，還是「模糊」類。

第二步：確定幾個基本量和基本的科學概念，用以反映研究對象的狀態。這需要根據已有的科學理論或假說及實驗信息資料的分析確定。例如在力學系統的研究中，首先確定的摹本物理量是質主(m)、速度(v)、加速度(α)、時間(t)、位矢(r)等。必須注意確定的基本量不能過多，否則未知數過多，難以簡化成可能數學模型，因此必須詵擇出實質性、關鍵性物理量才行。 禒 第三步：抓住主要矛盾進行科學抽象。現實研究對象是復雜的，多種因素混在一起，因此，必須變復雜的研究對象為簡單和理想化的研究對象，做到這一點相當困難，關鍵是分清主次。如何分清主次只能具體問題具體分析，但也有兩條基本原則：一是所建數學模型一定是可能的，至少可給出近似解；二是近似解的誤差不能超過實際問題所允許的誤差范圍。

第四步：對簡化後的基本量進行標定，給出它們的科學內涵。即標明哪些是常量，哪些是已知量，哪些是待求量，哪些是矢量，哪些是標量，這些量的物理含義是什麼?

第五步：按數學模型求出結果。

第六步：驗證數學模型。驗證時可根據情況對模型進行修正，使其符合程度更高，當然這以求原模型與實際情況基本相符為原則。

E. 數學模型有什麼用

數學模型是數學抽象的概括的產物，其原型可以是具體對象及其性質、關系，也可以是數學對象及其性質、關系。數學模型有廣義和狹義兩種解釋．廣義地說，數學概念、如數、集合、向量、方程都可稱為數學模型，狹義地說，只有反映特定問題和特定的具體事物系統的數學關系結構方數學模型大致可分為二類：(1)描述客體必然現象的確定性模型，其
數學工具
一般是代效方程、微分方程、
積分方程
和
差分方程
等，（2）描述客體或然現象的
隨機性
模型，其
數學模型方法
是科學研究相創新的重要方法之一。在體育實踐中常常提到優秀運動員的數學模型。如經調查統計．現代的世界級短跑運動健將模型為身高1.80米左右、體重70公斤左右，100米成績10秒左右或更好等。
用字母、數字和其他
數學符號
構成的等式或不等式，或用圖表、圖像、框圖、
數理邏輯
等來描述系統的特徵及其內部聯系或與外界聯系的模型。它是真實系統的一種抽象。數學模型是研究和掌握系統運動規律的有力工具，它是分析、設計、預報或預測、控制實際系統的基礎。數學模型的種類很多，而且有多種不同的分類方法。
靜態和動態模型
靜態模型是指要描述的系統各量之間的關系是不隨時間的變化而變化的，一般都用
代數方程
來表達。動態模型是指描述系統各量之間隨時間變化而變化的規律的數學表達式，一般用微分方程或差分方程來表示。
經典控制理論
中常用的系統的
傳遞函數
也是動態模型，因為它是從描述系統的微分方程變換而來的（見
拉普拉斯變換
）。
分布參數和集中參數模型
分布參數模型是用各類偏微分方程描述系統的動態特性，而集中參數模型是用線性或非線性
常微分方程
來描述系統的動態特性。在許多情況下，分布參數模型藉助於空間
離散化
的方法，可簡化為復雜程度較低的集中參數模型。
連續時間和離散
時間模型
模型中的
時間變數
是在一定區間內變化的模型稱為連續時間模型，上述各類用微分方程描述的模型都是連續時間模型。在處理集中參數模型時，也可以將時間變數離散化，所獲得的模型稱為離散時間模型。離散時間模型是用差分方程描述的。
隨機性和確定性模型
隨機性模型中變數之間關系是以統計值或
概率分布
的形式給出的，而在確定性模型中變數間的關系是確定的。
參數與非參數模型
用代數方程、微分方程、微分方程組以及傳遞函數等描述的模型都是參數模型。建立參數模型就在於確定已知模型結構中的各個參數。通過理論分析總是得出參數模型。非參數模型是直接或間接地從實際系統的實驗分析中得到的響應，例如通過實驗記錄到的系統脈沖響應或階躍響應就是非參數模型。運用各種
系統辨識
的方法，可由非參數模型得到參數模型。如果實驗前可以決定系統的結構，則通過實驗辨識可以直接得到參數模型。
線性和非線性模型
線性模型中各量之間的關系是線性的，可以應用
疊加原理
，即幾個不同的輸入量同時作用於系統的響應，等於幾個輸入量單獨作用的響應之和。線性模型簡單，應用廣泛。非線性模型中各量之間的關系不是線性的，不滿足疊加原理。在允許的情況下，非線性模型往往可以
線性化
為線性模型，方法是把非線性模型在工作點
鄰域
內展成
泰勒級數
，保留一階項，略去高階項，就可得到近似的線性模型。

