【大创备赛资料】23年数学建模备赛

''' GM(1,1)模型代码的写作思路 1.画出原始数据的实践序列图，判断原始数据中是否有负数或低于四期，是，则报错，否进行下一步 2.对一次累加后的数据进行准指数规律检验，返回两个指标 指标1 光滑比小于0.5的数据占比 指标2 除去前两个时期外，光滑比 ''' # # -*- coding: utf-8 -*- # """ # Spyder Editor # This is a temporary script file. # """ import numpy as np import math history_data = [724.57,746.62,778.27,800.8,827.75,871.1,912.37,954.28,995.01,1037.2] n = len(history_data) X0 = np.array(history_data) #累加生成 history_data_agg = [sum(history_data[0:i+1]) for i in range(n)] X1 = np.array(history_data_agg)#累加x1 #计算数据矩阵B和数据向量Y B = np.zeros([n-1,2]) Y = np.zeros([n-1,1]) for i in range(0,n-1): B[i][0] = -0.5*(X1[i] + X1[i+1]) B[i][1] = 1 Y[i][0] = X0[i+1] #计算GM(1,1)微分方程的参数a和u #A = np.zeros([2,1]) A = np.linalg.inv(B.T.dot(B)).dot(B.T).dot(Y) a = A[0][0] u = A[1][0] #建立灰色预测模型 XX0 = np.zeros(n) XX0[0] = X0[0] for i in range(1,n): XX0[i] = (X0[0] - u/a)*(1-math.exp(a))*math.exp(-a*(i)); #模型精度的后验差检验 e = 0 #求残差平均值 for i in range(0,n): e += (X0[i] - XX0[i]) e /= n print("残差平均值：",e) #求历史数据平均值 aver = 0; for i in range(0,n): aver += X0[i] aver /= n #求历史数据方差 s12 = 0; for i in range(0,n): s12 += (X0[i]-aver)**2; s12 /= n #求残差方差 s22 = 0; for i in range(0,n): s22 += ((X0[i] - XX0[i]) - e)**2; s22 /= n #求后验差比值 C = s22 / s12 #求小误差概率 cout = 0 for i in range(0,n): if abs((X0[i] - XX0[i]) - e) < 0.6754*math.sqrt(s12): cout = cout+1 else: cout = cout P = cout / n if (C < 0.35 and P > 0.95): #预测精度为一级 m = 10 #请输入需要预测的年数 print('往后m各年负荷为：') f = np.zeros(m) for i in range(0,m): f[i] = (X0[0] - u/a)*(1-math.exp(a))*math.exp(-a*(i+n)) else: print('灰色预测法不适用') # # 关于出现图案里面的中文不显示，只有口口的样子 # # 解决方案： # import matplotlib.pyplot as plt # plt.rcParams['font.sans-serif'] = ['SimSun'] # 设置字体为宋体或其他中文字体 # plt.figure(figsize=(8, 4)) # plt.plot([1, 2, 3, 4, 5], [10, 12, 5, 8, 9], 'b-o') # plt.xlabel('X轴') # plt.ylabel('Y轴') # plt.title('中文标题') # plt.grid(True) # plt.show() # import matplotlib.pyplot as plt # import numpy as np # # 创建一个圆的坐标点 # theta = np.linspace(0, 2 * np.pi, 100) # 创建角度范围从0到2*pi # r = 1.0 # 圆的半径 # # 计算圆上的点的坐标 # x = r * np.cos(theta) # y = r * np.sin(theta) # # 创建坐标图 # plt.figure(figsize=(6, 6)) # 设置图形大小 # plt.plot(x, y, label='圆', color='b') # 绘制圆 # plt.xlabel('X轴') # 设置X轴标签 # plt.ylabel('Y轴') # 设置Y轴标签 # plt.title('圆的坐标图') # 设置标题 # plt.legend() # 显示图例 # plt.grid(True) # 显示网格 # # 显示图形 # plt.show() # '''输入原始数据并做出时间序列图''' # import pandas as pd # import matplotlib.pyplot as plt # plt.rcParams['font.sans-serif'] = ['SimSun'] # # 导入CSV文件到DataFrame # df = pd.read_csv('daima.csv',encoding='utf-8') # # 将日期列解析为日期时间格式 # #df['Date'] = pd.to_datetime(df['Date']) #将文件中的Date列解析为日期时间格式 # # 设置日期列作为索引（如果未设置的话） # # df.set_index('Date', inplace=True) # # 创建时间序列图 # plt.figure(figsize=(12, 6))# 图形窗口的大小 # plt.plot(df['year'], df['zong'], label='时间序列数据', color='blue') # #创建一个二维图表，第一个"date"作为x轴，第二个“Value”作为y轴，图例标签为“时间序列数据”，颜色为蓝色 # plt.xlabel('时间') # plt.ylabel('值') # plt.title('时间序列图') # plt.legend() # plt.grid(True) # # 显示图像 # plt.show() # #读取第几行数据 # import pandas as pd # # 读取CSV文件 # df = pd.read_csv('daima.csv',encoding='utf-8') # # 打印 DataFrame 的前几行 # print(df.head(1)) '''读取xlsx 文件进行处理成为csv文件 # import pandas as pd # # 读取Excel文件 # excel_file = 'daima.xlsx' # 替换为您的Excel文件路径 # df = pd.read_excel(excel_file) # # 将数据保存为CSV文件 # csv_file = 'daima.csv' # 指定CSV文件路径 # df.to_csv(csv_file, index=False) # index=False 表示不保存索引列 '''