灰色神经网络的回归分析

function [y,p,e]=huise_1_1(X,k) %灰色模型的malab程序 %Example [y,p]=gm_1_1([200 250 300 350],2) %接口描述： X的预测的初始数列，|X|>4，K是指向后进行预测的个数 %命令格式：程序保存的文件名，eg：huise.m 则命令是： huise([579.8 547.5 527.0 492.3 437.0],5) if nargout>3; error('Too many output argument.'); end if nargin==1,k=1; x_orig=X; elseif nargin==0|nargin>2 error('Wrong number of input arguments.'); end x_orig=X; predict=k; %AGO 处理，即是对初始数列进行一阶累加 x=cumsum(x_orig); %计算系数(a 和 u)------------------------ n=length(x_orig); %生成矩阵 B for i=1:(n-1); B(i)=-(x(i)+x(i+1))/2; end B=[B' ones(n-1,1)]; %生成矩阵 Y for i=1:(n-1); y(i)=x_orig(i+1); end Y=y'; %计算系数 a=au(1) u=au(2) au=(inv(B'*B))*(B'*Y); %-------------------------------------------------------- %把huise模型公式转换成符号 coef1=au(2)/au(1); coef2=x_orig(1)-coef1; coef3=0-au(1); costr1=num2str(coef1); costr2=num2str(abs(coef2)); costr3=num2str(coef3); eq=strcat(costr1,'+',costr2,'e^',costr3,'*(t-1))'); %计算每一个值 for t=1:(n+predict) mcv(t)=coef1+coef2*exp(coef3*(t-1)); end x_mcv0=diff(mcv); x_mcve=[x_orig(1) x_mcv0] ; %输出图形中的各点 x_mcv=diff(mcv(1:end-predict)); x_orig_n=x_orig(2:end)'; x_c_error=x_orig_n-x_mcv; x_error=mean(abs(x_c_error./x_orig_n)); if x_error>0.2 %相对误差的均值 disp('model disqualification!'); elseif x_error>0.1 disp('model check out'); else disp('model is perfect!'); end % plot(1:n,x_orig,'o',1:n+predict,x_mcve); % p=x_mcve(end-predict+1:end); %画出预测模型和初始数列的点 % xlabel('年份(从1990年份起)'); % ylabel('AADT'); % title('灰度模型 GM(1,1)'); % grid on y=eq; e=x_error; p=x_mcve(end-predict+1:end);