GM(1,1)灰色预测matlab代码

GM(1,1)灰色预测matlab代码如下:

%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,自己要测的初始数据,根据需求改变即可
A = [8730,7843,7656,7154,7159,8105,8497,9419,8763];
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);
%(n+2)代表向后预测两个数,根据需要自己修改
for i = 2:(n+2)
  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+2)
  G(i) = F(i) - F(i-1);
end
%输出预测数据
disp('预测数据为:');
G

该模型适合于单向变化(单向递增或单向递减)的数据,对于有波动较多的数据预测效果不好,通常要对GM(1,1)灰色预测模型进行改进,例如常用马尔科夫模型修正GM(1,1)的预测值。

个人建议:用上述代码时,原始数据不要一次输入,分几次输入,预测效果更好。
(如有错误请指正,谢谢!)

  • 2
    点赞
  • 45
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
灰色GM(1,N)模型是一种用于描述多个变量之间关系和发展的预测模型。该模型以自变量的发展动态为基础,将因变量表现为自变量的函数,以达到预测观察对象的目的。在MATLAB中,可以通过以下步骤实现该模型的预测: 1. 读取数据:使用xlsread函数读取数据文件,将需要预测的因变量存储为A,自变量存储为x0。 2. 紧邻均值生成序列:根据原始数据计算紧邻均值生成序列Z,其中Z(i)为xi(1)的紧邻均值。 3. 原始数据累加:使用双重循环将原始数据一次累加,得到xi(1)的值。 4. 构建GM(1,N)模型:根据公式建立GM(1,N)模型,其中a为常数项,b为参数向量。 5. 预测值计算:使用模型参数计算预测值F,其中F(k)为第k年的预测值。 6. 还原原序列:将预测值与前一年的预测值做差,得到还原原序列的预测数据G。 7. 绘制图表:使用plot函数将真实值和预测值绘制成曲线图,以展示预测结果。 下面是MATLAB代码示例: ```matlab clc; clear all; [num] = xlsread('C:\Users\Administrator\Desktop\G(1,n)\2011-2018 年地铁运营事故原因因素数据.xlsx')'; A = num(:, 1)'; x0 = num(:, 2:10)'; [n, m] = size(x0); AGO = cumsum(A); T = 1; x1 = zeros(n, m, T); for k = 2:m Z(k) = (AGO(k) - AGO(k-1)) / 2; end for i = 1:n for j = 1:m for k = 1:j x1(i, j) = x1(i, j) * x0(i, k); end end end x11 = x1(:, 1:m); X = x1(:, 2:m)'; Yn = A; Yn(1) = []; Yn = Yn'; Z = Z(:, 2:m); B = [-Z', X]; C = ((B' * B) \ (B' * Yn))'; a = C(1); b = C(:, 2:n-1); F = []; F(1) = A(1); u = zeros(1, m); for i = 1:m for j = 1:n u(i) = u(i) + (b(j) * x11(j, i)); end end for k = 2:m F(k) = (A(1) - u(k) / a) * exp(-a * (k-1)) + u(k) / a; end G = []; G(1) = A(1); for k = 2:m G(k) = F(k) - F(k-1); end t1 = 2011:2011+m-1; t2 = 2011:2011+m-1; plot(t1, A, 'bo--'); hold on; plot(t2, G, 'r*-'); title('G(1,N)预测结果'); xlabel('年份'); ylabel('事故数量'); legend('真实值', '预测值'); ``` 如果需要使用灰色GM(1,N)模型进行预测,可以按照上述步骤将数据导入MATLAB并运行代码即可。需要注意的是,根据具体需求,你可以根据自己的数据进行调整,以获得更准确的预测结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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