灰色系统理论（Matlab实现）

最新推荐文章于 2024-02-05 08:21:52 发布

陆离2333

最新推荐文章于 2024-02-05 08:21:52 发布

阅读量2.4k

点赞数 3

分类专栏：数学建模文章标签：算法数学建模

本文链接：https://blog.csdn.net/weixin_43915303/article/details/108357626

版权

这篇博客介绍了灰色系统理论，它用于处理部分信息已知的系统，通过GM(1,1)模型进行预测。文章重点讨论了模型的检验，包括残差检验、关联度检验（不适用）和后验差检验，并提供了相关的Matlab代码。" 113985851,10539878,Python动态规划解矩阵连乘,"['Python编程', '算法', '动态规划', '数学运算', '矩阵计算']

摘要由CSDN通过智能技术生成

所谓灰色系统是指部分信息已知而部分信息未知的系统，灰色系统理论所要考察和研究的是对信息不完备的系统，通过对已知信息来研究和预测未知领域从而达到了解整个系统的目的。

重点：我们可以用灰色系统理论来解决信息较少的预测问题。

GM（1，1）模型

表示一阶一个变量的灰色系统模型。
在这里插入图片描述
模型的检验
1.残差检验
2.关联度检验（但研究表明该检验方式不太适用于灰色系统理论）
3.后验差检验（重点）

代码：

function [X,c,error1,error2]=example9_11()
%利用MATLAB编程预测2003年中国蔬菜产量，
%并对预测结果做残差检验和后验差检验，程序如下：
X0=[19519,19578,19637,19695,16602,25723,30379,34473,38485,40514,42400,48337];
k=1;
[X,c,error1,error2]=GM11(X0,k)
plot