GM(1,1)模型1-4 1：GM(1,1)模拟模型，在matlab中的输入方法为gm1（x），x指要模拟的序列。 2：GM(1,1)预测模型，在matlab中的输入方法为gm2（x，K），x指要模拟的序列，K指从以后序列第一个数据算起的第k个待预测数据。 3：GM(1,1)群模拟模型，在matlab中的输入方法为gm3（x），x指要模拟的序列。 4：GM(1,1)群预测模型，在matlab中的输入方法为gm4（x，K），x指要模拟的序列，K指从以后序列第一个数据算起的第k个待预测数据。 gm4对序列趋势比较好的数据预测效果较好，对上下变动的数据，特别是后4个数据趋势跟前面的数据相反的，预测效果很差。 gm2对上下变动的数据，预测效果比gm4好，但对趋势较好的数据，预测精度没有gm4高。 gm3比gm1模拟精度要高。 可以以x=[1 3 5 7 9 11 13 15]进行实验。x输入默认行向量。 所有程序在matlab6.0上调试通过。
上传时间： 2013-11-29
上传用户：jackgao
通过少量的、不完全的信息，建立灰色微分预测模型，对事物发展规律作出模糊性的长期描述（模糊预测领域中理论、方法较为完善的预测学分支）
标签：
上传时间： 2013-12-23
上传用户：sjyy1001
连续系统灰色PID的位置跟踪，先是采用PID控制进行灰色预测，然后采用带有灰色估计器的补偿PID控制
上传时间： 2016-04-28
上传用户：变形金刚
时间序列预测法是一种定量分析方法，它是在时间序列变量分析的基础上，运用一定的数学方法建立预测模型，使时间趋势向外延伸，从而预测未来市场的发展变化趋势，确定变量预测值
上传时间： 2014-11-29
上传用户：dengzb84
关于人口预测的一些文章，2007年数学建模竞赛A题，希望对大家有所帮助。常用人口预测方法，差分方程，GM灰色预测……
标签：
上传时间： 2014-01-12
上传用户：athjac
表面粗糙度是机械加工工艺中主要的技术参数， 对零件质量和产品性能有着极为重要的影响。 以加工表面粗糙度与切削用量三要素的关系为对象， 采用正交试验方法， 利用立方氮化硼刀具对冷作模具钢 Cr12MoV 进行硬态干式车削试验，测量得到选定参数条件下的加工表面粗糙度值，并应用人工智能神经网络方 法建立了加工表面粗糙度预测模型。结果表明，该预测模型具有很好的预测精度， 其最大误差不超过 5% 。模 型可以对不同切削速度、 进给量和切削深度参数组合下加工后的表面粗糙度进行预测，对干式硬车条件下的切 削用量选择和零件表面质量的控制具有重要指导意义。
上传时间： 2016-03-20
上传用户：happycats
RBF神经网络用于预测模型，可以进行诸如交通流预测！
上传时间： 2016-06-20
上传用户：chekai
股票分析和预测是一个复杂的研究领域，本论文将股票技术分析理论与人工神经网络相结合，针对股票市场这一非线性系统，运用BP神经网络，研究基于历史数据分析的股票预测模型，同时，对单只股票短期收盘价格的预测进行深入的理论分析和实证研究。本文探讨了BP神经网络的模型与结构、BP算法的学习规则、权值和阈值等，构建了基于BP神经网络的股票短期预测模型，研究了神经网络的模式、泛化能力等问题。并且，利用搭建起的BP神经网络预测模型，采用多输入单输出、单隐含层的系统，用前五天的价格来预测第六天的价格。对于网络的训练，选用学习率可变的动量BP算法，同时，对网络结构进行了隐含层节点的优化，多次尝试，确定最为合理、可行的隐含层节点数，从而有效地解决了神经网络隐含层节点的选取问题。
上传时间： 2017-05-11
上传用户：wd1314
数学建模32种常规方法1..第一章 线性规划.pdf10.第十章 数据的统计描述和分析.pdf11.第十一章 方差分析.pdf12.第十二章 回归分析.pdf13.第十三章 微分方程建模.pdf14.第十四章 稳定状态模型.pdf15.第十五章 常微分方程的解法.pdf16.第十六章 差分方程模型.pdf17.第十七章 马氏链模型.pdf18.第十八章 变分法模型.pdf19.第十九章 神经网络模型.pdf2.第二章 整数规划.pdf20.第二十章 偏微分方程的数值解.pdf21.第二十一章 目标规划.pdf22.第二十二章 模糊数学模型.pdf23.第二十三章 现代优化算法.pdf24.第二十四章 时间序列模型.pdf25.第二十五章 存贮论.pdf26.第二十六章 经济与金融中的优化问题.pdf27.第二十七章 生产与服务运作管理中的优化问题.pdf28.第二十八章 灰色系统理论及其应用.pdf29.第二十九章 多元分析.pdf3.第三章 非线性规划.pdf30.第三十章 偏最小二乘回归.pdf31、支持向量机(数学建模).pdf32、作业计划(数学建模).pdf4.第四章 动态规划.pdf5.第五章 图与网络.pdf6.第六章 排队论.pdf7.第七章 对策论.pdf8.第八章 层次分析法.pdf9.第九章 插值与拟合.pdf前言.pdf灰色预测公式的理论缺陷及改进.pdf
标签： 数学建模
上传时间： 2021-10-20
上传用户：kingwide
1.针对一类参数未知的非线性离散时间动态系统，提出了一种新的基于神经网络的MMAC方法。首先，将系统分为线性部分和非线性部分。针对系统线性部分采用局部化方法逮立多个固定模型覆盖系统的参数范围，在此基础上，建立自适应模型来提高系统性能；针对系统非线性部分建立非线性神经网络预测模型来邏近系统的非线性。然后，针对每个子模型设计相应的擅制器。最后，设计基于误差范数形式的性能指标函数对控制器进行硬切换。仿真结果表明，所提出的MMAC方法与传统的在参数空间均匀分布的MMAC方法相比能显著提高非线性系统的暂态性能。2针对一类具有参数跳变的非线性离散时间动态系统，提出子一种基才聚类方法和神经网络的MMAC方法，首先，采用模糊c均值聚类算法对系统先验数据进行分类处理，再分别对每类数据采用RLS算法建立多个固定模型。在此基础上，建立两个白适应模型来提高系统响应速度和控制品质，建立神经网络预测模型来补偿系统非线性。然后，分别针对相应的子模型设计线性鲁棒自适应控制器和神经网络控制器。最后，采用基于信号有界和测量误差的性能切换指标对控制器进行切换，并证明闭环系统的稳定性。仿真结果表明，所提出的算法能更好地解决非线性系统发生参数跳变问题，使得系统具有良好的控制品质3.针对MMAC方法中的模型库优化问题，考虑系统实际运行数据，提出了种基于相似度准则和设置最大模型数的动态优化模型库方法。该方法能对新数据进行综合考量并判断是否应该将该数据纳入子模型建模，并通过设置最大模型数来确保系统用最少的子模型就能保证系统的控制性能。仿真结果表明，所提出的算法能极大地减少子模型数量且具有较好的控制效果。关键词：非线性系统；多模型方法；自适应控制；模糊聚类；神经网络
标签： 自适应控制
上传时间： 2022-03-11
上传用户：
