第五届全国计算机仿真大奖赛命题答卷1.docVIP

第五届全国计算机仿真大奖赛命题答卷1.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
全国计算机仿真大奖赛第五届全国计算机仿真大奖赛命题答卷一仿真题目二仿真解答一文字解答设计任务设计规则设计目标设计思想与模型实现二仿真步骤和结果分析股票预测模型的仿真步骤与实现误差分析三结束语第五届全国计算机仿真大奖赛命题答卷一仿真题目命题请利用中国股市历史数据建立上证综合指数的预测模型并进行模型验证与股指预测股指是股票价格指数的简称二仿真解答一文字解答设计任务采用仿真数据为年之后周上证综合指数利用前的数据预测后周的数据使用技术编程和函数拟合进行数学建模本文不仅进行时间数据的拟合还利用预测模型进行

全 国 计 算 机 仿 真 大 奖 赛 NATIONAL COMPUTER SIMULATION GRAND PRIZE PAGE TOC \o 1-3 \h \z \u 第五届全国计算机仿真大奖赛命题答卷 1 一、 仿真题目 1 二、 仿真解答 1 (一) 文字解答 1 1、设计任务 1 2、设计规则 1 3、设计目标 1 4、设计思想与模型实现 2 (二) 仿真步骤和结果分析 7 1、股票预测模型的仿真步骤与实现 7 2 误差分析 15 三、结束语 16 PAGE 6 第五届全国计算机仿真大奖赛命题答卷 一、 仿真题目 命题D 请利用中国股市历史数据建立上证综合指数的预测模型,并进行模型验证与股指预测(股指是股票价格指数的简称)。 二、 仿真解答 (一) 文字解答 1、设计任务 采用仿真数据为1997年之后240周上证综合指数,利用前220的数据预测后20周的数据,使用MATLAB技术编程和函数拟合进行数学建模。本文不仅进行时间数据的拟合,还利用预测模型进行数据的预测,并验证预测算法的有效性。 2、设计规则 为了建立上证指数的预测模型,采用数据挖掘技术对时间序列进行挖掘,并应用伯恩斯坦(Bernstein)基函数拟合预测模型。并用MATLAB中GUI模块生成一个豪华的界面,把预测的结果直观、明了的变现出来。因预测结果令人满意,证明了本方法简单、有效。 3、设计目标 (1)开发MATLAB中GUI模块建立股票预测交互图形界面。 (2)利用伯恩斯坦(Bernstein)基函数及最小二乘算法,根据已有数据进行在线拟合。 (3)采用控制多边形算法进行股指预测,并根据实际数据进行验证。 4、设计思想与模型实现 设计思想: 随着金融市场的快速发展,股票和股票市场对企业、国家的经济发展产生了很大的影响。股票价格受到多种因素影响,它们之间很难直接建立明确的函数关系表达式。 本设计采用数据挖掘技术对时间序列进行挖掘,并应用伯恩斯坦(Bernstein)基函数拟合预测模型,借助该模型的凸包性,对上证指数这一稠密时序资料进行了分阶段移动预测模拟,并用MATLAB生成一个人机交互界面,把预测的结果直观、明了的表现出来。 模型实现: 4.1 Bernstein 基函数的确定及拟合建模的预测问题 基函数给计算机输入以及修改拟合曲线带来了很大的方便,充分体现出了数据挖掘的特点。 1) 拟合函数的确定 设时间序列资料为构造拟合曲线方程为 其中为一组基函数;为待定系数矢量。这里给定的时间序列已经参数化,决定的参数分割为通过实验对比,我们发现Bernstein 基函数作为一种新型数据挖掘类基函数,具有极好地优势。 多项式基为幂基时,拟合的曲线方程应为 其中,为系数矢量。采用幂基拟合的曲线具有形式简单,易于计算的优点。但幂基的多项式曲线方程中的系数矢量的几何意义不明显。用它拟合曲线时,必须解一个线性方程组。当m很大时系数矩阵是异常的,因而不可取。 用拉格朗日(Lagrange)基函数 拟合的曲线为 其中, 为Lagrange基函数,它具有规范性。但是求导复杂,且每增加一个数据点时,原来的结果不能利用,必须全部重新计算,这不适合数据挖掘的要求。 用伯恩斯坦(Bernstein)基函数拟合的曲线方程为 这里的为系数矢量。在此称为拟合曲线的控制点。基函数称为Bernstein基函数。它的最大优点是对计算机输入与交互修改拟合曲线带来很大的方便,体现出了数据挖掘的特点,这是由Bernstein基函数的性质所决定,性质如下: 首先,Bernstein基函数具有对称特性,即 其次,Bernstein基函数具有递推特性,即 再次,Bernstein 基函数具有规范特性,即 最后,Bernstein 基函数具有分割特性,即 由以上性质可以看出,Bernstein 基函数拟合所得到的曲线应该具有凸包的性质,也就是说该曲线应该恒处于控制定点的凸包内。 2) 模型建立 Bernstein 基函数构造曲线为 即, 由此,可建立 Bernstein 基函数模型为 其中,为待定的控制点,为误差项也称干扰项。 首先对 X 参数化,设所选用的数据资料的时间间隔是相等的。 设且为整数序列,再将其参数化序列规范化后,得: 设 在此采用最小二乘法来求控制点,使得达到最小。 求解得: 其中 这样,我们可以计算出关于本模型的m+1个控制点.从而可以得到拟合曲线为。 3) 预测问题 由于依据的模型曲线具有严格的凸包性质,也就是说得到的拟合曲线一定可以被多边形严格控制,这样得到的对拟合曲线走势的预测也就变成

文档评论(0)

wangsux + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档