灰色预测

最新推荐文章于 2024-07-13 00:34:09 发布

原创最新推荐文章于 2024-07-13 00:34:09 发布 · 1.1k 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#预测

本文介绍了一种使用灰色Verhulst模型进行数据预测的方法，并通过MATLAB编程实现了一次累加序列的预测及相对误差计算。

<p>%灰色Verhulst模型
%时间：2015-7-4-六
%页码：P380
clc,clear
x0=[4.93   2.33   3.87   4.35   6.63   7.15   5.37   6.39   7.81   8.35];
x1=cumsum(x0);  %求1次累加序列
n=length(x0);
z=0.5*(x1(2:n)+x1(1:n-1));   %求x1的均值生成序列
B=[-z',z'.^2];
Y=x0(2:end)';
disp('估计参数a,b的值')
ab_hat=B\Y     %估计参数a,b的值
x=dsolve('Dx+a*x=b*x^2','x(0)=x0');  %求解常微分方程
x=simple(x);  %对符号解进行化简
x=subs(x,{'a','b','x0'},{ab_hat(1),ab_hat(2),x0(1)});  %代入参数值
disp('求已知数据点1次累加序列的预测值')
yuce=subs(x,'t',[0:n-1])   %求已知数据点1次累加序列的预测值
disp('显示6位数字的符号解')
x=vpa(x,6) %显示6位数字的符号解
%{
x0_hat=[yuce(1),diff(yuce)] %求已知数据点的预测值
epsilon=x0-x0_hat    %求残差
delta=abs(epsilon./x0)  %求相对误差
xlswrite('book4.xls',[x0',x0_hat',epsilon',delta'])
%}
disp('求已知数据点的预测值')
x0_hat=double( [yuce(1),diff( double(yuce) )] ) %求已知数据点的预测值
disp('求残差 ')
epsilon=double( x0-x0_hat ) %求残差
disp(' 求相对误差')
delta=double( abs(epsilon./x0) )  %求相对误差
xlswrite('book4.xls',[x0',x0_hat',epsilon',delta'])</p><p><p>
</p>