2020-11-30

最新推荐文章于 2023-03-28 10:10:59 发布
最新推荐文章于 2023-03-28 10:10:59 发布
阅读量374 收藏 1
点赞数
分类专栏： 云计算 文章标签： 云计算
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/l_s_2020/article/details/110391883
版权

灰度预测

概念

灰度预测是时间序列分析中的一种预测方法。一种对含有不确定因素的系统进行预测的方法。

灰度预测的类型

  1. 灰色时间序列预测
    即用观察到的反映预测对象特征的时间序列来构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。
  2. 畸变预测
    即通过灰色模型预测异常值出现的时刻，预测异常值什么时候出现在特定时区内。
  3. 系统预测
    通过对系统行为特征指标建立一组相互关联的灰色预测模型，预测系统中众多变量间的相互协调关系的变化。
  4. 拓扑预测
    将原始数据作曲线，在曲线上按定值寻找该定值发生的所有时点，并以该定值为框架构成时点数列，然后建立模型预测该定值所发生的时点。

在建立灰色预测模型之前，需先对原始时间序列进行数据处理，经过数据处理后的时间序列即称为生成列。灰色系统常用的数据处理方式有累加和累减以及加权累加。

数据处理方式

  1. 累加生成（AGO）
    累加生成
  2. 累减生成(IAGO)
    累减生成
  3. 加权生成
    加权生成

灰度模型GM(1,1) GM(1,1)

** GM(1,1)模型适合具有较强的指数规律的数列，只能描述单调的变化过程,对于非单调的振荡数据则不适用，可以考虑建立 GM(2,1)和DGM 可以用于振荡数据，DGM是针对GM的稳定性不足，误差较大做的改进，是二维灰色预测。 Verhulst 主要用来描述具有饱和状态S型的过程，比如人口预测、生物种群增长等。**

已知如下数据：

在这里插入图片描述在这里插入图片描述

GM(1,1)的python实现

灰度Verhulst模型

略

灰度模型DGM(2,1)

略

灰度预测流程

略
灰度预测流程图
在这里插入图片描述

基于灰度预测模型实现云资源动态伸缩功能

[1]王天泽.基于灰色模型的云资源动态伸缩功能研究[J].软件导刊,2018,17(04):131-134.

