import numpy as np
import matplotlib.pyplot as plt
def grey_forecast(data, num_prediction):
"""
GM(1,1)灰色预测模型
:param data: 原始数据序列 (一维 NumPy 数组)
:param num_prediction: 需要预测的步数
:return: 预测序列
"""
# 累加生成
data_cumsum = np.cumsum(data)
# 构造数据矩阵B和数据向量Y
B = np.vstack([data_cumsum[:-1], np.ones(len(data_cumsum) - 1)]).T
Y = data[1:].reshape(-1, 1)
# 利用最小二乘法估计参数
a, b = np.linalg.pinv(B).dot(Y)
# 构建模型
def model(t):
return (data[0] - b/a) * np.exp(-a * (t-1)) + b/a
# 预测
predictions = [model(i) for i in range(1, len(data) + num_prediction + 1)]
return predictions
# 示例数据
data = np.array([100, 120, 140, 160, 180])
num_prediction = 1 # 预测未来1个时间点
# 运行灰色预测模型
predictions = grey_forecast(data, num_prediction)
# 绘制图表
plt.figure(figsize=(10, 6))
plt.plot(np.arange(1, len(data) + 1), data, label='Actual Data', marker='o')
plt.plot(np.arange(1, len(data) + num_prediction + 1), predictions, label='Forecast', marker='x')
plt.title('GM(1,1) Grey Forecast Model')
plt.xlabel('Time')
plt.ylabel('Value')
plt.legend()
plt.grid(True)
plt.show()
数模---灰色预测模型python代码模板
最新推荐文章于 2024-03-31 10:02:25 发布