灰色预测模型 c# 算法实现
public class GrayModel
{
private double a0, a1, a2;
private int size;
private double error; public GrayModel()
{
} public void build(double[] x0)
{
size = x0.Length;
double[] x1 = new double[size];
x1[0] = x0[0];
for (int i = 1; i < size; i++)
{
x1[i] = x0[i] + x1[i - 1];
}
double[,] b = new double[size - 1, 2];
double[,] bt = new double[2, size - 1];
double[,] y = new double[size - 1, 1];
for (int i = 0; i < b.GetLength(0); i++)
{
b[i, 0] = -(x1[i] + x1[i + 1]) / 2;
b[i, 1] = 1;
bt[0, i] = b[i, 0];
bt[1, i] = 1;
y[i, 0] = x0[i + 1];
}
double[,] t = new double[2, 2];
multiply(bt, b, t);
t = inverse(t);
double[,] t1 = new double[2, size - 1];
multiply(t, bt, t1);
double[,] t2 = new double[2, 1];
multiply(t1, y, t2);
a0 = t2[0, 0];
double u = t2[1, 0];
a2 = u / a0;
a1 = x0[0] - a2;
a0 = -a0; error = 0;
for (int i = 0; i < x0.Length; i++)
{
double d = (x0[i] - getX0(i));
error += d * d;
}
error /= x0.Length;
} /// <summary>
/// 误差
/// </summary>
/// <returns></returns>
public double getError()
{
return error;
} double getX1(int k)
{
return a1 * Math.Exp(a0 * k) + a2;
} double getX0(int k)
{
// return a0 * a1 * Math.exp(a0 * k);
if (k == 0)
return a1 * Math.Exp(a0 * k) + a2;
else
return a1 * (Math.Exp(a0 * k) - Math.Exp(a0 * (k - 1)));
} /// <summary>
/// 预测后续的值
/// </summary>
/// <param name="index"></param>
/// <returns></returns>
public double nextValue(int index)
{
if (index < 0)
throw new Exception("超出索引范围");
return getX0(size + index);
} /// <summary>
/// 预测下一个值
/// </summary>
/// <returns></returns>
public double nextValue()
{
return nextValue(0);
} static double[,] inverse(double[,] t)
{
double[,] a = new double[2, 2];
double det = t[0, 0] * t[1, 1] - t[0, 1] * t[1, 0];
a[0, 0] = t[1, 1] / det;
a[0, 1] = -t[1, 0] / det;
a[1, 0] = -t[0, 1] / det;
a[1, 1] = t[0, 0] / det;
return a;
} static void multiply(double[,] left, double[,] right, double[,] dest)
{
int n1 = left.GetLength(0);
int m1 = left.GetLength(1);
int m2 = right.GetLength(1);
for (int k = 0; k < n1; k++)
{
for (int s = 0; s < m2; s++)
{
dest[k, s] = 0;
for (int i = 0; i < m1; i++)
{
dest[k, s] += left[k, i] * right[i, s];
}
}
}
}
}
static void Main(string[] args)
{
double[] a=new double[]{2.874,3.278,3.337,3.390,3.679};
GrayModel gm = new GrayModel();
gm.build(a);
Console.WriteLine(gm.nextValue());
Console.Read();
}
灰色预测模型 c# 算法实现的更多相关文章
- 数学建模-灰色预测模型GM(1,1)_MATLAB
GM(1,1).m %建立符号变量a(发展系数)和b(灰作用量) syms a b; c = [a b]'; %原始数列 A A = [174, 179, 183, 189, 207, 234, 22 ...
- GM11灰色模型
作者:桂. 时间:2017-08-12 08:34:06 链接:http://www.cnblogs.com/xingshansi/p/7348714.html 前言 灰色模型(Gray model ...
- python 实现 灰色预测 GM(1,1)模型 灰色系统 预测 灰色预测公式推导
来源公式推导连接 https://blog.csdn.net/qq_36387683/article/details/88554434 关键词:灰色预测 python 实现 灰色预测 GM(1,1)模 ...
