zuiyouquanzhong.rar_MATLAB组合预测_拉格朗日 权重_拉格朗日预测_组合预测_组合预测权重

%最优权重计算 clc close all clear all % load('RBF_pred.mat', 'Pred') %导入RBF神经网络的预测数据 % load('SVMpre.mat', 'SVMpredict') %导入SVM的预测数据 % SVMpredict(:,1)=xlsread('500kV_zuhe_data','K26:K29'); M_Data(:,1)=xlsread('500kV_zuhe_data','B26:B29'); M_Data(:,2)=xlsread('500kV_zuhe_data','J26:J29'); M_Data(:,3)=xlsread('500kV_zuhe_data','K26:K29'); M_Data(:,4)=xlsread('500kV_zuhe_data','L26:L29'); M_Data %使用RBF和SVM预测H2的值，第1列为真实值，第2、3列分别为RBF和SVM的预测值 %预测误差矩阵e [m,n]=size(M_Data); for i=2:n e(:,i-1)=M_Data(:,1)-M_Data(:,i); end fprintf('预测误差信息矩阵e:') e %再求得误差信息矩阵E E=e'*e E %求组合权重W R=[1;1;1]; W=(inv(E)*R)/(R'*inv(E)*R); W=W'; W %计算组合预测 y = W(1,1)*M_Data(:,2)+W(1,2)*M_Data(:,3)+W(1,3)*M_Data(:,4); y %计算组合预测的相对误差 Err=abs(M_Data(:,1)-y)*100./M_Data(:,1); Err %平均相对误差 AvgErr=sum(Err)/4 AvgErr figure; plot(M_Data(:,1),'b-o'); grid on; hold on; plot(y,'r:square'); grid on; title('基于信息熵的组合预测'); legend('H2的实际值','最优权重组合预测'); ylabel('H2的含量（uL/L）'); xlabel('预测样本点/天');