python灰色预测模型_GM(1,n)(灰色模型代码)

%灰色预测模型GM（1，n）模型的matlab源代码，包括预测模型的建立，以及模型的精度检验指标c,p的计算

%假设预测3步，N=3

%如在命令窗口键入：

%gm=ycgm1n([1.6,1.7,2,1.8,1.9],[2,2.4,3,3.2,3.1],[3,3.1,3.2,3.5,2.8],3)

function GM=ycgm1n(data1,data2,data3,N) %data1:纵摇，data2:升沉，data3:波浪

T=length(data1);

PYX1=data1;

PYX2=data2;

PYX3=data3;

%进行数据预处理，这里用初值化

X0_1=PYX1./PYX1(1);

X0_2=PYX2./PYX2(1);

X0_3=PYX3./PYX3(1);

%用AGO生成一阶累加生成模块

X1_1(1)=X0_1(1);

X1_2(1)=X0_2(1);

X1_3(1)=X0_3(1);

for i=2:T

X1_1(i)=X1_1(i-1)+X0_1(i);

X1_2(i)=X1_2(i-1)+X0_2(i);

X1_3(i)=X1_3(i-1)+X0_3(i);

end

%构造累加矩阵B

for i=1:T-1

M1(i)=(0.5*(X1_1(i)+X1_1(i+1)));

M2(i)=(0.5*(X1_2(i)+X1_2(i+1)));

M3(i)=(0.5*(X1_3(i)+X1_3(i+1)));

end

B1=zeros(T-1,3);

for i=1:(T-1)

B1(i,1)=-M1(i); %-(X1_1(i)+X1_1(i+1)))/2;

B1(i,2)=X1_2(i+1);

B1(i,3)=X1_3(i+1);

end

B2=zeros(T-1,2);

for i=1:(T-1)

B2(i,1)=-M2(i); %-(X1_2(i)+X1_2(i+1)))/2;

B2(i,2)=X1_3(i+1);

end

B3=zeros(T-1,2);

for i=1:(T-1)

B3(i,1)=-M3(i); %-(X1_3(i)+X1_3(i+1)))/2;

B3(i,2)=1;

end

save B1 B1;

save B2 B2;

save B3 B3;

%构造常数项向量Y

for i=2:T

Y1(i-1)=X0_1(i);

Y2(i-1)=X0_2(i);

Y3(i-1)=X0_3(i);

end

HCS1=inv(B1'*B1)*B1'*Y1'; %用最小二乘法求灰参数HCS1

H1=HCS1'; %H1=[a,b2,b3]

HCS2=inv(B2'*B2)*B2'*Y2'; %用最小二乘法求灰参数HCS2

H2=HCS2'; %H2=[a,b3]

HCS3=inv(B3'*B3)*B3'*Y3'; %用最小二乘法求灰参数HCS3

H3=HCS3'; %H3=[b,a]

%计算出X3的累加序列

for i=1:T+N

YCX13(i)=(X0_3(1)-H3(2)/H3(1))*exp(-1*H3(1)*(i-1))+H3(2)/H3(1);

end

for i=2:T+N

% K(i)=XR1(i)-XR1(i-1);

YCX0_3(i)=YCX13(i)-YCX13(i-1);

end

YCX0_3(1)=X0_3(1);

%对参数作alpha，beta变换

H2=H2./(1+0.5*H2(1));

%还原计算出X2的预测值

YCX0_2(1)=X0_2(1);

for i=2:T

YCX0_2(i)=H2(2).*X1_3(i)-H2(1).*X1_2(i-1);

end

YCX12(T)=X1_2(T);

for i=T+1:T+N

YCX0_2(i)=H2(2).*YCX13(i)-H2(1).*YCX12(i-1);

YCX12(i)=YCX0_2(i)+YCX12(i-1);

end

%对参数作alpha，beta变换

H1=H1./(1+0.5*H1(1));