l_s_2020
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
verhulst_demo_灰色verhulst_verhulst_DEMO_Verhulst代码_灰色预测模型代码_
09-29
灰色预测代码，亲测可用，比较适合学习和研究，通俗简单。
matlab——灰色预测
小憨的学习博客
04-01 1万+
数学建模——灰色预测 灰色预测理论 灰色理论认为信息不完全系统的行为现象尽管是朦胧的，数据是复杂的，但它具备一定的潜在规律，是有整体功能的。灰色预测就是从杂乱中寻找出规律，从而对系统进行预测。 灰色模型（Grey Models，GM） 通过离散随机数经过生成变为较有规律的生成数，进而直接转化成微分方程的模型。常用模型有GM(1,1)模型、GM(1,N)模型、Verhulst模型、GM(2,1)模型,DGM模型和灰色波形预测。 1. GM(1,1)模型 知识点 例题 %matlab M文
python实现灰色预测DGM(2,1)
qq_35564724的博客
06-14 1513
// DGM(2,1) import numpy as np import math def predict(data): a_x0 = np.ediff1d(data).T B = np.array([-data[1:], np.ones([len(data) - 1])]).T Y = a_x0 u = np.dot(np.dot(np.linalg.inv(np.dot(B.T, B)), B.T), Y) a, b = u[0], u[1] ret
python实现灰色预测Verhulst模型
qq_35564724的博客
06-14 2184
//Verhulst import numpy as np import math def predict(data): x1 = data.cumsum() z = (x1[:len(x1) - 1] + x1[1:]) / 2.0 B = np.array([-z, z*z]).T Y = data[1:] u = np.dot(np.dot(np.linalg.inv(np.dot(B.T, B)), B.T), Y) a, b = u[0], u[
数学建模灰色预测算法
呵呵哒!的博客
07-19 914
在预测分析中，最基本的预测模型为线性回归方程，针对一些规律性较强的数据，该模型能作出精确的预测。但在实际中，我们得到的常是一些离散的，规律性不强的数据，为解决此类问题，线性方法不适用，此时就需要采用灰色预测的方法。 灰色预测法 灰色预测理论 GM(1,1)模型 GM(1,1)残差模型及GM(n,h)模型 一、灰色预测理论 （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，即系统的信息是完全明确的。 黑色系统是指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
verhulst模型matlab代码-cil-collaborative-filtering:cil-协同过滤
06-08
verhulst模型matlab代码快速开始： 为 SGD+ 模型运行python train.py ，为具有神经后处理的模型运行python train.py python train.py --model=SGDnn 。 提交文件将写入提交文件夹。 协同过滤 推荐系统关注呈现用户可能感兴趣的项目（例如亚马逊上的书籍、Movielens 上的电影或 lastFM 上的音乐）。 在协同过滤中，我们的推荐基于用户对其他项目的（已知）偏好，并考虑其他用户的偏好。 资源 所有必要的资源（包括训练数据）均可在 训练数据 对于这个问题，我们已经获得了 10000 个用户对 1000 个不同项目的评分。 所有评级都是 1 到 5 星之间的整数值。 评估指标 您的协同过滤算法将根据以下加权标准进行评估： 预测误差，由均方根误差 (RMSE) 衡量 代码用法： usage: train.py [-h] [--submission SUBMISSION] [--model MODEL] [--cv_splits CV_SPLITS] [--score_averaging SCORE_AVERAGING]
灰色预测模型代码
11-17
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。
数学建模学习笔记（二十二）灰色预测（下）Verhulst模型
兴趣使然的创作者
02-02 8921
GM(1,1)模型适用于具有较强指数规律的序列，只能描述单调的变化过程。 对于非单调的摆动发展序列或有饱和的 S 形序列，可以考虑建立 GM(2,1)，DGM 和 Verhulst 模型 Verhulst模型： 理论： 实例： matlab代码： clc,clear clc,clear x1=[4.93 5.33 5.87 6.35 6.63 7.15 7.37 7.39 7.81 8.35,9.39 10.59 10.94 10.44]; n=length(x1); nian=1990:200
[2020-11-30更新]重点数据及资料打包下载
04-08
[2020-11-30更新]重点数据及资料打包下载，包括以下153项数据资料（详 见“数据清单”附件）： [数据集] 2008－2018中国上市公司政治关联原始数 据 [数据集] 2003-2017年各地级市系列环境指标数据 [学习资料] 整理 ...
2020-11-30Data_Librarian_JHHan
03-04
标题 "2020-11-30Data_Librarian_JHHan" 提供的信息表明，这可能是一个关于数据管理或数据图书馆员主题的项目，由作者韩智孝在2020年11月30日创建或更新。这个项目的重点可能是探讨如何有效地组织、存储和管理数据，...
灰色预测代码，检验了数据的可行性
11-26
该代码是matlab中的用于灰色预测模型的代码，只需要输入已知数据就可以判断后面数据
持续推荐稀缺资料汇总贴（2020-11-30）
最新发布
04-08
