@数学建模
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
代码实现
上机课作业,可人为输入数据与预测年数,并作出图来。
% GM(1,1)模型
clc,clear
x0 = input('请输入一个列向量数组:')
k = input('请输入预测年数:')
% x0 = [124761 125786 126743 127627 128453 129227 129988 130756 131448]' 输入数据 注意这里为列向量
n = length(x0) %n=9
lamda = x0(1:n-1)./x0(2:n) % 级比 ——8个数据
range = minmax(lamda') %级比范围
if range(1,1) < exp(-2/(n+2)) | range(1,2)>exp(2/(n+2))
error('级比没有落入灰色模型的范围内')
else
%空行输出
disp(' ');
disp('可以用GM(1,1)建模')
end
x1 = cumsum(x0) %累加运算
B=[-0.5*(x1(1:n-1)+