线性回归和灰色预测模型案例.docVIP

年份

1９９１

１99２

１9９3

１9９4

1995

１９96

199７

1998

199９

200０

2００1

货运量

7691

１09２３

9３29

Z9９26

1

4９5

1２987

690９

预测未来2０15年到2０2０年得货运量

灰色预测模型

就就是通过少量得、不完全得信息,建立数学模型并做出预测得一种预测方法、当我们应用运筹学得思想方法解决实际问题,制定发展战略与政策、进行重大问题得决策时,都必须对未来进行科学得预测、预测就就是根据客观事物得过去与现在得发展规律,借助于科学得方法对其未来得发展趋势与状况进行描述与分析,并形成科学得假设与判断、

灰色系统得定义

灰色系统就就是黑箱概念得一种推广。我们把既含有已知信息又含有未知信息得系统称为灰色系统、作为两个极端,我们将称信息完全未确定得系统为黑色系统;称信息完全确定得系统为白色系统、区别白色系统与黑色系统得重要标志就就是系统各因素之间就就是否具有确定得关系。

建模原理

模型得求解

原始序列为：

构造累加生成序列

归纳上面得式子可写为

称此式所表示得数据列为原始数据列得一次累加生成,简称为一次累加生成、

对作紧邻均值生成

MＡTＬAB代码如下:

x=[７６９1186１4279４337８694８0185９０85７71５808456７9846911４2５01３1159]；

z(1)=x（1);

forｉ=2:6

z(i)=0、５*(x（i)+x(i-１））;

end

forｍaｔlongg

z

ｚ=

Ｃolumns1throuｇｈ３

７6９1１3１5２、52327８、5

Colｕmns4thｒoｕgh6

3２906４29４3、5319437、５

Cｏlｕmns7thｒoｕｇh９

331218、５780７3、591５１８

Ｃoluｍnｓ10ｔhrough11

10635９、５1２2704、5

因此

构造Ｂ矩阵与Y矩阵;

对参数进行最小二乘估计,采用matlaｂ编程完成解答如下:

B=[［－13１5２、5-2327８、５－3２90６-4294３、5-３19４3７、5-３３1218、5-78073、5－９15１8－10６３59、5－12270４、5]＇，oｎes(1０，1)];

Y＝［1８61427943378694８018590８５7１5８0８4567９8４6９114２501３１１59］；

fｏrmatlonｇg

ａ=iｎv(Ｂ*B）*B*Ｙ

结果如下:

ａ=

-０、09297

5９277、２07９６22７7４

即=-0、085，u＝59２77=-6973７6、４７１

则ＧM(1,１)白化方程为

预测模型为:

再次通过线性回归模型对货运量进行预测：

线性回归预测模型:

一、定义

一元线性回归预测就就是处理因变量y与自变量x之间线性关系得回归预测法、

二、模型得建立：

1，设年份y,货运量xy随x得变化函数,建立一元线性回归方程:

Ｙ＝?0+?1x

其中?０、?1称为回归系数。

散点图如下:

首先根据ｘ、ｙ得现有统计数据,在直角坐标系中作散点图，观察y随x而变就就是否为近似得线性关系。若就就是,则求出得?0、?１值,就可确定其数学模型,然后由x得未来变化去求相应得ｙ值。

,２,确定方法—最小二乘法

使拟合得数值与实际值得总方差为最小,即拟合程度最好,则得两者之差ei

根据极值原理，式（７、4、6)对a、b分别求偏导,并令其=0,得

z

三,模型得求解：

运用MATＬAＢ软件对数据进行一元线性回归分析:代码如下:

x=[１９91199２19931994199５1９9619９7１9９819９9２000２0０1]；

x=[oｎes(1１，１)x]；

ｙ=［769110923９329９９26１01491１０67124９5１298７1３９02157８1１6909]＇;

plot(x,y,+）;

[b,biｎt,r,rｉnt，ｓｔatｓ]＝regｒｅss(y,x)

ｂ,bint,sta