¡Buscamos urgentemente el código fuente de Matlab del modelo de predicción gris GM(1, N)!

formato largo;

[m, n]=tamaño(X0);

X1=cumsum(X0); p> p>

X2=[];

para i=1：n-1

/p>

fin

B= -0.5.*X2;

t=ones(n-1, 1

B=[ B, t]; Encuentra la matriz B

YN; =X0(2:end);

P_t=YN./X1(1: (longitud (X0)-1)) Prueba de cuasiestacionariedad original de la secuencia de datos .'*B)*B.' *YN.' ;

a=A(1)

u=A(2)

c=u /a; p>b=X0(1)-c;

X=[num2str(b),'exp','(',num2str(-a),' k', ')', num2str( c)];

strcat('X(k 1)=', X)

syms k;

para t =1: longitud(X0)

k(1, t)=t-1

fin

k

Y_k_1=b*exp(-a* k) c;

para j=1: longitud(k)-1

Y(1, j)=Y_k_1(j 1) -Y_k_ 1(j);

end

XY=[Y_k_1(1),Y] valor previsto

CA=abs(XY-X0); Theta=CA Secuencia de error absoluta de la prueba residual

XD_Theta=CA ./ X0 Secuencia de error relativa de la prueba residual

AV=media(CA ); R_k=(mín(Theta) 0,5*máx(Theta)). /(Theta 0.5*max(Theta)); P=0.5

R=sum(R_k)/longitud(R_k) Correlación

Temp0=(CA-AV).^ 2 ;

Temp1=sum(Temp0)/length(CA);

S2=sqrt(Temp1); La desviación estándar de la secuencia de error absoluto

- - --------

AV_0=mean(X0); Valor promedio de la secuencia original

Temp_ 0=(X0-AV_0).^2; p>

Temp_1=sum(Temp_0)/length(CA);

S1=sqrt(Temp_1); Desviación estándar de la secuencia original

TempC=S2/S1* 100; Relación de varianza

C=strcat(num2str(TempC), '') Relación de varianza de prueba de diferencia post hoc

----------

SS =0.

675*S1;

Delta=abs(CA-AV);

TempN=buscar(Deltalt;=SS);

N1=longitud(TempN) ;

N2=longitud(CA);

TempP=N1/N2*100;

P=strcat(num2str(TempP),'') Experimental la prueba de diferencia calcula la probabilidad de error pequeño