MATLAB实现灰色预测程序_很全_很强大_数学建模当中用到的.docVIP

MATLAB实现灰色预测程序 灰色预测 很好的东西呐，······~~··`~··~~~~~~~~~~~~~~~~~~~~~````````````` fon [feval,au,ec,C,P]=GM1_1(x, r) if nrgin2myar=0; end [mx,nx]=size(x); if mx==1x=x; end n=length(x); for i=2:nz(i-1)=0.5*x1(i)+0.5*x1(i-1); end Y=x(2:end); B(:,1)=-z; 2)/au(1)); yc(1)=x(1); for k=1:n+myear-1y1(k+1)=pm*exp(-au*k)+a(2)/au(1);yc(k+1)=y1(k+1)-y1(k); end feval=yc; ex=ec./x; r=0; rou=0.5; for k=1:n r=r+rou* s(ec(k))+rou*max(a (ec))); end r=r/n; %原始序列的标准差 s1=std(x); %计算残差的标准差 s2=std(ec); %计算C C=s2/s1; %计算后验概率 deta=ec-mean(ec); index=fineta)0.6745*s1); P=length(index)/n; %% if C0.35P0.95disp(预测精度为一级) elsP0.8disp(预测精度为二级) elseif 0.7disp(预测精度为三级) elsedisp(预测精度过低，需要对模型进行修正) end if r0.6disp(关联度符合检验要求) end t1=1:length(x); t2=1:lengt); plot(t1,x,b--+,t2,feval,r-o) legend(原始数据,预测数据) 另一个程序 function [y,p,e]=huise_1_1(X,k)%灰色模型的malab程序 %Example [y,p]=gm_1_1([200 250 300 350],2) %接口描述： X的预测的初始数列，|X|4，K是指向后进行预测的个数 %命令格式： 程序保存的文件名，eg：huise.m 则命令是： huise([579.8 547.5 527.0 492.3 437.0],5)if nargout3;r(Too maoutput argument.); en if nargin==1,k=1;x_orig=X;elseif ==0|nargin2 errr(Wrong nu arguments.); end x_rig=X; predict=k;%AGO 处理，即是对初始数列进行一阶累加 x=cumsum(x_orig);%计算系数(a 和 u)------------------------ n=leh(x_orig);%生成矩阵 Bfor i=1:(n-1); B(i)=-(x(i)+x(i+1))/2; en B=[B ones(n-1,1)];%生成矩阵 Yfor i=1:(n-1); y(i)=x_ori(i+1); ed Y=y;%计算系数 a=au(1) u=au(2)au=(inv(B*B))*(B*Y);%--------------------------------------------------------%把huise模型公式转换成符号 coef1=au(2)/au(1); coef2=x_or (1)-coef1; co3=0-au(1); costr1=nm2str(coef1); costr2=numstr(abs(coef2)); costr3=ntr(coef3); eq=strcat(ctr1,+,costr2,e^,costr3,*(t-1)));%计算每一个值for t=1:(n+predict) mcv(t)=co1+coef2*exp(coef3*(t-1)); end x_mcv0=diff(mcv); x_mcve=[x_orig(1) x_mcv0]%输出图形中的各点 x_c_error=x_orig_n-x_mcv; x_errr=mn(abs(x_c_error./x_orig_n));if x_error0.2%相对误差的均值 disp(del disqualification!); elseif x_error0.1 dip(model check out); disp(model is perfect!); endplot(1:n,x_orig,o,1:n+predict,x_mcve); p=x_mcve