Modelo de previsão de demanda grey-Markov ponderado com efeitos espaciais

Objetivo: Para melhorar a precisão da previsão do modelo grey em cenários de amostra pequena e alta volatilidade e para utilizar efetivamente os efeitos espaciais e as características de autocorrelação dos dados, um modelo de previsão Markov grey ponderado com efeitos espaciais é construído. Design/metodologia/abordagem: Um módulo de efeito espacial é incorporado para capturar correlações inter-regionais e heterogeneidade, e um módulo de cadeia de Markov ponderada é introduzido, que ajusta os pesos dos diferentes passos de transição de estado para utilizar melhor os dados recentes. Resultados: Resultados experimentais sobre dados de demanda de talento e eletricidade de várias regiões mostram que o modelo proposto supera significativamente os modelos de referência em precisão de previsão, e estudos de ablação validam a eficácia tanto do módulo de efeito espacial quanto do módulo de cadeia de Markov ponderada. Originalidade/valor: A integração de efeitos espaciais no modelo grey e a utilização de uma cadeia de Markov ponderada para contabilizar plenamente as características de autocorrelação da série de dados, a abordagem proposta melhora tanto a adaptabilidade quanto o desempenho preditivo em cenários altamente voláteis.