第10课 预测原理探究-九年级信息科技（浙教版2023）.pptxVIP

预测原理探究 目录 CONTENTS 01. 预测的基本概念 02. 人工智能预测 03. 预测的实践应用 04. 预测的未来发展 预测的基本概念 第一章节 预测的概念 决策是人们在生产、生活和工作中的一项基本的思维和实践活动。小至个人生活，大至整个国家的建设，都需要对一些行动方案的可行性及优劣做出评价，从中选择满意或最优的行为。而预测作为决策的前提和基础，对最终决策选择的方案起着重要的作用，因而也是关乎生存和发展的一项重要活动。 一、预测的概念 预测是指根据客观事物的发展趋势和变化规律，对特定的对象末来发展的趋势或状态做出科学的推测与判断。 现代预测理论以定量分析为基本方法，它由五个基本要素组成:/人(预测者)、知识（预测依据)、手段（预测方法)、事物未来或未知状况（预测对象)、预先推知和判断（预测结果)。预测理论的五大基本要素的关系如图11-1。 预测基本要素关系 决策 为了获得科学的预测结果的同时也就构成了科学预测活动的发端，它是预测活劫全过程的动力，并推动着预测系统的运动、变化与发展。一旦获得了科学预测的结果，预测活动便告终结。所以，预测结果既是预测活动的发端，又是预测活动的终结。 人类拥有一种重要的能力——决策。决策，即做出决定或选择，是我们日常生活中不可或缺的一部分。决策问题无处不在。 决策问题往往非常复杂:在决策过程中，每一次必须做出选择时可能出现的选项很多，且决策的目标常常是一个远期的结果，不可能被简单预测到。 预测 比如下围棋这样一个决策问题:每一回合都需要落子，即做决策;每一次决策可以做的选择很多，如果是19道围棋则最多有361种落子方式;在落子之后，对手也会落子。每一步落子的收益和导向是不可预测的。 预测已有漫长的历史。我国古代人民认为看见蚂蚁上树预示天即将下雨，便是自觉或不自觉运用预测技术的一种体现。但在19世纪以前，人类对于这样一类问题,往往根据个人的经验、阅历、学识和智慧，通过类比、分析和综合的方法做出直观判断，即现在我们所说的定性预测。这些方法至令仍在采用，并继续向理性化、系统化的方向发展，在一些缺乏定量信息和极端复杂的场合，仍有不可取代的作用。 预测的原理 01 基于历史数据：通过分析历史数据，建立预测模型 05 基于专家意见：通过专家意见，建立预测模型 03 基于时间序列：通过分析时间序列数据，建立预测模型 02 基于因果关系：通过分析因果关系，建立预测模型 04 基于机器学习：通过机器学习算法，建立预测模型 基于综合分析：综合运用多种方法，建立预测模型 06 人工智能预测 第二章节 人工智能预测 人工智能预测是指利用人工智能技术对未来事件、趋势等进行预测和分析的过程。人丕智能预测可以应用于各个领域，如金融、医疗、物流、市场等通过分析大量的数据,利用机器学习、神经网络等技术，预测未来的趋势和变化，为人们决策提供参考和指导。如用户打开智能地图导航软件，输人目的地，选择出行方，选择出行时间，即可查看不同时间段的预质通行时间(如图11-2)，做出出行决策。 影响人们出行方式选择的因素有很多，如天气状态、出行距离、实时路况等。人工智能预测出行方式的步骤一般如下: 确定影响因素→收集样本数据→对样本进行训练→训练完成后输入要预测的数据进行预测（如图(11-3)。 图11-2 智能地图导航 技术原理—预测神经网络基础 01 02 03 04 05 06 深度学习：通过增加网络深度和宽度，提高模型的表达能力和预测精度 反向传播：通过调整神经元的权重和偏置，以最小化损失函数，实现模型优化 损失函数：衡量预测结果与实际结果之间的差异，如均方误差、交叉熵等 激活函数：将神经元的输出信号转换为新的形式，如Sigmoid、ReLU等 神经元：ANN的基本单元，接收输入信号，进行加权求和，然后产生输出信号 人工神经网络（ANN）：模拟人类大脑的神经网络结构，用于处理复杂数据 技术原理—深度学习算法 卷积神经网络（CNN）：用于图像识别和分类 循环神经网络（RNN）：用于序列数据处理，如自然语言处理和语音识别 长短时记忆网络（LSTM）：改进的RNN，可以处理更长的序列数据 生成对抗网络（GAN）：用于生成数据，如图像生成和文本生成 技术原理—特征提取与模型训练 01 02 03 04 特征提取：从原始数据中提取出对预测结果有影响的特征 特征选择：选择对预测结果影响最大的特征 模型训练：使用选择的特征训练预测模型 模型评估：对训练好的模型进行评估，以确定其预测效果 预测的实践应用 第三章节 经济预测 宏观经济预测：预测GDP、CPI、失业率等经济指标 股市预测：预测股票价格、市场走势等 01 02 汇率预测：预测汇率波动、汇率风险等 03 产业预测：预测产业发展趋势、行业竞争格局等 04 金融预测 01 02 03 0