Verhulst 预测模型

xinzhiyong

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];
- ^, Q+ B9 w+ P4 ?& F& S  P$ E' Fn=length(x1);
7 y* X5 f9 {- G4 Unian=1990:2003;
. S* i2 ?1 {3 k; w' n  R; Yplot(nian,x1,'o-');
x0=diff(x1);
/ G8 y$ ^/ G$ b6 qx0=[x1(1),x0]
, S/ L% V5 |2 f0 j% R$ X) Mfor i=2:n
9 j' x& M9 q0 L3 J& dz1(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
. U: M# v  T9 h. o3 Ix=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
" u7 N+ V0 ^7 Z% |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);
! {, a8 U' P" ox1_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
& J# Q2 C% J5 O# Q7 ydelta_mean=mean(delta) %计算平均相对误差
) V/ z% _1 f" s2 V8 _5 @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
8 V4 n- E7 c) ds0=abs(sum(x1_all_0(1:end-1))+0.5*x1_all_0(end));
% H8 L7 o* d0 L( F/ }, ts1=abs(sum(yuce_0(1:end-1))+0.5*yuce_0(end));
! I: I, L; y2 W+ z: G0 k. Y# n: i# @tt=yuce_0-x1_all_0;
- [! `& d' W* ^- Y9 rs1_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
" K: y7 H+ v: V% q1 c& Xc=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

ihear

wangxinzhi

不会…………

杨帆

clc,clear
; q, I, L6 |+ F. z& ax1=[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];
+ \# r6 G9 Z/ gn=length(x1);
: N4 m/ `( F6 Z) w. H) [nian=1990:2003;
, D2 |/ T+ ]/ [1 Q, tplot(nian,x1,'o-');
9 a7 e4 h2 f$ H" Vx0=diff(x1);
% t+ J5 b) t* k" s8 I0 U0 Yx0=[x1(1),x0]
for i=2:n
8 X; m; z0 H. l2 i" Oz1(i)=0.5*(x1(i)+x1(i-1));
: y. e+ I' e1 Iend
4 V+ \  u' e( F. Gz1
/ D5 i% _3 Z1 x- p2 ^& \2 CB=[-z1(2:end)',z1(2:end)'.^2]
3 x" R3 s" h- L, u* R7 xY=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
( n4 z/ ]0 I1 o/ P2 L! w6 Hyuce=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
) z& y0 h, P  R' m1 @- myuce_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));
  n" m2 S" \4 es1=abs(sum(yuce_0(1:end-1))+0.5*yuce_0(end));
7 {) R8 x, X/ F- B- wtt=yuce_0-x1_all_0;
5 w" q# L% A: Q5 G" Vs1_s0=abs(sum(tt(1:end-1))+0.5*tt(end));
) m; N5 V, B/ Z9 z% Qabsdegree=(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
9 R. P. f2 D  V1 f* E
* k; Z( C/ A" ]' l& A9 y/ h# ?( @你数据输入有问题

xinzhiyong

xiexie,juejie

d815856116

我也不会  看不懂、、、、、、、

liuxn_2005

matlab 程序。。。。。。。。。。。。。。。。。。。。。。

gssdzc

是灰色理论的。谢谢

liu123456cn

高手帮忙啊！~~~~~~~~~求助