Verhulst 预测模型

xinzhiyong

clc,clear
* P% t8 x* W7 M* Fx1=[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;
; a7 a% O8 H  m/ N( |% jplot(nian,x1,'o-');
x0=diff(x1);
, X- s6 s$ E  S% z7 m+ ~% \/ u( |x0=[x1(1),x0]
for i=2:n
z1(i)=0.5*(x1(i)+x1(i-1));
end
4 L3 m2 T- M. I7 y: tz1
B=[-z1(2:end)',z1(2:end)'.^2]
* u6 i# f0 A* g! M- {9 W! RY=x0(2:end)'
  o1 D( l9 U5 H1 f5 A: ?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
/ F% M) p- v  P/ d2 \) s1 v2 uyuce=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
$ `8 _3 ~5 }( G& J8 q) I0 d之后，或者不使用该语句
% O8 i! l' \& v( G) J8 n) u- `yuce(16)=yuce(15);
* K1 s6 W% r- hx1_all=[x1,9.92,10.71];
* I  f+ t. y1 Q4 Z9 l  `! w" qepsilon=x1_all-yuce %计算残差
1 n% Q2 D0 [7 z. @: p1 Cdelta=abs(epsilon./x1_all) %计算相对误差
5 b: D9 P* Y% u7 Edelta_mean=mean(delta) %计算平均相对误差
" _# ~) X9 E3 f8 V3 ux1_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
9 n( o9 R* ?5 G1 d. ds0=abs(sum(x1_all_0(1:end-1))+0.5*x1_all_0(end));
7 K7 [& v* b) vs1=abs(sum(yuce_0(1:end-1))+0.5*yuce_0(end));
# D# a* S7 t8 L0 h9 Btt=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
" K: A) `8 M* |c=std(epsilon,1)/std(x1_all,1) %计算标准差比值
) Z, |  c( y+ c! v+ P. L5 x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
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];
' m0 K2 j% z! |. Vn=length(x1);
9 t2 M2 K0 i8 `( r' A; e5 unian=1990:2003;
plot(nian,x1,'o-');
0 r) v  a7 B) X/ ~8 A2 j- Q  ]x0=diff(x1);
x0=[x1(1),x0]
* ^& @$ _$ l8 a0 v, l  @for i=2:n
z1(i)=0.5*(x1(i)+x1(i-1));
, |9 I0 T% T6 v% B' P/ Kend
) l& x* o- u; x5 z' q$ z  sz1
) y( r2 c- ~: ~) L: Q* nB=[-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
' X% @* F( B: `8 U# Rx1_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));
) j1 U, D! p0 ~4 Ls1=abs(sum(yuce_0(1:end-1))+0.5*yuce_0(end));
  A& F  C: t$ o' [* o4 E! o0 btt=yuce_0-x1_all_0;
' n, W# v( J# W7 s- S( q* W0 v8 zs1_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

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
" e$ U  Q: n6 F% c' r7 x3 ]