2020华为杯E题——基于灰色预测的大雾能见度预测模型（附代码）

本文链接：https://blog.csdn.net/qq_35759272/article/details/110119773

该博客围绕2020研究生数学建模E题展开，因题目数据少，选择灰色预测模型进行大雾能见度预测。介绍了灰色预测模型的定义、目的和GM（1,1）模型预测原理，给出Matlab算法实现。还评估了模型特点与不足，最后附上其他解题模型及文章链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

2020华为杯E题——基于灰色预测的大雾能见度预测模型（附代码）

一、E题赛题
二、赛题分析
三、基于灰色预测的大雾能见度预测模型
四模型评估
- - 4.1灰色系统预测模型的特点：
  - 4.2灰色系统预测模型的不足：
附：

一、E题赛题

2020研究生数学建模赛题链接：https://download.csdn.net/download/qq_35759272/13028941

二、赛题分析

通过高速公路截图，直观观察看不出大雾浓度或能见度的明显变化，其次，由于题目给出的数据较少，只给出早晨 6：30 到 7：39 的截图，所以类似小波神经网
络的预测方案不再适用，选择灰色预测模型较为可靠

三、基于灰色预测的大雾能见度预测模型

3.1灰色预测模型的定义

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。

3.2 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。

GM（1,1）模型的预测原理

对某一数据序列用累加的方式生成一组趋势明显的新数据序列，按照新的数据序列的增长趋势建立模型进行预测，然后再用累减的方法进行逆向计算，恢复原始数据序列，进而得到预测结果。

3.3 Matlab算法实现

function []=greymodel(y)
% 本程序主要用来计算根据灰色理论建立的模型的预测值。
% 应用的数学模型是 GM(1,1)。
% 原始数据的处理方法是一次累加法。
y=input('请输入数据 ');
n=length(y);
yy=ones(n,1);
yy(1)=y(1);
for i=2:n
    yy(i)=yy(i-1)+y(i);
end
B=ones(n-1,2);
for i=1:(n-1)
    B(i,1)=-(yy(i)+yy(i+1))/2;
    B(i,2)=1;
end
BT=B';
for j=1:n-1
    YN(j)=y(j+1);
end
YN=YN';
A=inv(BT*B)*BT*YN;
a=A(1);
u=A(2);
t=u/a;
i=1:n+400;
yys(i+1)=(y(1)-t).*exp(-a.*i)+t;
yys(1)=y(1);
for j=n+400:-1:2
    ys(j)=yys(j)-yys(j-1);
end
x=1:n;
xs=2:n+400;
yn=ys(2:n+400);
plot(x,y,'^r',xs,yn,'*-b');
title('基于灰色预测模型的机场能见度变化');
det=0;

sum1=0;
sumpe=0;
for i=1:n
    sumpe=sumpe+y(i);
end
pe=sumpe/n;
for i=1:n;
    sum1=sum1+(y(i)-pe).^2;
end
s1=sqrt(sum1/n);
sumce=0;
for i=2:n
    sumce=sumce+(y(i)-yn(i));
end
ce=sumce/(n-1);
sum2=0;
for i=2:n;
    sum2=sum2+(y(i)-yn(i)-ce).^2;
end
s2=sqrt(sum2/(n-1));
c=(s2)/(s1);

disp(['预测后面第360张图的能见度为',num2str(ys(n+360))]);