%还原计算出X1的预测值

YCX0_1(1)=X0_1(1);

for i=2:T

YCX0_1(i)=H1(2).*X1_2(i)+H1(3).*X1_3(i)-H1(1).*X1_1(i-1);

end

YCX11(T)=X1_1(T);

for i=T+1:T+N

YCX0_1(i)=H1(2).*YCX12(i)+H1(3).*YCX13(i)-H1(1).*YCX11(i-1);

YCX11(i)=YCX0_1(i)+YCX11(i-1);

end

%数据还原

GM=YCX0_1; %.*PYX1(1);

save GM GM;

e0(1,T-1)=zeros;

for i=1:T-1 %求X1到X5的残差值e0

e0(i)=(X0_1(i+1)-YCX0_1(i+1))/X0_1(i+1); %1-YCX0_1(i+1)/X0_1(i+1);

end

save e0 e0;

e0_

python灰色预测模型_GM(1,n)(灰色模型代码)相关推荐

灰色预测模型【GM(1,1)模型】【matlab代码】
灰色系统介绍灰色系统是由华中科技大学的邓聚龙教授于80年代初创立,该系统作为新兴的横断学科,在短短的二十年里已得到了长足的发展. 其已经成为社会,经济,科教,科技等很多领域进行预测,决策,评估,规划 ...
2023年数学建模国赛:灰色预测模型与MATLAB实战案例(Matlab代码)
订阅专栏后9月比赛期间会分享思路及Matlab代码灰色预测模型(Gray Forecast Model, GM)是一种基于少量.不完全的信息建立数学模型并进行预测的方法.在实际问题解决.制定发展战略 ...
Python 调用 SCIP 求解器的选址模型代码示例
本文介绍 Python 语言调用 SCIP 求解器,求解选址模型的代码示例. 安装 SCIP 和 PySCIPOpt 安装 SCIP 求解器的教程: SCIP | 数学规划求解器SCIP超详细的使用教 ...
【数学建模常用算法】之灰色预测模型GM
作者:張張張張 github地址:https://github.com/zhanghekai [转载请注明出处,谢谢!] 文章目录一.灰色预测模型GM(1,1) 1.数据检验与数据预处理 1.1 构 ...
数学建模系列-预测模型（一）灰色预测模型
目录 1 灰色预测模型 1.1 灰色系统的定义与特点 1.2 灰色预测模型优缺点 1.3 灰色生成数列 1.4 灰色模型GM(1,1)实操步骤 1 数据检验 2 构建灰色模型 3 检验预测值 4 灰色 ...
VTK+Python学习 ① 官方教程学习：渲染模型，监听模型事件，多个渲染视窗，渲染多个模型，与渲染模型交互，模型拉伸变换
一.利用VTK渲染模型 1.1 VTK渲染模型流程: ① 模型数据导入 # 获取一个Cone(圆锥)模型 cone = vtkConeSource() ② 数据通过Mapper转换为几何图元 # 创建 ...
用python建立gm(1、1)模型_灰色预测模型GM(1,1)的全面讲解及python实现
1. 灰色预测的概念 (1)灰色系统.白色系统和黑色系统白色系统是指一个系统的内部特征是完全已知的,既系统信息是完全充分的. 黑色系统是一个系统的内部信息对外界来说是一无所知的,只能通过它与外界的联 ...
【Python】实训8：企业所得税回归模型（Pearson相关系数、Lasso、灰色预测模型、SVR）
题目来源: <Python数据分析与应用>第8章财政收入预测分析实训部分(注意:我目前看的版本此章节错误较多) [ 黄红梅.张良均主编中国工信出版集团和人民邮电出版社] 本博客题目内 ...
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. ""& ...
python灰色预测_灰色系统预测GM(1,1)模型
预备知识 (1)灰色系统白色系统是指系统内部特征是完全已知的:黑色系统是指系统内部信息完全未知的:而灰色系统是介于白色系统和黑色系统之间的一种系统,灰色系统其内部一部分信息已知,另一部分信息未知或不 ...

python灰色预测模型_GM(1,n)(灰色模型代码)

python灰色预测模型_GM(1,n)(灰色模型代码)相关推荐

最新文章

热门文章