因此,灰色预测模型GM(1,n)更适用于短期预测,对于长期预测,需要其他更加合适的模型。 代码 importnumpyasnpimportmathasmtimportmatplotlib.pyplotasplt# 累加生成函数defgenerate_AGO(m):returnnp.cumsum(m).tolist()# 紧邻均值生成函数defgenerate_Z(m):return[(m[j]+m[j-1])/2forjinrange(1,len(m))]...
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...
(Contemporary Sports Technology)DOI:10.16655/j.cnki.2095-2813.2018.13.221利用多变量GM(1,N)灰色模型预测运动成绩的研究 ①谢晖(山东大学体育学院社会体育系 山东济南 250061)摘 要:运动成绩因受多种因素的共同影响,其排列有不规则且非线性的特点,导致GM(1,1)模型实际预测时频频失效,预测结果与原始数据有较大...
Up闭关两天,终于完成了多维灰色预测模型GM(1,,n)的Excel实现过程。希望大家观看的时候一键三连。祝大家学业顺利。, 视频播放量 3266、弹幕量 0、点赞数 74、投硬币枚数 43、收藏人数 125、转发人数 34, 视频作者 妖刀可加米, 作者简介 暂停更新,让up先毕业...呜呜呜,相关
在实际应用中对未来产品销售收入是通过以前的数据进行预测,而在预测的过程中收益并不是只受一个变量的影响,而是受到多个变量的影响,本文拟将灰色系统中的GM(1,N)模型引入到此理论中,且在此基础上,将精度较高的残差GM(1,1)模型代替GM(1,1)模型嵌入GM(1,N)模型对受多自变量影响的销售收入进行预测。 二、对...
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 ...
从图形结果来看,用GM(1,1)灰色模型进行波动数据预测,误差偏大,其预测性是不可靠。建议采用BP神经网络来预测,即通过已知5个数据训练,来预测10个数据 。其方法过程:1、导入数据 2、产生训练集和测试集 3、数据归一化处理 4、创建/训练BP神经网络及仿真测试 5、性能评价(相对误差,决定系数,极差...
首先分析国民经济构成及其影响因素,然后根据历史数据,建立定义型GM(1,1),GM (1,N)预测模型对国民经济中第二产业,第三产业,社会固定资产投资的预测,得到较高的精度,并将预测结果与实际造数据进行对比以验证预测模型的有效性。本文的主要工作如下: 第二章 详细阐述灰色系统关联模式第三章 详细阐述灰色系统建模概况...
做累加生成,得到1-AGO序列 则得到GM(1,N)的影子方程为: (1) 于是GM(1,N)模型的近似时间响应解为: (2) 其预测模拟值为: 记参数列 (k=2,3,…,n) (3) 由最小二乘解得: (4) 其中: 从模型中可以看出,模型的精度依赖...