F. 什麼是數學模型和數學建模

數學模型是運用數理邏輯方法和數學語言建構的科學或工程模型。數學模型的歷史可以追溯到人類開始使用數字的時代。隨著人類使用數字，就不斷地建立各種數學模型，以解決各種各樣的實際問題。對於廣大的科學技術工作者對大學生的綜合素質測評,對教師的工作業績的評定以及諸如訪友，采購等日常活動，都可以建立一個數學模型，確立一個最佳方案。建立數學模型是溝通擺在面前的實際問題與數學工具之間聯系的一座必不可少的橋梁。

G. 國內生產總值GDP預測數學模型是什麼

國內生產總值GDP預測數學模型是：

1.回歸預測模型；

2.ARIMA模型。

回歸預測模型簡介：

回歸模型（regression model）對統計關系進行定量描述的一種數學模型。

回歸分析(regression analysis)是研究一個變數（被解釋變數）關於另一個（些）變數（解釋變數）的具體依賴關系的計算方法和理論。 從一組樣本數據出發，確定變數之間的數學關系式對這些關系式的可信程度進行各種統計檢驗，並從影響某一特定變數的諸多變數中找出哪些變數的影響顯著，哪些不顯著。利用所求的關系式，根據一個或幾個變數的取值來預測或控制另一個特定變數的取值，並給出這種預測或控制的精確程度。

其用意：在於通過後者的已知或設定值，去估計和（或）預測前者的（總體）均值。

ARIMA模型：

全稱為自回歸積分滑動平均模型(Autoregressive Integrated Moving Average Model,簡記ARIMA)，是由博克思(Box)和詹金斯(Jenkins)於70年代初提出一著名時間序列預測方法
，所以又稱為box-jenkins模型、博克思-詹金斯法。其中ARIMA（p，d，q）稱為差分自回歸移動平均模型，AR是自回歸， p為自回歸項；

MA為移動平均，q為移動平均項數，d為時間序列成為平穩時所做的差分次數。所謂ARIMA模型，是指將非平穩時間序列轉化為平穩時間序列，然後將因變數
僅對它的滯後值以及隨機誤差項的現值和滯後值進行回歸所建立的模型。ARIMA模型根據原序列是否平穩以及回歸中所含部分的不同，包括移動平均過程
（MA）、自回歸過程（AR）、自回歸移動平均過程（ARMA）以及ARIMA過程。

H. 預測模型可以對什麼進行預測

定量預測法。根據查詢模型相關信息得知，預測模型可以對定量預測法進行預測，最重要的工作是建立預測數學模型。預測模型是指用於預測的，用數學語言或公凱肢式所描述的事物間的數量關系。它在一定程度上揭示了事物間的內在規律性，預測時把它作為計算預測值的直接依據。因此，它對預測准確度有極大的影響。任何一種具體的預測方法都是以其特定的數學模型為特徵。預測方法的種類很燃察多，各有相應的預測模皮孫茄型。

I. 數學模型是什麼的應用

教學目標要以課程改革為核心，以課題研究為載體，以學生全面發展、教師業務能力不斷提升為目標，以提高課堂教學效率、教學質量、減輕學生課業負擔為根本。

數學是研究現實世世廳猜界數量關系和空間形式的科學，在它產生和發展的歷史長河中，一直是和各種各樣的應用問題緊密相關的。數學的特點不僅在於概念的抽象性、邏輯的嚴密性、結論的明確性和體系的完整性，而且在於它應用的廣泛性。

