Modelado matemático de códigos de programación MATLAB para varios algoritmos, cuanto más detallados, mejor
Predicción de grises
x=[0.11 0.49 0.50 0.23 0.27 0.02 -0.02 0.26 -0.25 0.08 ...
0.52 0.13 -0.01 0.52 0.57 0.01 0.32 - 0,15 0,45 0,07 0,66...
0,58 0,51 0,53 0,49 0,38 0,33 0,29 0,32 0,03 0,39];
formato largo; Establecer precisión de cálculo
if longitud(x (:, 1))==1 Juzgue la matriz de entrada. Si no es una matriz de columna unidimensional, realice una transformación transpuesta
x=x'
end
p>n=length(x); Tome el tamaño de muestra de los datos de entrada
z=0
for i=1:n Calcule el valor acumulado y asígnelo. el valor de la matriz sea
z=z x(i,:
be(i,:)=z
end
;para i= 2: n desplazamiento paralelo de la secuencia original
y(i-1,:)=x(i,:
end
);para i= 1: n-1 Calcule los datos de la primera columna de la matriz de datos B
c(i,:)=-0.5*(be(i,:) be(i 1,: ));
end
for j=1:n-1 Calcular los datos de la segunda columna de la matriz de datos B
e(j,:)=1 ;
end
for i=1:n-1 Construir la matriz de datos B
B(i, 1)=c(i,:); /p>
B(i, 2)=e(i,:);
end
alpha=inv(B'*B)*B'*y; Matriz de parámetros de cálculo
para i=1: n 1 calcula la secuencia acumulativa de estimaciones de datos. Si n 1 se cambia a n m, se pueden predecir los siguientes valores de m-1
fin
var(1,:)=ago(1,:)
para i=1 :n Si n se cambia a n m-1, se pueden predecir los siguientes valores de m-1
var(i 1,:)=ago(i 1,:)-ago(i,:); restaure la secuencia acumulativa de valores estimados y calcule el siguiente valor previsto
end
for i=1:n
error(i,:)=var (i,:)-x(i, :); Calcular residuos
end
c=std(error)/std(x) Llama a la función de desviación estándar de la caja de herramientas estadísticas para calcular la relación de diferencias posteriores c