【示例】城市交通拥堵指数的灰色预测与 ARIMA 对照

问题是什么？

识别拥堵指数的变化规律。

使用什么模型？

时序图 + 回归趋势

为什么使用这个模型？

先看趋势和季节，再决定能不能直接套复杂模型。

核心公式是什么？

x_t = a + bt + ε_t

得到了什么结果？

工作日有上升趋势，节假日明显回落。

问题是什么？

预测未来若干期拥堵指数。

使用什么模型？

灰色预测 + ARIMA

为什么使用这个模型？

样本偏短，灰色预测稳；若差分后平稳，ARIMA 可提供区间。

核心公式是什么？

GM(1,1) 与 ARIMA(p,d,q)

得到了什么结果？

两模型短期方向一致，灰色预测更平滑，ARIMA 更能表现波动。

问题是什么？

给出缓解拥堵的策略建议。

使用什么模型？

情景分析

为什么使用这个模型？

预测题也要落到“如果限行/加密公交，指数会怎样”。

核心公式是什么？

把政策变量作为外生冲击，比较预测偏差

得到了什么结果？

高峰分流对指数下降的边际效果大于单纯道路扩建。