灰色预测GM(1,n)模型_python

灰色预测GM(1,7)模型在城市用水总量预测中的应用
已于 2024-08-14 14:48:45 修改
阅读量1.4w 收藏 151
点赞数 40
CC 4.0 BY-SA版权
分类专栏： 时间序列预测算法 文章标签： python 算法
于 2022-03-24 11:01:50 首次发布
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/qq_34229228/article/details/123703953
该博客介绍了如何使用灰色预测模型GM(1,7)来预测城市用水总量，具体展示了从数据读取、模型建立到结果分析的完整过程。通过实际数据，计算了模型的响应式、关键参数，并得出预测结果，验证了模型的预测效果。" 124089629,9864987,Chromium下一代渲染架构：RenderingNG详解,"['前端开发', '浏览器引擎', '渲染引擎', '性能优化', 'Chromium']

灰色系统理论及其应用系列博文：
一、灰色关联度分析法(GRA)_python
二、灰色预测模型GM(1,1)
三、灰色预测模型GM(1,n)
四、灰色预测算法改进1—背景值Z
五、灰色预测改进2—三角残差拟合
在这里插入图片描述

文章目录

一、GM(1,n)算法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

二、示例

注：数据均来自论文《基于灰色系统理论的贵阳市城市用水总量预测》

2.1 数据：

在这里插入图片描述

data.csv
年份,城区人口,建成区面积,供水总量,用水人口,人口综合用水

了解本专栏 订阅专栏 解锁全文
灰色系统预测模型GM(1,1),GM(1,n)及Matlab实现
JAVA程序哥
09-13 1万+
1.灰色系统的定义： 灰色系统指既含有已知信息又含有未知信息的系统。 2.灰色预测模型的定义： 对灰色系统进行预测的模型。 灰色模型（Grey Model，简称GM模型）一般表达方式为GM（n,x）模型，其含义是：用n阶微分方程对x个变量建立模型。 3.灰色预测模型的目的： 通过把分散在时间轴上的离散数据看成一组连续变化的序列，采用累加和累减的方式，将灰色系统中的未知因素弱化，强化已知因素的影响程度，最后构建一个以时间为变量的连续微分方程，通过数学方法确定方程中的参数，从而实现预测目的。 4.灰色系统预测模
数模百科】一篇文章讲清楚灰色预测模型GM（1，n）附python代码
weixin_62457573的博客
01-19 3744
灰色预测模型GM（1，n）的原理讲解，以及python代码
灰色预测模型GM(1,n) Matlab程序
01-04
%%本例为GM（1，n)模型，运行过程中需要输入三个变量(向后预测数据个数，两个属性变量) %T为向后预测的数据个数 %输入每一个预测值对应的两个自变量的值，本例测试数据为： %T=1，x1=400,x2=500;（若T=2，则要输入两个x1、x2，以此类推）
灰色关联以及灰色预测GM(1,n)，GM(1,1)模型（Python实现）
热门推荐
恋志传奇的博客
09-27 3万+
**灰色关联以及灰色预测GM(1,n)，GM(1,1)模型** 简介：本篇文章简单的介绍灰色关联以及灰色预测模型，并且使用python代码进行实现。 1. 灰色系统的概论 2. 关于灰色关联度那些事 3. GM(1,1)模型简介以及相关实现 4. GM(1,N)模型简介以及相关实现、 5，模型检验 一、灰色系统概论 a 、概念来源： 灰色系统理论(Grey System Theory)的创立源于20世纪80年代。邓聚龙教授在1981年上海中-美控制系统学术会议 上所作的“含未知数系统的控
9灰色预测- 灰色模型GM(1,N)
村头
09-05 1973
灰色预测- 灰色模型GM(1,N)    上篇博客说到了GM(1,1)GM(1,1)GM(1,1)，即只有单个变量，且模型是1阶的，此次我们来说说GM(1,N)GM(1,N)GM(1,N),即 111 阶的，包含有 NNN 个变量的灰色模型。如果GM(1,1)GM(1,1)GM(1,1)弄明白了，那么GM(1,N)GM(1,N)GM(1,N)就简单了。 GM(1,N)模型    类似地，定义NNN个变量的原始序列为： xi(0)=(xi(0)(1),xi(0)(2),...,,xi(0
python灰色预测模型_GM(1,n)(灰色模型代码)
weixin_39983993的博客
11-24 2883
%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%假设预测3步，N=3%如在命令窗口键入：%gm=ycgm1n([1.6,1.7,2,1.8,1.9],[2,2.4,3,3.2,3.1],[3,3.1,3.2,3.5,2.8],3)function GM=ycgm1n(data1,data2,data3,N) %data1:纵摇，data...
GM1N_灰色预测_GM1n预测_GM模型_
09-30
标题中的“GM1N_灰色预测_GM1n预测_GM模型”指的是灰色预测的其中一个具体模型——GM(1,N)模型。在这个模型中，“1”代表一级预测模型，表示数据生成过程只经历一次非线性变换；“N”则表示对未来N期的预测。GM(1,1)...
GM1n_GM（1N）预测模型_gm1n模型_GM1N_GM1n预测_灰色预测_源码.zip
10-05
