灰色预测模型GM(1,1)的matlab运行代码.docVIP

灰色预测模型GM(1,1)的matlab运行代码 例 由1990—2001年中国蔬菜产量，建立模型预测2002年中国蔬菜产量，并对预测结果作检验。 分析建模：给定原始时间1990—2001年资料序列X(k),对X(k)生成1-AGO(累加)序列X(k)及Y。见下表 K 1 2 3 4 5 6 7 8 9 10 11 12 X19519 ,19578 ,19637,19695,16602, 25723, 30379, 34473, 38485, 40514, 42400, 48337 X19519, 39097, 58734,厖厖厖厖厖厖厖厖 264605,307005,355342 Y, 38485, ----- 19578 19637 厖厖厖厖厖厖厖厖 40514 42400 48337 Y, 38485其中 X(k)=; Y= 对上述X(k)的GM(1,1),得到 将 B和Y代入辨识算式，有： 得灰色GM(1,1)模型为 （1）灰微分方程X(k)-0.1062105 Z(k)=13999.9 (2)白化方程 (3)白化方程的时间响应式 (4)还原为原始数据预测方程：,即 (5)残差检验： 残差error1=e1=,这里残差有12个。 相对残差error2=e2=,这里相对残差有12个。 (6) 后验差检验： C=, 其中, S1为绝对误差序列的标准差。, S2为原始数据系列标准差， , C0.35 好；C0.5 合格；C0.6 不合格。 利用matlab做求解a,b,B,并作残差分析 x0=[19519,19578,19637,19695,16602,25723,30379,34473,38485,40514,42400,48337]; format long; (表示设计精度) n=length(x0); （输入数据长度） x1=[ ]; （表示x1是一矩阵） x1(1)=x0(1); for i=2:n; x1(i)=x1(i-1)+x0(i); end for i=1:n-1; B(i,1)=-0.5*(x1(i)+x1(i+1)); （矩阵B的第一列） B(i,2)=1; （矩阵B的第二列） Y(i)=x0(i+1); （表示Yn数据） end alpha=(B*B)^(-1)*B*Y; a=alpha(1,1); b=alpha(2,1); d=b/a; （计算时间响应函数参数） c=x1(1)-d; x2(1)=x0(1); x(1)=x0(1); for i=1:n-1; x2(i+1)=c*exp(-a*i)+d; （这里x2(i+1)相当上面所讲的） x(i+1)=x2(i+1)-x2(i); （这里x(i+1) 相当原来输入数据的预测数据） end for i=2: 12; x2(i)=c*exp(-a*(i-1))+d; （对上面刚引出的x2(i)进行说明及计算） x(i)=x2(i)-x2(i-1); end for i=1:n; error(i)=x(i)-x0(i); （残差） error1(i)=abs(error(i));（计算残差，abs表示绝对值） error2(i)=error1(i)/x0(i); （计算相对误差） end C=std(error1)/std(x0); （计算后验差检验数,std表示标准差） k=1; （k表示预测长度，这里每次预测下一年） a =-0.2772 b b =1.1173038e+04 B B =1.0e+05 *-0.0000000 0.0000 -0.0000000 0.0000 -0.0000000 0.0000 -0.0000000 0.0000 -1.0000000 0.0000 -1.0000000 0.0000 -1.0000000 0.0000 -2.0000000 0.0000 -2.0000000 0.0000 -2.0000000 0.0000 -3.0000000 0.0000 C （求后检验数） C =0.9772 x （原始数据的对应的预测数据，这里也是12个） x =1.0e+04 *Columns 1 through 31.0000000 1. 1.0699694Columns 4 through 62.0304606 2. 2.Columns 7 through 92. 3. 3.Columns 10 through