模糊聚類分析例子(參考版)
2025-06-29 07:18本頁面
【正文】 x9=[,69]。x7=[,]。x5=[7,]。x3=[,]。yuce=[x0(1),diff(yuce1)]%預(yù)測(cè)數(shù)據(jù)clc,clearx1=[,41,]。t39。,[0:n1])。yuce1=subs(x,39。x039。b39。a39。)。,39。x=dsolve(39。Y=x0(2:n)39。endB=[z(2:n)39。lamda=x0(1:n1)./x0(2:n)。根據(jù)上海證券交易所綜合指數(shù)的周收盤指數(shù)數(shù)據(jù)，從1997年2月21日到1998年10月31日的周收盤指數(shù)曲線如圖所示：解：取9條等間隔的等高線，分別為=1140，=1170，=1200，=1230，=1260，=1290，=1320，=1350，=1380的等高時(shí)刻序列分別為對(duì)應(yīng)于=1140，=（,41,）對(duì)應(yīng)于=1170，=（,23,76,）對(duì)應(yīng)于=1200，=1230，=1260，=1290，=1320，=1350，=1380分別為=（,）=（,85）=（7,）=（,）=（,）=（,）=（,69）對(duì)（i=1,2,3,…9）序列，進(jìn)行GM（1,1）預(yù)測(cè)，起響應(yīng)時(shí)分別為y1=+*exp(*t)y2=+*exp(*t)y3=+*exp(.166865*t)y4=+*exp(.159938*t)y5=+*exp(.446077*t)y6=+*exp(.550388*t)y7=+*exp(.191636*t)y8=+*exp(.185059*t)y9=+*exp(.488018*t)對(duì)在1998年11月到2000年3月這5個(gè)月進(jìn)行預(yù)測(cè)，可得等高時(shí)刻的預(yù)測(cè)序列 =（,） =（,） =（,） =（,） =（,） =（） =（,） =（,） =（） 據(jù)此可以畫出上海證券交易所綜合指數(shù)1998年11月到2000年3月的預(yù)測(cè)波形圖 如下 Matlab程序如下： %GM（1,1）函數(shù) function gm11(x0,t)n=length(x0)。,0:n1)。yuce=subs(x,39。c239。c139。b39。a239。a139。)。,39。u=B\Y %a1，a2，b的值x=dsolve(39。,ones(n1,1)]。endB=[x0(2:end)39。x1=cumsum(x0) %x1為累加數(shù)列a_x0=diff(x0)。因此，定理5 引入的一階緩沖算子弱化該序列的增長(zhǎng)趨勢(shì)，一階緩沖序列仍記為，=（41,49,61,78,96,104），試以該序列為基礎(chǔ)建立GM（2,1）模型解：的1AGO序列和1IAGO序列分別為=(41, 90,151, 229, 325, 429)=(0, 8,12,17,18, 8)的緊鄰均值生成序列=(0, ,190, 277, 377) B= ，Y== 可得，GM（2,1）時(shí)間響應(yīng)式=*exp(.865973*t)+*exp(.226223*t)所以預(yù)測(cè)的數(shù)據(jù)為(41, 51, 63, 77, 92,104)誤差分析 實(shí)際數(shù)據(jù)模擬數(shù)據(jù)殘差相對(duì)誤差49617896104Matlab程序如下clc,clearx0=[41,49,61,78,96,104]。t39。s1_s0=abs(sum(tt(1:end1))+*tt(end))。
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號(hào)-1