在之前的數模競賽中，即便是美賽O獎的作品中，我們都能看到諸如灰色預測這樣的用MATLAB實現的方法，實際上我們有時間序列，回歸等一系列比較常用的預測方法。
在18年前后，預測類數模問題變得較為尷尬，不是因為這些題目簡單，是因為大家都有了一套兩套現成的算法，拿題后只要找到數據就能很快跑程序出數據出圖寫論文。所以那個時候基本上很少有預測的題目再出現了。實際上，評價類模型和預測類模型都是這樣，因為人均都會，所以導致我們不會見到一整個大題全是講預測的。在這之前，我們在國賽見過人口增加預測，長江水質預測，世博會影響預測等等，那個時候基本上都是用matlab去實現這些數據的處理和預測。說起來，在15年我本科入學的時候有個風潮，就是互聯網+，那個時候就是誰有著一個什么創新創業的點子，就可以去參加比賽拿拿獎。我一看這還要做ppt路演，搞得比較商業，當時就沒怎么關注，畢竟我只喜歡參加埋頭做題的比賽。上臺說話這種我比較怯場，不過我也不是沒有改變自己，有一次我最終鼓起勇氣去參加了學校一個英語辯論賽，初賽只有抽題觀點陳述這一部分，不用和別的同學正面對抗，所以我僥幸侃侃而談，成功入圍復賽，高興之余，也激動地和室友報喜，隨后聯系復賽管理人員說我不去了，名額因此也順延給了后一名，不知道算不算得上一樁美談。扯遠了，主要是那個時候搞互聯網+，什么東西都要加互聯網，超市+互聯網=做個訂超市app，打車+互聯網=打車軟件。現在python很火，頗有一番人工智能+的趨勢。在數模領域，除了matlab，學會python搞人工智能應用也將是一個趨勢，不過吧，實際上MATLAB也能實現一部分。那么在預測類這方面，用python的話：LSTM：長短期記憶網絡GRU：門控循環單元DBN：深度置信網絡QNN：量子神經網絡SVR：支持向量機XGBoost：極端梯度提升CNN：卷積神經網絡ESN：回聲狀態網絡……舉例的這些方法都可以被應用到預測中，如果你搜索這些算法，你會發現有不少核心期刊論文，通篇運用這些方法來做預測。至少我們現在做數模論文，是幾乎無法發表那些預測類論文至核心期刊的。那么，你是不是應該選一個關鍵詞，找個時間搜索原理和源代碼，然后學會如何應用模型呢？