查看: 8721|回复: 8

[建模教程] Verhulst 预测模型

字体大小: 正常放大

20 主题	2 听众	72 积分

升级 70.53%

该用户从未签到

电梯直达

1^#

发表于 2009-9-8 22:04 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

clc,clear
x1=[4.93 5.33 5.87 6.35 6.63 7.15 7.37 7.39 7.81 8.35
9.39 10.59 10.94 10.44];
n=length(x1);
nian=1990:2003;
plot(nian,x1,'o-');
x0=diff(x1);
x0=[x1(1),x0]
for i=2:n
z1(i)=0.5*(x1(i)+x1(i-1));
end
z1
B=[-z1(2:end)',z1(2:end)'.^2]
Y=x0(2:end)'
abhat=B\Y %估计参数a,b 的值
x=dsolve('Dx+a*x=b*x^2','x(0)=x0'); %求解常微分方程
x=subs(x,{'a','b','x0'},{abhat(1),abhat(2),x1(1)}); %代入参数值
yuce=subs(x,'t',0:14) %计算预测值
digits(6); x=vpa(x) %显示微分方程的解，为了提高计算精度，把该语句放在计算预测值
之后，或者不使用该语句
yuce(16)=yuce(15);
x1_all=[x1,9.92,10.71];
epsilon=x1_all-yuce %计算残差
delta=abs(epsilon./x1_all) %计算相对误差
delta_mean=mean(delta) %计算平均相对误差
x1_all_0=x1_all-x1_all(1); %数据列的始点零化像
yuce_0=yuce-yuce(1); %数据列的始点零化像
s0=abs(sum(x1_all_0(1:end-1))+0.5*x1_all_0(end));
s1=abs(sum(yuce_0(1:end-1))+0.5*yuce_0(end));
tt=yuce_0-x1_all_0;
s1_s0=abs(sum(tt(1:end-1))+0.5*tt(end));
absdegree=(1+s0+s1)/(1+s0+s1+s1_s0) %计算灰色绝对关联度
c=std(epsilon,1)/std(x1_all,1) %计算标准差比值
请高手帮忙一下，里面哪里错误了，看了一个晚上，老是不对！！！！
这是Verhulst 预测模型 GM（1，1）改进过来的

zan

转播0 淘帖0 分享0 收藏2 支持0 反对0 微信

使用道具举报

ihear

0 主题	3 听众	3 积分

升级 60%

该用户从未签到

2^#

发表于 2009-9-8 22:06 |只看该作者 |招呼Ta 关注Ta

我也说一句

发表

使用道具举报

wangxinzhi

1 主题	4 听众	78 积分

升级 76.84%

该用户从未签到

自我介绍: 孜孜不倦

3^#

发表于 2009-9-8 23:06 |只看该作者 |招呼Ta 关注Ta

不会…………

我也说一句

发表

使用道具举报

杨帆

4 主题	4 听众	626 积分

升级 6.5%

TA的每日心情

	奋斗 2012-12-4 13:38

签到天数: 314 天

[LV.8]以坛为家I

群组: 数学趣味、游戏、IQ等

群组: 数学建模

群组: 我们一定会赢

4^#

发表于 2009-9-8 23:09 |只看该作者 |招呼Ta 关注Ta

clc,clear
x1=[4.93 5.33 5.87 6.35 6.63 7.15 7.37 7.39 7.81 8.35 9.39 10.59 10.94 10.44];
n=length(x1);
nian=1990:2003;
plot(nian,x1,'o-');
x0=diff(x1);
x0=[x1(1),x0]
for i=2:n
z1(i)=0.5*(x1(i)+x1(i-1));
end
z1
B=[-z1(2:end)',z1(2:end)'.^2]
Y=x0(2:end)'
abhat=B\Y %估计参数a,b 的值
x=dsolve('Dx+a*x=b*x^2','x(0)=x0'); %求解常微分方程
x=subs(x,{'a','b','x0'},{abhat(1),abhat(2),x1(1)}); %代入参数值
yuce=subs(x,'t',0:14) %计算预测值
digits(6); x=vpa(x) %显示微分方程的解，为了提高计算精度，把该语句放在计算预测值之后，或者不使用该语句
yuce(16)=yuce(15);
x1_all=[x1,9.92,10.71];
epsilon=x1_all-yuce %计算残差
delta=abs(epsilon./x1_all) %计算相对误差
delta_mean=mean(delta) %计算平均相对误差
x1_all_0=x1_all-x1_all(1); %数据列的始点零化像
yuce_0=yuce-yuce(1); %数据列的始点零化像
s0=abs(sum(x1_all_0(1:end-1))+0.5*x1_all_0(end));
s1=abs(sum(yuce_0(1:end-1))+0.5*yuce_0(end));
tt=yuce_0-x1_all_0;
s1_s0=abs(sum(tt(1:end-1))+0.5*tt(end));
absdegree=(1+s0+s1)/(1+s0+s1+s1_s0) %计算灰色绝对关联度
c=std(epsilon,1)/std(x1_all,1) %计算标准差比值

你数据输入有问题