matlab GM(2,1)模型

GM(2,1)模型

clc,clear;
x0=[41,49,61,78,96,104];
n=length(x0);
x1=cumsum(x0)
a_x0=diff(x0)'
z=0.5*(x1(2:end)+x1(1:end-1))';
B=[-x0(2:end)',-z,ones(n-1,1)];
u=B\a_x0
syms x(t)
x=dsolve(diff(x,2)+u(1)*diff(x)+u(2)*x==u(3),x(0)==x1(1),x(5)==x1(6));%求符号解
xt=vpa(x,6)
yuce=subs(x,t,0:n-1);
yuce=double(yuce)
x0_hat=[yuce(1),diff(yuce)];
x0_hat=round(x0_hat)
epsilon=x0-x0_hat
delta=abs(epsilon./x0)

result

x1 =

41    90   151   229   325   429

a_x0 =

 8
12
17
18
 8

u =

  -1.0922
   0.1959
  -31.798

xt =

203.849exp(0.226223t) - 0.532506exp(0.865973t) - 162.317

yuce =

       41       92.015       155.16       232.37       324.52          429

x0_hat =

41    51    63    77    92   104

epsilon =

 0    -2    -2     1     4     0

delta =

        0     0.040816     0.032787     0.012821     0.041667            0
  • 4
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
灰色GM(1,N)模型是一种用于描述多个变量之间关系和发展的预测模型。该模型以自变量的发展动态为基础,将因变量表现为自变量的函数,以达到预测观察对象的目的。在MATLAB中,可以通过以下步骤实现该模型的预测: 1. 读取数据:使用xlsread函数读取数据文件,将需要预测的因变量存储为A,自变量存储为x0。 2. 紧邻均值生成序列:根据原始数据计算紧邻均值生成序列Z,其中Z(i)为xi(1)的紧邻均值。 3. 原始数据累加:使用双重循环将原始数据一次累加,得到xi(1)的值。 4. 构建GM(1,N)模型:根据公式建立GM(1,N)模型,其中a为常数项,b为参数向量。 5. 预测值计算:使用模型参数计算预测值F,其中F(k)为第k年的预测值。 6. 还原原序列:将预测值与前一年的预测值做差,得到还原原序列的预测数据G。 7. 绘制图表:使用plot函数将真实值和预测值绘制成曲线图,以展示预测结果。 下面是MATLAB代码示例: ```matlab clc; clear all; [num] = xlsread('C:\Users\Administrator\Desktop\G(1,n)\2011-2018 年地铁运营事故原因因素数据.xlsx')'; A = num(:, 1)'; x0 = num(:, 2:10)'; [n, m] = size(x0); AGO = cumsum(A); T = 1; x1 = zeros(n, m, T); for k = 2:m Z(k) = (AGO(k) - AGO(k-1)) / 2; end for i = 1:n for j = 1:m for k = 1:j x1(i, j) = x1(i, j) * x0(i, k); end end end x11 = x1(:, 1:m); X = x1(:, 2:m)'; Yn = A; Yn(1) = []; Yn = Yn'; Z = Z(:, 2:m); B = [-Z', X]; C = ((B' * B) \ (B' * Yn))'; a = C(1); b = C(:, 2:n-1); F = []; F(1) = A(1); u = zeros(1, m); for i = 1:m for j = 1:n u(i) = u(i) + (b(j) * x11(j, i)); end end for k = 2:m F(k) = (A(1) - u(k) / a) * exp(-a * (k-1)) + u(k) / a; end G = []; G(1) = A(1); for k = 2:m G(k) = F(k) - F(k-1); end t1 = 2011:2011+m-1; t2 = 2011:2011+m-1; plot(t1, A, 'bo--'); hold on; plot(t2, G, 'r*-'); title('G(1,N)预测结果'); xlabel('年份'); ylabel('事故数量'); legend('真实值', '预测值'); ``` 如果需要使用灰色GM(1,N)模型进行预测,可以按照上述步骤将数据导入MATLAB并运行代码即可。需要注意的是,根据具体需求,你可以根据自己的数据进行调整,以获得更准确的预测结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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