查询价格的网站,app广告对接平台,潍坊市建设工程管理处网站,soho做网站目录 1.算法适用情况 2.算法推演步骤 3.算法核心代码 4.算法效果展示 1.算法适用情况
#1.灰色预测模型简介1.灰色预测是对既含有已知信息又含有不确定信息的系统进行预测#xff0c;就是对在一定范围内变化的、与时间有关的灰色过程进行预测。
2.灰色预测…
目录 1.算法适用情况 2.算法推演步骤 3.算法核心代码 4.算法效果展示 1.算法适用情况
#1.灰色预测模型简介1.灰色预测是对既含有已知信息又含有不确定信息的系统进行预测就是对在一定范围内变化的、与时间有关的灰色过程进行预测。
2.灰色预测对原始数据进行生成处理来寻找系统变动的规律并生成有较强规律性的数据序列然后建立相应的微分方程模型从而预测事物未来发展趋势的状况。
3.灰色预测模型要求时长尽可能多或者数据尽可能充足,如果数据不足的话灰色预测的效果很差
4.如果数据不足,可以采用普通的时间序列来进行预测2.算法推演步骤
#算法步骤如下所示:
#1.生成累加数据集合
#2.计算矩阵B和向量Y
#3.计算结果矩阵U[a,u] U(B^T.B)^-1.B^T.Y
#4.建立灰色预测模型函数
#5.灰色预测精度检验
#6.灰色误差检验
#7.可视化绘图 3.算法核心代码
#1.灰色预测模型简介1.灰色预测是对既含有已知信息又含有不确定信息的系统进行预测就是对在一定范围内变化的、与时间有关的灰色过程进行预测。
2.灰色预测对原始数据进行生成处理来寻找系统变动的规律并生成有较强规律性的数据序列然后建立相应的微分方程模型从而预测事物未来发展趋势的状况。
3.灰色预测模型要求时长尽可能多或者数据尽可能充足,如果数据不足的话灰色预测的效果很差
4.如果数据不足,可以采用普通的时间序列来进行预测#导入必要的库和数据
import math
import numpy as np
import matplotlib.pyplot as plt
# 这两行代码解决 plt 中文显示的问题
plt.rcParams[font.sans-serif] [SimHei]
plt.rcParams[axes.unicode_minus] Falsehist_data[724.57,746.62,778.27,800.8,827.75,871.1,912.37,954.28,995.01,1037.2]
numberlen(hist_data)
x0np.array(hist_data)#1.生成累加数据集合
add_hist_data [sum(hist_data[0:i1]) for i in range(number)]
x1 np.array(add_hist_data)
#2.计算矩阵B和向量Y
#B矩阵是一个number-1行2列的矩阵
#Y向量是一个number-1行1列的矩阵
Bnp.zeros([number-1,2])
Ynp.zeros([number-1,1])
#通过for循环计算值
#Y[x0[1],x0[2],x0[3],.......x0[n-1]]
#B[[-0.5(x(0)x(1)),1],.......,[-0.5(x(number)x(1number-1)),1]]
for i in range(0,number-1):B[i][0] -0.5*(x1[i] x1[i1])B[i][1] 1Y[i][0] x0[i1]
#3.计算结果矩阵U[a,u]^T
#U(B^T.B)^-1.B^T.Y
Unp.linalg.inv(B.T.dot(B)).dot(B.T).dot(Y)
aU[0][0]
uU[1][0]
#4.建立灰色预测模型函数
ansnp.zeros(number)
ans[0]x0[0]
for i in range(1,number):ans[i](x0[0]-u/a)*(1-math.exp(a))*math.exp(-a*(i))
#5.灰色预测精度检验
#5.1.残差平均值残差平方
#残差平均值
aver00
for i in range(number):aver0(x0[i]-ans[i])
aver0aver0/number
#残差平方
s0 0;
for i in range(0,number):s0 ((x0[i] - ans[i]) - aver0)**2;
s0 / number#5.2.历史数据平均值历史数据方差
aver10
S10
for i in range(number):aver1(x0[i])
aver1aver1/number
for i in range(number):S1 (x0[i]-aver1)**2;
S1 / number
#5.3.后验差比值
Cs0/S1
#5.4.小误差概率P
sum0
for i in range(number):if abs(x0[i]-ans[i]-aver0)0.6754*math.sqrt(S1):sumsum1else:sumsum
psum/number
#6.灰色误差检验
ANS0
if(C0.35 and p0.95):#预测效果不错ANS1m20answernp.zeros(m)for i in range(m):answer[i](x0[0]-u/a)*(1-math.exp(a))*math.exp(-a*(inumber))
else:ANS0print(关联性不强,灰色预测法不可用!)
#7.可视化绘图
if ANS 1:for i in range(m):print(预测第,i1,年的数据是:,answer[i])x[]y[]for i in range(m):x.append(i1)y.append(answer[i]) plt.bar(x,y,colorr)plt.xlabel(预测时间变化,colorb)plt.ylabel(预测产量变化,colorb)plt.title(G(1,1)灰色预测模型下20年产量的预测情况,colorb)plt.savefig(C:/Users/Zeng Zhong Yan/Desktop/灰度预测模型.png, dpi200, bbox_inchestight)plt.show() 4.算法效果展示