稀缺资料汇总贴【2020-11-20】，包括153项稀缺资料（详见附件）：[数据 集]Zephyr数据库2010-2019中国企业所有跨国并购数据 [数据集] 辛 苦整理1990－2018地级市创新创业指数 [数据集] 2008－2018中国上 市公司政治...
20201130LEARNROAD:2020-11-30
05-01
在IT行业中，JavaScript和Vue.js是前端开发领域中不可或缺的工具，而数据结构与算法则是所有程序员都需要掌握的基础。在这个20201130LEARNROAD的学习资源中，我们将会深入探讨JavaScript和Vue.js的高级用法，以及...
153项核心数据打包【2020-11-30更新】
04-08
2020世界各国营商环境指数 [学习资料] 辛苦整理历年CHFS数据 [数据集] 辛苦整理1990－2018地级市创新创业指数 [数据集] 2008－2018中 国上市公司政治关联原始数据 [数据集] 2003-2017年各地级市系列环境指标 数据 ...
11灰色预测- Verhulst 模型
村头
09-11 3339
灰色预测- Verhulst 模型    前两篇博客说到了G(1,1)G(1,1)G(1,1)，和G(1,N)G(1,N)G(1,N)，通过已有的数据，建立对应的模型，可以实现对未来数据的预测。模型可行的前提是所有的级比λ(0)(k)\lambda^{(0)}(k)λ(0)(k)均落在(e−2n+1,e2n+1)(e^{-\frac{2}{n+1}},e^{\frac{2}{n+1}})(e−n+12​,en+12​)。对于非单调的摆动发展序列或具有饱和状态的 SSS 形序列，Verhuls
【数学建模】灰色系统理论II-Verhulst建模-GM(1,N)-GM(2,1)建模
weixin_30426957的博客
08-03 3753
灰色系统理论中，GM(1,1)建模很常用，但他是有一定适应范围的。 GM(1,1)适合于指数规律较强的序列，只能描述单调变化过程。对于具有一定随机波动性的序列，我们考虑使用Verhulst预测模型，或者GM(2,1)模型。 Verhulst和GM(2,1)适合于非单调的摆动发展序列或者具有饱和状态的 S 形序列。 Verhulst预测模型 Verhulst模型...
python实现灰色预测
weixin_44494624的博客
03-28 4310
接下来，我们将Excel文件中的数据转换为一个列表，并将其传递给GrayModel类的构造函数，以创建一个灰色模型对象。我们使用predict()函数来预测接下来的五个数据点，并将预测结果打印到控制台。以下是一个简单的灰色预测模型的Python代码示例，该代码实现了对Excel文件进行灰色预测，并输出预测结果。在本例中，我们将使用Excel文件作为输入数据源，读取Excel文件中的数据，并使用灰色预测模型来预测接下来的数据。这是一个非常简单的示例，如果需要更加精确的预测结果，可以根据具体情况调整模型参数。
R语言计算灰色Verhulst预测模型
qq_54423921的博客
07-09 2153
如果上面有看不懂的可以看我的上一篇文章：GM(1,1)模型 这里需要计算(BTB)−1BTY\left( B^TB \right) ^{-1}B^TY(BTB)−1BTY,R语言矩阵的相关计算可以看我的这篇文章 crossprod(B,B)计算BTBB^TBBTB， solve(crossprod(B,B))计算(BTB)−1\left( B^TB \right) ^{-1}(BTB)−1， %*%表示两个矩阵的乘积，计算(BTB)−1BTY\left( B^TB \right) ^{-1}B^TY(BTB
灰色预测 GM(1,1) 模型及Python、R语言实现
热门推荐
积一时之步，臻千里之遥程
06-08 1万+
二、GM(1,1)模型 2.1 GM(1,1)模型概述 灰色预测经常用来解决数据量较少且不能直接发现规律的数据。对于包含不确定信息的序列，灰色预测方法通过对原始数据进行处理，使之转化为灰色序列，并建立微分方程模型模型 GM(1,1)模型是灰色预测理论的基本模型，也是灰色系统理论中运用最广泛的一种动态预测模型，模型由一个单变量的一阶微分方程构成。GM(1,1)模型适合对“少数据，贫信息”的对象进行中短期预测 2.2 GM(1,1)数据处理方法 在灰色系统中，能获得的信息非常有限，且不易发现内部规律，因此我们需
怎么把这样的大量数据转化成SQL语句，请给出详解：李馥全 2021-03-19 2023-05-19 所在公司：唐山森普矿山设备有限公司 担任职位：电焊工/铆焊工 工作描述：焊工，铆工 刘磊 2018-01-01 2020-11-30 所在公司：昱邦房地产开发集团有限公司 担任职位：房地产/建筑/物业管理 工作描述：区域采购主管1、项目前期手续以及八方责任主体招标工作。
05-24
首先，你需要确定你要创建的表格的列名和数据类型。例如，可以创建一个名为"employee"的表格，包含"姓名"，"起始日期"，"结束日期"，"公司名称"，"职位"和"工作描述"这些列。 接下来，将每一条记录转换成SQL语句的"INSERT INTO"命令。例如，对于第一条记录，可以编写以下SQL语句： ``` INSERT INTO employee (姓名, 起始日期, 结束日期, 公司名称, 职位, 工作描述) VALUES ('李馥全', '2021-03-19', '2023-05-19', '唐山森普矿山设备有限公司', '电焊工/铆焊工', '焊工，铆工'); ``` 同样，对于第二条记录，可以编写以下SQL语句： ``` INSERT INTO employee (姓名, 起始日期, 结束日期, 公司名称, 职位, 工作描述) VALUES ('刘磊', '2018-01-01', '2020-11-30', '昱邦房地产开发集团有限公司', '房地产/建筑/物业管理', '区域采购主管1、项目前期手续以及八方责任主体招标工作。'); ``` 您可以将这些SQL语句保存到一个文本文件中，然后运行这个文件以将数据导入到你的数据库中。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值