clean matlab 算法_matlab算法记录学习

1、 残差自相关性分析，以及如何消除残差

详情建模数第六章

clc,clear,close all

y=[20.96;21.40;21.96;21.52;22.39;22.76;23.48;23.66;24.10;24.01;24.54;24.30;25.00;25.64;26.36;26.98;27.52;27.78;28.24;28.78];

x=[127.3;130.0;132.7;129.4;135.0;137.1;141.2;142.8;145.5;145.3;148.3;146.4;150.2;153.1;157.3;160.7;164.2;165.6;168.7;171.7];

rstool(x,y)

%数据Dw检验，相关性检验，函数考虑时间，证明时间是否有滞后性

a=ones(numel(x),1);%有多少个数据，要改

b=0.176*x-1.455*a;%预测函数值，要改

c=y-b % 残差=实际值-预测值

c1=c(2:end,1);%残差e(t)

c2=c(1:end-1,1);%e(t-1)

plot(c1,c2,'*')%残差散点图

xlabel('e(i-1)'),

ylabel('e(i)')

hold on

%画横纵坐标

d=0;

d1=-0.15:0.001:0.25;

plot(d,d1,'.r')

hold on

plot(d1,d,'.r')

% DW的程序：

num=c(1:19)'*c(2:20);

den=sum(c(2:20).^2);

p = num/den%p值

DW=2*(1-p)%DW

clc,clear,close all

y=[20.96;21.40;21.96;21.52;22.39;22.76;23.48;23.66;24.10;24.01;24.54;24.30;25.00;25.64;26.36;26.98;27.52;27.78;28.24;28.78];

x=[127.3;130.0;132.7;129.4;135.0;137.1;141.2;142.8;145.5;145.3;148.3;146.4;150.2;153.1;157.3;160.7;164.2;165.6;168.7;171.7];

rstool(x,y)

%数据Dw检验，相关性检验，函数考虑时间，证明时间是否有滞后性

a=ones(numel(x),1);%有多少个数据，要改

b=0.176*x-1.455*a;%预测函数值，要改

c=y-b % 残差=实际值-预测值

c1=c(2:end,1);%残差e(t)

c2=c(1:end-1,1);%e(t-1)

plot(c1,c2,'*')%残差散点图

xlabel('e(i-1)'),

ylabel('e(i)')

hold on

%画横纵坐标

d=0;

d1=-0.15:0.001:0.25;

plot(d,d1,'.r')

hold on

plot(d1,d,'.r')

% DW的程序：

num=c(1:19)'*c(2:20);

den=sum(c(2:20).^2);

p = num/den%p值

DW=2*(1-p)%DW

% DW模型优化后的程序：

clc,clear,close all

y=[20.96;21.40;21.96;21.52;22.39;22.76;23.48;23.66;24.10;24.01;24.54;24.30;25.00;25.64;26.36;26.98;27.52;27.78;28.24;28.78];

y1