灰色预测法 matlab

最近会把自己总结的数学建模代码一并上传，欢迎交流

clc;clear;
%建立符号变量a(发展系数)和b(灰作用量)
syms a b;
c = [a b]';
%原始数列 A
A = [174, 179, 183, 189, 207, 234, 220.5, 256, 270, 285]; %输入待预测的数据
n = length(A);
%对原始数列 A 做累加得到数列 B
B = cumsum(A);
%对数列 B 做紧邻均值生成
for i = 2:n
    C(i) = (B(i) + B(i - 1))/2; 
end
C(1) = [];
%构造数据矩阵 
B = [-C;ones(1,n-1)];
Y = A; Y(1) = []; Y = Y';
%使用最小二乘法计算参数 a(发展系数)和b(灰作用量)
c = inv(B*B')*B*Y;
c = c';
a = c(1); b = c(2);
%预测后续数据
F = []; F(1) = A(1);
for i = 2:(n+10)
    F(i) = (A(1)-b/a)/exp(a*(i-1))+ b/a;
end

%对数列 F 累减还原,得到预测出的数据
G = []; G(1) = A(1);
for i = 2:(n+10)
    G(i) = F(i) - F(i-1); %得到预测出来的数据
end
disp('预测数据为：');
G
%模型检验
H = G(1:10);
%计算残差序列
epsilon = A - H;
%法一：相对残差Q检验
%计算相对误差序列
delta = abs(epsilon./A);
%计算相对误差Q
disp('相对残差Q检验：')
Q = mean(delta)
%法二：方差比C检验
disp('方差比C检验：')
C = std(epsilon, 1)/std(A, 1)
%法三：小误差概率P检验
S1 = std(A, 1);
tmp = find(abs(epsilon - mean(epsilon))< 0.6745 * S1);
disp('小误差概率P检验：')
P = length(tmp)/n
%绘制曲线图
t1 = 1995:2004;
t2 = 1995:2014;
plot(t1, A,'ro'); hold on; %原始数据
plot(t2, G, 'g-');
xlabel('x坐标'); ylabel('y坐标');
legend('原属数据','预测数据');
title('标题');
grid on;