一文速学数模-时序预测模型(一)灰色预测一文详解+Python实例代码_灰色关联度时序预测(1)

2401_84181309

于 2024-05-03 21:23:41 发布

阅读量524

点赞数 17

分类专栏：程序员文章标签： python 开发语言

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/2401_84181309/article/details/138425027

版权

对原始数据列 $x^{(0)}$ 做一次累加(AGO)生成数列 $x^{(1)}$ :

$x{(1)}=(x{(1)}(1),x{(1)}(2),x{(1)}(3),...,x^{(1)}(n))$

其中：

$x{(1)}(k)=\sum_{i=1}{k}x^{(0)}(i),k=1,2,...,n$

对应的微分方程为：(a为发展系数，u为灰作用量）

$\frac{dx{(1)}}{dt}+ax{(1)}(t)=u$

3.系数求解

接下来就到了最关键的一部，想要求解上述微分方程：

$\frac{dx{(1)}}{dt}+ax{(1)}(t)=b$

就必须解出系数a和b，让微分方程的解与真实的已知数据最接近。函数表达式的参数a和u未知，而变量t和x^(1)的数值已知，这种问题就要用最小二乘法，通过最小化误差的平方和求得最佳的参数a和b。

1、数据是离散的而不是连续的，所以：

$\frac{dx^{(1)}}{dt}$ 写作 $\frac{\Delta x^{(1)}}{\Delta t}$

2.根据累加生成序列公式可知：

最低0.47元/天解锁文章

关注

17
点赞
踩
15

收藏

觉得还不错? 一键收藏
0
评论
一文速学数模-时序预测模型(一)灰色预测一文详解+Python实例代码_灰色关联度时序预测(1)

对原始数据列做一次累加(AGO)生成数列其中：对应的微分方程为：(a为发展系数，u为灰作用量）
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。