20xx數(shù)學建模論文-wenkub.com
2024-11-01 18:34 本頁面
【正文】 p_2(x)39。p_0(x)=a039。根據(jù)輸入的已知數(shù)據(jù)點擬合的 0 次， 1 次 ....多次多項式 39。x39。k39。ko39。 a0 e0=sum((ypolyval(a0,x)).^2) %求誤差平方和 a1=polyfit(x,y,1)。輸入縱軸數(shù)據(jù)： 39。 end 附 2： 計算最佳擬合次數(shù)多項式系數(shù)的 matlab程序： x = input(39。 for i = 1:m f(1,i) = (X0(1,1) u/a)*(1exp(a))*exp(a*(i+n1))。 %預測往后各年的房價 disp(39。)。 end end P = cout / n。 s22 C = s22 / s12。 end s12 = s12 / n。 %求歷史數(shù)據(jù)平均值 for i = 1:n aver = aver + X0(1,i)。 end XX0 %模型精度的后驗差檢驗 e = 0。 a = A(1,1)。 end B,Y %計算 GM(1,1)微分方程的參數(shù) a和 u A = zeros(2,1)。 Y = zeros(n1,1)。 %原始 n年數(shù)據(jù) X1 = zeros(1,n)。 附 1: 灰色模型求解 M 程序： function SGrey X0 = input(39。所以， 建立住房保障基金， 給中低收入家庭予以補貼，以幫助其實現(xiàn)購房意愿，可以鼓勵置買二手房等，即政府必須 完善廉租房建設計劃 。個人住房按揭貸款的增加使整個銀行體系的風險累積 ，引起金融部門流動性下降和全社會金融風險 的 增加。 ○ 3 擴大居民收入分配差距。 通過分析以上統(tǒng)計數(shù)據(jù)，我們得出以下對于經(jīng)濟的影響： ○1影響居民生活消費。 ○ 4 房價與地區(qū) GDP的擬合 圖 334 擬合的函數(shù)關系式為： y=ax+b 其中 a=,b= 方差和1 4 05mii SE? ??? 相關性系數(shù) Cov（ x， y） = 通過擬合出的關系圖，我們可以看到房價與地區(qū) GDP 之間有明顯的線性關系，說明地區(qū) GDP 升高影響著房價的升高，故可確定為主要因素。 ○ 1 房價與地價的相關性擬合。 由高等數(shù)學中介紹的多元函數(shù)求極值方法知道， S 的極值點滿足如下必要條件， 12000nSaSaSa???????????????????? 分別記 ( ) , ( )T n T niiC A A u c R D A y d R? ? ? ? ? ?，則 ( ) ( )11, ( )nmT i ij j k k j jkic A A a d r x y?????? 考慮式（ ）的第 j 各方程得到 ( ) ( ) ( ) ( ) ( )1 1 2 21( ) [ ( ) ( ) ( ) ] 0m i i i i ij n nir x y a r x a r x a r x?? ? ? ? ?? 即 , 1, 2 , ,jjc d j n?? 因此 TTA A u A y? 。 符號說明： S： 方差 m: 用于計算的標志性常量 模型建立 由于房價與建安成本、當?shù)氐牡貎r 、生產(chǎn)總值、人均可支配收入呈線性關系，而它們的線性的組合仍為線性，故我們選用多元線性方程來建立此模型，用最小二乘法對房價和影響房價的各個因素進行線性擬合： 設 1 2 3( , , , , ) Tsx x x x x? ， 1()rx ， 2()rx ， ()nrx 為 x的已知函數(shù)。 總體分析， 未來 5年的時間 內 ，樓價不會下跌，只會持續(xù)一個比較低幅度的上漲，但是不會下跌 。此時，我們可以進行精度檢驗，依次求出， 1s 、 2s 、 C、 P： 12sC s? ， ? ?( 0 ) ( 0 ) ( ) 1| ( ) | 0 .6 7 4 5tP q t q s?? ? ?， ( 0 ) ( 0 ) 211 ( ( ) ( ) )mts x t x t?????，1 ( 0 ) ( 0 ) 22 11 ( ( ) ( ) )1mts q t q tm? ????? ? 結果分析 為了便于快捷求解，我們編寫了 Matlab 程序（附 1），依次輸入原始數(shù)據(jù)，求得各市還原數(shù)據(jù)、實際值和誤差，我們以北京為例，如表： 房價原始數(shù)據(jù) (0)x 還原數(shù)據(jù) (0)^x 誤差 e（ %） 后驗差比值 C 小誤差概率 P (0) (2) 4598x ? 1993 (0) (3) 4962x ? 2595 (0) (4) 5161x ? 3379 (0) (5) 5276x ? 4400 (0) (6) 5849x ? 5729 (0) (7) 6232x ? 7459 (0) (8) 13222x ? 9713 (0) (9) 15051x ? 12646 (0) (10) 22310x ? 16466 利用 M 程序求得各市的后驗差比值 C和小誤差概率 P 后，與檢驗指標等級標準表（下表 323）對比得到表 324： 表 323 后驗差比值 C 小誤差概率 P 預測精度 評價 北京 2 級 較好 上海 1 級 好 深圳 1 級 好 西安 1 級 好 東莞 1 級 好 青島 1 級 好 濰坊 1 級 好 西寧 1 級 好 開封 1 級 好 表 324 通過模型的驗證結果可以看出，對于大部分城市，模型預測精確度很高 ，所以可以證明本模型建立較為成功，可以反映出西安房價的未來變化規(guī)律 。 符號說明 (0)x 為原始房價數(shù)據(jù)； (1)x 為累加生成房價數(shù)據(jù)； ix 為九個代表性城市的房價（ i =1,2,… ,9）； t 為時間變量； k 為與時間有關的常量； 模型建立 我們搜集到 2020~2020 年 10 年間，各代表性城市的房價變化數(shù)據(jù)如表 312所示： 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 北京 4210 4598 4962 5161 5276 5849 6232 13222 15051 22310 上海 5531 6003 6954 7938 8411 8547 8627 14099 15404 19168 深圳 4321 4526 4875 5170 5619 5549 6037 11143 14758 16978 西安 2020 3009 3120 3491 3000 3255 3599 4357 4913 5398 東莞 2020 3025 3288 3336 3710 4188 5148 5683 6608 7023 青島 896 2144 4200 5167 5000 5142 4639 6527 8301 8962 濰坊 1201 1690 1630 1866 2600 2654 2981 3099 3486 3689 西寧 1369 1463 1643 1722 1877 2020 2421 2673 3211 3440 開封 612 1500 1645 1836 1834 1963 2638 2760 3000 3737 表 321 各城市平均房價變化曲線如下： 圖 321 由圖 321 可明顯看出，各城市的房價單調遞增，并 具有較強指數(shù)規(guī)律，所以，我們考慮運用 GM（ 1,1）模型預測未來幾年平均房價的變化趨勢。經(jīng)過我們對各類型城市 通過建立的模型進行分析，如果某地區(qū)能夠用 5 年當年全年工資購買當?shù)厝?
公司管理相關推薦
鄂ICP備17016276號-1