- R实现灰色预测
1.简介 预测就是借助于对过去的探讨去推测.了解未来.灰色预测通过原始数据的处理和灰色模型的建立,发现.掌握系统发展规律,对系统的未来状态做出科学的定量预测.对于一个具体的问题,究竟选择什么样的预测模 ...
- 灰色预测原理及JAVA实现
最近在做项目时,用户不想使用平均值来判断当前数据状态,想用其他的方式来分析数据的变化状态,在查找了一些资料后,想使用灰色预测来进行数据的预测.下面的内容是从网上综合下来的,java代码也做了一点改动, ...
- 【数学建模】灰色系统理论II-Verhulst建模-GM(1,N)-GM(2,1)建模
灰色系统理论中,GM(1,1)建模很常用,但他是有一定适应范围的. GM(1,1)适合于指数规律较强的序列,只能描述单调变化过程.对于具有一定随机波动性的序列,我们考虑使用Verhulst预测模型,或 ...
- [matlab] 21.灰色预测、线性回归分析模型与最小二乘回归 (转载)
灰色预测的主要特点是只需要4个数据,就能解决历史数据少,序列的完整性以及可靠性低的问题,能将无规律的原始数据进行生成得到规律性较强的生成序列,易于检验 但缺点是只适合中短期的预测,且只适合指数级增长的 ...
- 灰色预测--matlab&python实现
function SGrey X0 = input('请输入原始负荷数据:'); %输入原始数据 n = length(X0); %原始n年数据 %累加生成 X1 = zeros(1,n); for ...
- 深入解读《Gartner2017年商业智能和分析平台魔力象限报告》
文 | 帆软数据应用研究院 船长 2017年2月16日,Gartner发布了2017年BI商业智能和分析平台魔力象限报告,笔者这里进行一些解读,帮助大家更好了解市场状况和趋势. 一.几家欢笑几家愁 和 ...
随机推荐
- HashMap和HashTable区别
HashMap和HashTable区别 HashMap--->允许控制/线程安全 HashTable-->线程不安全
- node.js http.get 和http.post 数据
http.get('http://codestudy.sinaapp.com', function (response) {}); node.js http post 样例: var reqData= ...
- HDU 4822 Tri-war(LCA树上倍增)(2013 Asia Regional Changchun)
题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=4822 Problem Description Three countries, Red, Yellow ...
- apache高负载性能调优
先阅读apache配置优化建议如下,再对相关参数进行调整,观察服务器状况.Apache配置优化建议:进入/usr/local/apache2/conf/extra 目录下Apache优化,经过上述操作 ...
- Tomcat8.5
说明:Tomcat服务器上一个符合J2EE标准的Web服务器,在tomcat中无法运行EJB程序,如果要运行可以选择能够运行EJB程序的容器WebLogic,WebSphere,Jboss等Tomca ...
- kafka管理器kafka-manager部署安装
运行的环境要求 Kafka 0.8.1.1+ sbt 0.13.x Java 7+ 功能 为了简化开发者和服务工程师维护Kafka集群的工作,yahoo构建了一个叫做Kafka管理器的基于Web工具, ...
- 怎么查看windows2003中隐藏用户
在命令模式下删除1.你在MS-dos下先输入net user 看有那些用户, 注意第一步看不出隐藏的用户 2.然后在输入net localgroup administrators 或者 net loc ...
- paper 93:OpenCV学习笔记大集锦
整理了我所了解的有关OpenCV的学习笔记.原理分析.使用例程等相关的博文.排序不分先后,随机整理的.如果有好的资源,也欢迎介绍和分享. 1:OpenCV学习笔记 作者:CSDN数量:55篇博文网址: ...
- Mongodb 笔记05 创建副本集
创建副本集 1. 副本集:副本集时一组服务器,其中有一个主服务器(primary),用于处理客户端请求:还有多个备份服务器(secondary),用于保存主服务器的数据副本.如果主服务器崩溃了,备份服 ...
- Linux的视频编程(V4L2编程)【转】
本文转载自:http://blog.csdn.net/tommy_wxie/article/details/11472073 一.什么是video4linuxVideo4linux2(简称V4L2), ...