数学建模-灰色预测模型(预测模型)
灰色预测是指利用GM模型对系统行为特征的发展变化规律进行估计预测,同时也可以对行为特征的异常情况发生的时刻进行估计计算,以及对在特定时区内发生事件的未来时间分布情况做出研究等等。这些工作实质上是将“随机过程”当作“灰色过程”,“随机变量”当作“灰变量”,并主要以灰色系统理论中的GM(1,1)模型来进行处理。
灰色预测在工业、农业、商业等经济领域,以及环境、社会和军事等领域中都有广泛的应用。特别是依据目前已有的数据对未来的发展趋势做出预测分析。
(*参考数学建模算法与应用一书*)
再举个例子,比如某地几种共享汽车定价为4.6,5.1,5.2,4.8,5.3 元/0.5小时,现研发投放一种新款共享汽车,定价应该在哪个区间比较合适。
clc,clear%清屏
x0=[4.6 5.1 5.2 4.8 5.3]';%赋值,注意这里为列向量
n = length(x0);
lamda = x0(1:n-1)./x0(2:n)%计算级比
range = minmax(lamda')%计算级比的范围
x1 = cumsum(x0)%累加计算
B = [-0.5*(x1(1:n-1)+x1(2:n)),ones(n-1,1)];
Y = x0(2:n);
u = B\Y;
syms x(t)
x = dsolve(diff(x)+u(1)*x==u(2),x(0)==x0(1));%求微分方程符号解
xt = vpa(x,6);
yuce1 = subs(x,t,[0:n-1]);
yuce1 = double(yuce1);
yuce=[x0(1),diff(yuce1)]
epsilon = x0'-yuce%计算残差
delta = abs(epsilon./x0')%计算相对误差
rho = 1-(1-0.5*u(1))/(1+0.5*u(1))*lamda'%计算级比偏差
序号 | 原始值 | 预测值 | 残差 | 相对误差 | 级比偏差 |
1 | 4.6 | 4.6 | 0 | 0 | |
2 | 5.1 | 5.0696 | 0.0304 | 0.006 | 0.0944 |
3 | 5.2 | 5.0898 | 0.1102 | 0.0212 | 0.0153 |
4 | 4.8 | 5.1101 | -0.3103 | 0.0646 | -0.0877 |
5 | 5.3 | 5.1305 | 0.1695 | 0.032 | 0.0907 |
如果级比偏差<0.2,则可认为达到一般要求;如果级比偏差<0.1,则认为达到较高要求。经验证,该模型的精度较高,可进行预测和预报。故共享汽车按小时定价为 4.4-5.5 最好,经济效益最高。
数学建模-灰色预测模型(预测模型)相关推荐
- 数学建模——灰色预测模型Python代码
数学建模--灰色预测模型Python代码 """ Spyder Editor This is a temporary script file. ""& ...
- 数学建模——灰色预测模型
模型简介 灰色模型 (grey models) 是通过少量的,不完全的信息,建立灰色微分预测模型,对事物发展作出长期性的描述. 与灰色模型相对应的预测方法有回归分析等,但这些预测方法需要较大的样本,如 ...
- [数学建模]灰色关联分析--系统分析
建模算法整理,文章主要介绍了 灰色关联分析.两个作用, 一是进行系统分析,判断影响系统发展的因素的重要性. 二是用于综合评价问题,给出研究对象或者方案的优劣排名. 本文主要介绍第一个应用 参考学习资料 ...
- 数学建模--灰色关联分析
写在前面: 笔记为自行整理,内容出自课程<数学建模学习交流>,主讲人:清风 目录 灰色关联分析概述 应用一:进行系统分析 代码(python实现) 应用二:综合评价问题 灰色关联分析概述 ...
- 备战数学建模33-灰色预测模型2
目录 一.灰色系统的概念 二.3种GM(1,1)模型基本原理和实现步骤 三.经典案例 四.总结分析 本节主要学习灰色系统的概念和基本原理,以及介绍了三种灰色预测模型,并给出了灰色预测的具体步骤,同时对 ...
- 数学建模学习笔记——预测模型
灰色微分方程将其白化-->成为正规的微分方程 4.2 4.3 得到SSE最小的模型后,选择n期为训练组,重新建模
- 数学建模——ARIMA时间序列预测模型Python代码
import pandas # 读取数据,指定日期为索引列data = pandas.read_csv('D:\\DATA\\pycase\\number2\\9.3\\Data.csv' ,inde ...
- 数学建模-灰色关联度分析原理笔记
文章目录 灰色关联分析法简介 步骤 画统计图,进行简单分析 确定分析数列 对变量进行预处理 计算子序列中各个指标与对应母指标的关联系数 计算灰色关联度 得到结论 讨论 评价类问题完整分析步骤(该方法) ...
- 数学建模—灰色关联分析
1.灰色关联分析概述 对于多因素共同决定的抽象系统,人们往往希望知道,哪些是主要因素,哪些是次要因素:哪些因素对系统的发展影响较大,哪些因素对系统的影响较小.从而需要对系统进行分析. 数理统计中常用的 ...
最新文章
- java注解接收上传文件,前台:Input type=file 后台获取文件内容用的是spring注解,当地环境上传图片是好的,发布到服务器上图片读取不到,求大神指点...
- STM32程序进入HardFault_Handler
- 【SPOJ】Count On A Tree II(树上莫队)
- 计算机基础教案(XP操作系统)
- 将svn设置开机启动linux,ubuntu安装SVN并设置开机启动
- 二叉树的先序遍历和非递归遍历
- tcp转串口_浅谈串口转以太网技术
- OMG!又一个频繁FullGC的案例
- VTK:可视化之LabeledDataMapper
- vue基于element-ui制作的成绩管理系统(四)个人信息
- C++_异常6-其他异常特性
- java和redis统计在线,在SpringBoot中使用Redis的zset统计在线用户信息
- 求单链表结点的阶乘和
- ORACLE 制定时间 加N月
- python爬虫xpath提取数据_Python网络爬虫四大选择器(正则表达式、BS4、Xpath、CSS)总结...
- sourceMap到底是个啥玩意?
- 【ENVI | Landsat 8】预处理—辐射校正定标
- python机器学习实战|机器学习入门笔记1-机器学习流程+matplotlib简单应用
- 1156:求π的值(函数题)
- Django学习之视图层
热门文章
- 在IntelliJ IDEA中,开发一个摸鱼看书插件
- Latex error: file ‘xxx.sty‘ not found
- 网络应用之JavaScript
- 用Java将32 bpp映像转换为16 bpp映像
- 通道注意力机制keras_在TensorFlow+Keras环境下使用RoI池化一步步实现注意力机制
- 刘韧:和人物共同创作人物故事
- c语言提供了三种预处理命令,C语言提供的三种预处理命令
- 图像处理随笔之峰值信噪比(peak signal to noise ratio)
- 苹果xr十大隐藏功能_苹果手机有哪些隐藏小功能?【建议收藏】
- nvl() 和nvl2()