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
- Lintcode: Interval Minimum Number
Given an integer array (index from 0 to n-1, where n is the size of this array), and an query list. ...
- JavaBean 动作元素事例
JavaBean.jsp JavaBeanSuccess.jsp Type类 效果
- [转]Apache Maven 入门篇 ( 上 )
原文地址:Apache Maven 入门篇 ( 上 ) 作者:George Ma 写这个 maven 的入门篇是因为之前在一个开发者会的动手实验中发现挺多人对于 maven 不是那么了解,所以就有了这 ...
- shell学习笔记(2)替换命令··与()的区别
·CMD·在执行的时候,shell不管··中的内容是什么,先进性解释,再把解释后的最终结果送给shell,如果解释后的结果不是shell可以行的命令,就会报错.但是仅仅把cmd的执行结果作为文本输出, ...
- webDriver中的alert
driver.switchTo().alert();这句可以得到alert\confirm\prompt对话框的对象,然后运用其方法对它进行操作.对话框操作的主要方法有: getText() ...
- 五种常见的电子商务模式对比:B2B、B2C、C2B、C2C、O2O
电子商务模式是指企业运用互联网开展经营取得营业收入的基本方式,也就是指在网络环境中基于一定技术基础的商务运作方式和盈利模式.目前,常见的电子商务模式主要有B2B.B2C.C2B.C2C.O2O等几种, ...
- springmvcの神总结のreadme
********李守宏springmvc******** 3.== --\springmvc一个controller实现多个方法 ----\继承MultiActionController ----\配 ...
- webpack我遇到的一些坑
我的第一个用于实验webpack的项目是一个拥有多个版本的项目.什么叫多个版本?这个项目对3个语言版本+3个不同城市版本+(移动端 + PC端),也就是3*3*2,18个版本. 我的第一次想法肯定是 ...
- 【sinatra】安装测试
$ gem install sinatra 测试: $ subl app.rb app.rb内容: require 'sinatra' get '/' do "Hello, World!&q ...
- Swift常量和变量
常量和变量由一个特定名称来表示,如maxNumber 或者 message.常量所指向的是一个特定类型的值, 如数字10或者字符”hello”.变量的值可以根据需要不断修改,而常量的值是不能够被二次修 ...