用matlab求灰色预测模型,这道题完全符合灰色预测模型的做题步骤X(0) =(7585.23,9144.17,10875.14 ,12580.54,15099.56)累加生成得X(1)=(7585.23,16729.40,27604.54,40185.08,55284.64)②对X(0)进行准光滑检验和对进
来源:学生作业帮助网 编辑:作业帮 时间:2024/09/02 08:34:31
用matlab求灰色预测模型,这道题完全符合灰色预测模型的做题步骤X(0) =(7585.23,9144.17,10875.14 ,12580.54,15099.56)累加生成得X(1)=(7585.23,16729.40,27604.54,40185.08,55284.64)②对X(0)进行准光滑检验和对进
用matlab求灰色预测模型,这道题完全符合灰色预测模型的做题步骤
X(0) =(7585.23,9144.17,10875.14 ,12580.54,15099.56)
累加生成得X(1)=(7585.23,16729.40,27604.54,40185.08,55284.64)
②对X(0)进行准光滑检验和对进行准指数规律检验
p(k) =(0.90,0.65,0.46,0.38)可见,不满足p(k)属于[0,ε]、ε
用matlab求灰色预测模型,这道题完全符合灰色预测模型的做题步骤X(0) =(7585.23,9144.17,10875.14 ,12580.54,15099.56)累加生成得X(1)=(7585.23,16729.40,27604.54,40185.08,55284.64)②对X(0)进行准光滑检验和对进
我一直用这个程序你看看.
MATLAB实现灰色预测程序
function [y,p,e]=huise_1_1(X,k) %灰色模型的malab程序
%Example [y,p]=gm_1_1([200 250 300 350],2)
%接口描述: X的预测的初始数列,|X|>4,K是指向后进行预测的个数
%命令格式:程序保存的文件名,eg:huise.m 则命令是: huise([579.8 547.5 527.0 492.3 437.0],5)
if nargout>3;
error('Too many output argument.');
end
if nargin==1,k=1;x_orig=X;
elseif nargin==0|nargin>2
error('Wrong number of input arguments.');
end
x_orig=X;
predict=k; %AGO 处理,即是对初始数列进行一阶累加
x=cumsum(x_orig); %计算系数(a 和 u)------------------------
n=length(x_orig); %生成矩阵 B
for i=1:(n-1);
B(i)=-(x(i)+x(i+1))/2;
end
B=[B' ones(n-1,1)]; %生成矩阵 Y
for i=1:(n-1);
y(i)=x_orig(i+1);
end
Y=y'; %计算系数 a=au(1) u=au(2)
au=(inv(B'*B))*(B'*Y); %--------------------------------------------------------
%把huise模型公式转换成符号
coef1=au(2)/au(1);
coef2=x_orig(1)-coef1;
coef3=0-au(1);
costr1=num2str(coef1);
costr2=num2str(abs(coef2));
costr3=num2str(coef3);
eq=strcat(costr1,'+',costr2,'e^',costr3,'*(t-1))'); %计算每一个值
for t=1:(n+predict)
mcv(t)=coef1+coef2*exp(coef3*(t-1));
end
x_mcv0=diff(mcv);
x_mcve=[x_orig(1) x_mcv0] %输出图形中的各点
x_mcv=diff(mcv(1:end-predict));
x_orig_n=x_orig(2:end);
x_c_error=x_orig_n-x_mcv;
x_error=mean(abs(x_c_error./x_orig_n));
if x_error>0.2 %相对误差的均值
disp('model disqualification!');
elseif x_error>0.1
disp('model check out');
else
disp('model is perfect!');
end
plot(1:n,x_orig,'o',1:n+predict,x_mcve);
p=x_mcve(end-predict+1:end); %画出预测模型和初始数列的点
xlabel('年份(从第一个数据年份起)');
ylabel('产水量(万吨)');
title('灰度模型 GM(1,1)');
grid on
y=eq;
e=x_error;
p=x_mcve(end-predict+1:end);