数学建模模拟题,图论,回归模型,聚类分析,因子分析等 (32).docVIP

山猫的生长规律及以后两年的预测 摘要 本文针对山猫的生长规律建立了一元时间序列模型。利用matlab编程求解，得出原始数据的序列图，对原始数据做消除季节趋势，得到差分后的序列平稳图，最后求得下两个年度的预测值。 关键词：时间序列 差分平稳 问题重述 某地区山猫的数量在前连续114年的统计数据如表2示。分析该数据，得出 山猫的生长规律，并预测以后两个年度山猫的数量。 表2： 269 321 585 871 1475 2821 3928 5943 4950 2577 523 98 184 279 409 2285 2685 3409 1824 409 151 45 68 213 546 1033 2129 2536 957 361 377 225 360 731 1638 2725 2871 2119 684 299 236 245 552 1623 3311 6721 4254 687 255 473 358 784 1594 1676 2251 1426 756 299 201 229 469 736 2042 2811 4431 2511 389 73 39 49 59 188 377 1292 4031 3495 537 105 153 387 758 1307 3465 6991 6313 3794 1836 345 382 808 1388 2713 3800 309 2985 3790 674 71 80 108 229 399 1132 2432 3575 2935 1537 529 485 662 1000 1520 2657 3396 问题分析 针对该问题，描述山猫的生长规律，使用matlab编程得出年份与山猫数量的散点连线图，可以用差分消除季节趋势，使得山猫数据的时序图基本平稳。求得下两个年度的预测值。 问题假设 1.假设山猫按正常情况生长； 2.假设山猫的生长数据准确； 模型建立与求解 序列时序图 记原始序列为{}，序列时序图如图1所示，时序图显示该序列大致具有12个周期变化，周期的长度为9年或10年，下面使用周期T=10年进行计算。 图1 山猫原始数据的时序图 差分平稳 对原始序列做12步差分，消除季节趋势，得到序列{}，其中 ，差分后序列图如图2所示。时序图显示差分后序列基本平稳了。 图2 季节差分后数据的时序图 （3）模型拟合 根据差分后序列的自相关（图3）和偏自相关（图4）的性质，尝试拟合ARMA模型，拟合的ARMA（1,10）模型较理想，并且通过了白噪声检验，说明低阶的ARMA模型不适合拟合这个序列。 图3 自相关函数图 图4 偏自相关函数图 （4）求预测值 利用matlab2011a软件（程序见附录一）求得下两个年度的预测值为4296,3656 附录一 Matlab程序： a=textread(data6.txt);%把原始数据保存到纯文本文件data6.txt a=a;a=nonzeros(a);n=length(a); plot(a,.-); for i=11:n b(i-10)=a(i)-a(i-10);%进行季节差分变换 end b=b;figure,plot(b,.-) figure,subplot(121),autocorr(b) subplot(122),parcorr(b) cs=armax(b,[1,10])%拟合模型 figure,myres=resid(cs,b);%计算残差向量并画出残差的自相关函数图 [h1,p1,st1]=lbqtest(myres,lags,6)%进行LBQ检验 [h2,p2,st2]=lbqtest(myres,lags,12) [h3,p3,st3]=lbqtest(myres,lags,18) bhat1=predict(cs,[b;0]); bhat(1)=bhat1{:}(end);%求差分序列第一个预测值 bhat2=predict(cs,[b;bhat(1);0]); bhat(2)=bhat2{:}(end);%求差分序列第二个预测值 ahat(1)=a(end-9)+bhat(1);%求原始序列的预测值 ahat(2)=a(end-8)+bhat(2)