數學技術：

隨著計算機技術的迅速發搜型展，數學的應用不僅在工程技術、自然科學等領域發揮著越來越重要的作用，而且以空前的廣度和深度向經濟、管理、金融、生物、醫學、環境、地質、人口、交通等新的領域滲透，所謂數學技術已經成為當代高新技術的重要組成部分。

數學伏春模型（Mathematical Model）是一種模擬，是用數學符號、數學式子、程序、圖形等對實際課題本質屬性的抽象而又簡潔的刻畫，它或能解釋某些客觀現象，或能預測未來的發展規律，或能為控制某一現象的發展提供某種意義下的最優策略或較好策略。

J. 預測模型可分為哪幾類

根據方法本身的性質特點將預測方法分為三類。

1、定性預測方法

根據人們對系統過去和現在的經驗、判斷和直覺進行預測，其中以人的邏輯判斷為主，僅要求提供系統發展的方向、狀態、形勢等定性結果。該方法適用於缺乏歷史統計數據的系統對象。

2、時間序列分析

根據系統對象隨時間變化的歷史資料，只考慮系統變數隨時間的變化規律，對系統未來的表現時間進行定量預測。主要包括移動平均法、指數平滑法、趨勢外推法等。該方法適於利用簡單統計數據預測研究對象隨時間變化的趨勢等。

3、因果關系預測

系統變數之間存在某種前因後果關系，找出影響某種結果的幾個因素，建立因與果之間的數學模型，根據因素變數的變化預測結果變數的變化，既預測系統發展的方向又確定具體的數值變化規律。

(10)數學模型是什麼預測擴展閱讀：

預測模型是在採用定量預測法進行預測時，最重要的工作是建立預測數學模型。預測模型是指用於預測的，用數學語言或公式所描述的事物間的數量關系。它在一定程度上揭示了事物間的內在規律性，預測時把它作為計算預測值的直接依據。

因此，它對預測准確度有極大的影響。任何一種具體的預測方法都是以其特定的數學模型為特徵。預測方法的種類很多，各有相應的預測模型。

趨勢外推預測方法是根據事物的歷史和現實數據，尋求事物隨時間推移而發展變化的規律，從而推測其未來狀況的一種常用的預測方法。

趨勢外推法的假設條件是：

(1)假設事物發展過程沒有跳躍式變化，即事物的發展變化是漸進型的。

(2)假設所研究系統的結構、功能等基本保持不變，即假定根據過去資料建立的趨勢外推模型能適合未來，能代表未來趨勢變化的情況。

由以上兩個假設條件可知，趨勢外推預測法是事物發展漸進過程的一種統計預測方法。簡言之，就是運用一個數學模型，擬合一條趨勢線，然後用這個模型外推預測未來時期事物的發展。

趨勢外推預測法主要利用描繪散點圖的方法(圖形識別)和差分法計算進行模型選擇。

主要優點是：可以揭示事物發展的未來，並定量地估價其功能特性。

趨勢外推預測法比較適合中、長期新產品預測，要求有至少5年的數據資料。

組合預測法是對同一個問題，採用多種預測方法。組合的主要目的是綜合利用各種方法所提供的信息，盡可能地提高預測精度。組合預測有 2 種基本形式，一是等權組合， 即各預測方法的預測值按相同的權數組合成新的預測值；二是不等權組合，即賦予不同預測方法的預測值不同的權數。

這 2 種形式的原理和運用方法完全相同，只是權數的取定有所區別。 根據經驗，採用不等權組合的組合預測法結果較為准確。

回歸預測方法是根據自變數和因變數之間的相關關系進行預測的。自變數的個數可以一個或多個，根據自變數的個數可分為一元回歸預測和多元回歸預測。同時根據自變數和因變數的相關關系，分為線性回歸預測方法和非線性回歸方法。

回歸問題的學習等價於函數擬合：選擇一條函數曲線使其很好的擬合已知數據且能很好的預測未知數據。