¡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); p>
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