GM1n和GM(1,1)模型是灰色系统理论中的两种重要预测方法，它们主要用于处理不完全或有限数据序列的预测问题。灰色系统理论是由中国科学家邓聚龙教授于20世纪70年代提出的，它是一种处理部分信息或者不确定性信息的...
GM(1-n)(灰色模型代码).zip_GM_GM (1_n)_GM(1_1)_GM模型_灰色预测
09-23
GM(1-n)灰色模型是一种基于数据序列的预测方法，主要应用于处理非平稳序列，尤其在工程、经济、环境等领域有着广泛的应用。该模型通过构建一个线性微分方程来描述数据序列的变化规律，从而对未来的趋势进行预测。在...
GM1N_灰色预测_GM1n预测_GM模型_源码.zip
10-18
《GM(1,1)灰色预测模型及其应用详解》 GM(1,1)灰色预测模型是灰色系统理论中的一个重要工具，它在处理不完全、不充分数据时表现出极高的效率和准确性。此模型源于中国华中科技大学邓聚龙教授在1978年提出的灰色系统...
GM(1,1)python实现
04-23
GM(1，1）模型，可以用于python，直接调包实现即可；
gm(1,n)模型预测
02-28
gm(1,n)模型预测，matlab代码，gm(1,n)模型预测，matlab代码，gm(1,n)模型预测，matlab代码
GM1n_GM（1N）预测模型_gm1n模型_GM1N_GM1n预测_灰色预测
09-11
12程序可直接运行，可以更换数据。预测未来数据时，只需修改T值，以及因变量数据；否则T=0即可。例如，预测未来2个数据，T=2.输入数据：因变量x1为400.因变量x2为50；因变量x1为450.因变量x2为90。
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。
灰色预测模型程序原创-GM1_1model.rar
08-13
灰色预测模型程序原创-GM1_1model.rar 文献加程序代码。呵呵
多维灰色GM(1,N)预测模型及MATLAB实现
weixin_44922704的博客
07-01 2万+
这篇文章主要记录一下基本的GM(1,N)预测模型的概念、公式推导以及MATLAB代码实现，如有问题欢迎指正交流。 之前做毕设时在CSDN上看过关于GM(1,N)预测模型的代码，但是都几乎是同样的代码同样的问题，在第二个预测值上出现了预测值为0的畸变，所以我自己对程序进行了一点修改，解决了之前遇到的问题。 在对灰色GM(1,1)模型有了一定了解后，可以发现其主要针对线性数据具有较好的预测效果，并且在预测时只考虑了自变量本身的影响，而没有考虑其他外界影响因素对预测结果的影响作用，因此有了多维灰色预测模型GM(1
灰色模型代码GM(1,N)
libowendfb的博客
04-13 4710
GM(1,1)对一组数据的后续进行预测，如果现在有许多组数据时，用GM(1,1)重复预测就比较费时，此时可用GM(1,n)模型一次预测出多组数据。 %输出excel %普通的灰色预测GM（1，n） %clear %X=xlsread(‘C:\Users\Administrator\Desktop\a.xlsx’,-1) %X=input(‘请输入原始数据:’,‘s’);%原始数据（可以多行） %X...
多维与多位灰色预测模型GM(1,n)实战
最新发布
weixin_42594419的博客
05-24 544
灰色系统理论由华中科技大学的邓聚龙教授于1982年提出，它主要研究信息不完全的系统。与“白色”代表完全已知的信息和“黑色”代表完全未知的信息不同，灰色信息指的是部分已知、部分未知的系统信息。灰色系统理论的目的是通过已知信息来推断未知信息，从而对系统的未来行为进行预测和控制。在灰色系统理论中，多维灰色预测是一种重要的预测方法，它能够处理多维数据序列，以预测具有不确定性因素影响的系统行为。在IT和数据分析领域，多维灰色预测方法常用于处理和预测具有非线性、非完整信息特征的数据。
灰色预测模型 gm1n python
09-10
灰色预测模型GM(1, N)是一种常用的时间序列分析方法，用于预测未来的数据趋势。Python中可以使用`pygrey`库来实现GM(1, N)模型。 首先，你需要安装`pygrey`库。可以使用以下命令来安装： ``` pip install pygrey ``` 安装完成后，你可以使用以下代码来实现GM(1, N)模型： ```python import numpy as np from pygrey import GM # 构造原始序列数据 data = np.array([1, 2, 3, 4, 5]) # 创建GM(1, N)模型对象 model = GM(data) # 进行预测 prediction = model.predict(1) # 预测未来1个点 print(prediction) ``` 上述代码中，我们首先构造了原始的序列数据`data`，然后创建了GM(1, N)模型对象`model`，最后使用`predict()`方法进行预测。该方法中的参数表示预测未来的点个数。 希望以上信息对你有帮助！如果有其他问题，请随时提问。
评论 23
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

打赏作者

hellobigorange

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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