forecast1 = (x1(1)-u(2)./u(1)).*exp(-u(1).*([0:n-1+k]))+u(2)./u(1); %白化方程的离散响应 exchange = diff(forecast1)%最后10个为预测的数据 epsilon=x0(2:n)'-exchange(1:n-1) %计算残差 delta=abs(epsilon./x0(2:n)') %计算相对误差 rho=1-(1-0.5*u(1))/(1+0.5...
GM(1,1)模型的预测原理是:对某一数据序列用累加的方式生成一组趋势明显的新数据序列,按照新的数据序列的增长趋势建立模型进行预测,然后再用累减的方法进行逆向计算,恢复原始数据序列,进而得到预测结果。 GM(1,1)建模过程: (1) 设一组原始数据为 ,n为数据个数。对 累加以便弱化随机序列的波动性和随机性,得到新...
建立Gm(1,1)模型的白化方程,预测2020-2021工业总产值。 直接编写matlab程序输入数据预测: (附录) function []=greymodel(y) % 本程序主要用来计算根据灰色理论建立的模型的预测值。 % 应用的数学模型是 GM(1,1)。 % 原始数据的处理方法是一次累加法。 y=input('请输入数据 '); n=length(y); yy=ones(...
% GM(1,1)模型 % 输入参数: % x:原始数据 % 输出参数: % y:累加生成数列 % pre:模型预测值 n = length(x); y = cumsum(x); % 累加生成数列 a = zeros(n-1,2); b = zeros(n-1,1); for i=1:n-1 a(i,1) = -(y(i)+y(i+1))/2; a(i,2) = 1; b(i) = x(i+1); ...
2. 建立GM(1,1)模型 3. 检验预测值 五、MATLAB代码 function []=greymodel(y) % 本程序主要用来计算根据灰色理论建立的模型的预测值。 % 应用的数学模型是 GM(1,1)。 % 原始数据的处理方法是一次累加法。 y=input('请输入数据 '); n=length(y); ...
3.matlab实现步骤 (1)导入数据 (2)变换数据(累加) (3)求参数 (矩阵左除,很方便) (4)得到函数模型 (5)检验模型精度 (6)运用模型进行预测 接下来直接来看Matlab实现: 这里举的例子为 导入数据为1998—2008年的数据 我们要预测未来十年的数据 选择采用灰色预测(Gray Model)效果较好!
(也就是原始序列中,后一项依次减去前一项的值,例如,[x(2)-x(1),x(3-x(2),...,x(n)-x(n-1))]。) (4)均值生成序列: (这是对累加序列"(前一项+后一项)/2"得出的结果。) 求解步骤: 三、灰色预测的实例讲解: 1.使用GM(1,1)的预测检验“北方某城市1986年-1992年道路噪声交通 平均声级数据:...
灰色关联预测分析GM(1,1)通常可分为以下四个步骤:级比值检验此步骤目的在于数据序列是否有着适合的规律...
function GM1_1(X0)format long ;[m,n]=size(X0);X1=cumsum(X0); %累加 X2=[];for i=1:n-1 X2(i,:)=X1(i)+X1(i+1);end B=-0.5.*X2 ;t=ones(n-1,1);B=[B,t] ; % 求B矩阵 YN=X0(2:end) ;P_t=YN./X1(1:(length(X0)-1)) %对原始数据序列...
(也就是原始序列中,后一项依次减去前一项的值,例如,[x(2)-x(1),x(3-x(2),...,x(n)-x(n-1))]。) (4)均值生成序列: (这是对累加序列"(前一项+后一项)/2"得出的结果。) 求解步骤: 三、灰色预测的实例讲解: 1.使用GM(1,1)的预测检验“北方某城市1986年-1992年道路噪声交通 平均声级数据:...