预测类模型都有哪些？这些模型的适用情况分别是什么？

有些方法（神经网络预测、灰色预测模型）看起来是万能的，什么数据都能用它来预测，但并不能体现问题的本质. 

比较好的作法不是套方法，而是设法去揭示问题背后的机理。如预测人口时常用的Malthus和Logistic模型，不仅能很好的预测人口的增长，还揭示了人口增长的机制.

说一个很不专业的预测方法：

1、序列波动大－－>用神经网络预测

2、序列波动小－－>灰色预测

3、可以搞清楚预测值的模型，通过预测该模型的参数再预测目标值

至于插值这是在数据预处理阶段做的工作，拟合一般需要有先验知识支持你用这个函数进行拟合，否则乱拟合总感觉不是很科学。

至于贝叶斯，如果能够给出预测值的概率分布，这当然是非常出彩也符合实际的。

隐约在哪里看到过类似问题，预测类的模型有很多，除了你说的那些以外，还有小波预测模型，支持向量机等方法。预测类的方法很多，不要过分的追求方法。每一个方法适用范围都是不一样的。在真正比赛的时候，要根据数据特点以及特征来选取模型。如果不知道数据特征，那就选取几种认为可行的模型，进行分析。挑选出最合适的一个，并写在论文里面，这样老师在批改论文的时候，会在论文的理论依据方面给很高的分数。

一般的，时间序列分析适用于基于时间有周期性的数据变化，神经网络需要大量的数据作为样本，才能够比较准确，多项式预测的优点是公式简单，并且在公式的基础上，进行拓展。

灰色预测模型适用于相同或相似的事物和因素按一定的秩序相互关联、相互制约而构成一个整体的情况，贝叶斯预测是将先验和后验知识相结合来模拟时间序列数据，期望得到的结论是合理的。也是需要大量的数据统计作为依据支撑。