灰色预测GM（1，1）模型的matlab源代码，包括预测模型的建立，以及模型的精度检验指标c,p的计算
标签： 灰色预测
上传时间： 2013-12-18
上传用户：vodssv
经济分析软件的设计与实现 摘 要：经济预测在现代经济生活中的作用变的越来越重要。它是企业确定政策，进行决策和制定计划的依据；是提高经营管理水平、改善计划工作的重要内容。该系统以某一燃气公司2001-2005年的历史数据信息为基础。它实现对公司的历史经营、客户发展状况进行统计和分析，然后根据分析结果采用合适的经济数学方法对历史数据作运算得出所需要的预测结果。本文首先对燃气公司的2001-2005年数据表中的历史数据作详细分析；其次，结合统计数学的知识，对现有的各种经济预测方法做深入的理解；第三，设计数据库。把表中的历史数据从Excel中导入到MySQL中，便于以后从数据库中调用数据和将数据库存入数据库中。第四，设计预测模型。以经济预测方法为基础，合理设计相关预测模型，实现对该燃气公司的2006年的经济预测工作。最后，对系统中仍存在的不足和缺陷做阐述，为以后的研究工作提出了一些自己的想法。 关键词：经济预测 预测模型 移动平均预测法 指数平滑预测法 灰色预测法 数据库图形化
上传时间： 2016-06-28
上传用户：417313137
灰色预测GM（1，1）模型的matlab源代码，包括预测模型的建立，以及模型的精度检验指标c,p的计算
标签： 灰色预测
上传时间： 2013-12-22
上传用户：hasan2015
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
基于Matlab的灰色预测算法.灰色预测是指：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）。
上传时间： 2013-12-22
上传用户：15071087253
灰色预测GM（1，1）模型的matlab源代码，包括预测模型的建立，以及模型的精度检验指标c,p的计算-Gray prediction GM (1,1) model matlab source code, including the prediction model, as well as indicators of model accuracy test c, p calculation
标签： 灰色预测
上传时间： 2017-07-24
上传用户：refent
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： 2017-05-10
上传用户：wd1314
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：yiyewumian
