为什么摘要声称改进的 Verhulst 模型在处理剧烈变化的数据序列时比改进的 GM(1,1) 模型更精确？

适用条件

• 比较适用于剧烈变化或剧烈非平稳的数据序列。
• 实证评估使用了黑龙江省 1996 年至 2009 年的交通事故数据。

理解与推导

1. 识别基线 GM(1,1) 模型在剧烈非平稳数据序列方面所述的缺点。
2. 注意使用代谢方法提出的两个改进模型。
3. 观察在指定区域数据集上进行的实证比较。
4. 得出结论：对于这种特定类型的数据序列，改进的 Verhulst 模型优于改进的 GM(1,1) 模型。

例子

摘要明确指出：“鉴于 GM(1,1) 模型的缺点，其在预测剧烈非平稳数据序列时精度较低……应用黑龙江省 1996~2009 年的交通事故数据表明，对于剧烈变化的数据序列，改进的 Verhulst 模型比改进的 GM(1,1) 模型更精确。”

容易误解的地方

• 假设视频推导了这种精度差异的数学证明；它只显示了摘要的文本声明。
• 认为 85% 的平均精度适用于 GM(1,1) 模型；摘要将其归因于改进的 Verhulst 模型。

观看对应讲解

继续追问

• 改进的 Verhulst 模型报告的平均精度是多少？
• 视频中如何启动本地道路交通事故 Web 应用程序？