没有合适的资源？快使用搜索试试~
我知道了~
文库首页
课程资源
软件测试
无偏verhulst灰色
无偏verhulst灰色
5星
· 超过95%的资源
需积分: 10
9 下载量
56 浏览量
2018-08-20
15:07:43
上传
评论
收藏
1KB
M
举报
温馨提示
立即下载
无偏verhulst灰色和一般verhulst灰色以及GM11之间的比较
资源推荐
资源评论
灰色Verhulst模型设计
浏览：140
灰色Verhulst模型设计，txt格式，书中摘录手动输入，已检验可以直接使用
Verhulst模型
浏览：24
3星 · 编辑精心推荐
Verhulst模型
verhulst代码
浏览：17
自己改的代码，效果还不错。主要是在灰色模型的GM（1,1）基础上改的。
Verhulst模型及其应用
浏览：124
Verhulst模型及其应用er h 川st 模型可用来描述非单调的摆动 发展序列与饱和的S 形序列的状态过程, 适 用于人口增长、生物生长、繁殖、经济寿命 等方面的预测, 模型的表达式为
verhulst的matlab程序
浏览：114
5星 · 资源好评率100%
我自己用matlab编写的verhulst源代码希望可以帮到需要的人
灰色数据处理Matlab代码
浏览：8
3星 · 编辑精心推荐
灰色处理数据的matlab程序实现，采用累加方式进行灰色数据叠加，处理后再进行累减，恢复数据。
论文研究-无偏灰色Verhulst模型及其应用.pdf
浏览：62
论文研究-无偏灰色Verhulst模型及其应用.pdf, 针对灰色Verhulst模型自身所固有的偏差, 提出了无偏灰色Verhulst模型.利用递推解法,给出两种初始条件下无偏灰色Verhu
基于精细积分法的无偏非齐次灰色模型构建.pdf
浏览：184
基于精细积分法的无偏非齐次灰色模型构建.pdf
灰色预测模型，无偏分析
浏览：137
很适合数学建模学习PPT很适合数学建模学习PPT很适合数学建模学习PPT
无偏灰色Verhulst模型的优化及其应用 (2011年)
浏览：151
针对传统无偏灰色Verhulst模型初始条件的选取问题,分别提出了以x(1) (1)和x(1) ( n)为初始条件的优化模型,使得原始序列的一阶累加生成序列与其模拟值的误差平方和在理论上达到最小.在此基础上,给出最优初始条件下的无偏灰色Verhulst模型的预测公式,并通过实例验证了优化模型的有效性和实用性.
CTVerhulst.rar_Verhulst源码_verhulst_灰色模型_灰色预测_灰色预测模型
浏览：129
简单的灰色模型预测，适合初学者，Verhulst模型，累减序列，有数据
基于粒子群优化算法的无偏灰色模型.pdf
浏览：40
基于粒子群优化算法的无偏灰色模型.pdf
无偏非齐次灰色预测模型的直接建模法
浏览：20
针对灰色预测模型拟合非齐次指数序列时的误差,对白化微分方程和参数无偏估计方法展开研 究.首先梳理现有非齐次灰色预测模型,建立NGM(1,1,k)的基本形式;然后从灰导数和背景值两个角度分别优化,提出NGM(1,1,k)的两类无偏基本形式,通过验证两者的统一性得到无偏NGM(1,1,k)的直接建模方法,并且证明该建模方法具有白指数重合性;最后利用6类数据拟合和南京城市天然气供气量两个算例验证了所提出
径向基神经网络无偏灰色瓦斯涌出量预测
浏览：190
利用径向基神经网络纠正无偏灰色预测残差,构建了一种径向基无偏灰色组合模型,并利用该组合模型对某矿山瓦斯相对涌出量进行实验仿真。结果表明,该组合模型预测与无偏灰色模型相比,平均绝对误差比RBF神经网络增高,且不受数据波动性影响,能够更好地反映矿山瓦斯相对涌出量的规律,预测准确、可靠。
verhulst_demo_灰色verhulst_verhulst_DEMO_Verhulst代码_灰色预测模型代码_
浏览：181
5星 · 资源好评率100%
灰色预测代码，亲测可用，比较适合学习和研究，通俗简单。
灰色预测模型.rar_Verhulst模型_verhulst_灰色_灰色模型预测_灰色预测模型
浏览：47
GM(1,n)灰色预测模型 GM(1,1)灰色预测模型 灰色Verhulst模型
基于无偏灰色Verhulst模型的GPS钟差预报.pdf
浏览：83
基于无偏灰色Verhulst模型的GPS钟差预报.pdf
无偏灰色预测在列车自动驾驶系统中的应用.pdf
浏览：37
无偏灰色预测在列车自动驾驶系统中的应用.pdf
无偏灰色模糊马尔可夫链在设备衰退预测中的应用
浏览：27
无偏灰色模糊马尔可夫链在设备衰退预测中的应用，李丹，廖雯竹，针对传统灰色马尔可夫模型在固有灰色偏差和抗干扰性方面的不足，提出一种基于无偏灰色模糊马尔可夫链的设备衰退趋势预测模型。首
基于无偏灰色马尔科夫模型的人民币/美元汇率短期预测模型 (2011年)
浏览：126
对人民币/美元汇率建立无偏灰色马尔科夫预测模型,该模型是对GM(1,1)模型的改进.实证研究结果表明,该模型预测精度优于ARMA模型、GARCH(1,1)模型以及灰色马尔科夫模型的预测精度.
基于优化的无偏灰色模型的铝价格行情预测 (2012年)
浏览：27
为了对铝价格行情进行科学的预测，构建优化的无偏灰色模型模拟其变化趋势．首先建立无偏灰色预测模型，并推导出它的求解公式；再对其背景参数进行优化；然后根据2010年10月至2011年6月上海现货铝价格数据，采用优化的无偏灰色模型进行模拟预测，最后将其预测结果与传统的GM(1，1)模型和无偏灰色模型进行误差比较分析．结果表明优化的无偏灰色模型消除了传统GM(1，1)模型本身固有的偏差，模拟和预测的精度较
论文研究-基于新维无偏灰色马尔可夫的交通事故预测.pdf
浏览：129
交通事故预测是交通安全评价、规划和决策的基础。在传统灰色预测模型和马尔可夫链理论的基础上，利用新信息优先的思想，建立了等维新息无偏灰色马尔可夫预测模型。该模型通过结合灰色预测与马尔可夫链理论的特点，用无偏灰色预测模型拟合系统的发展变化趋势，并以此为基础进行马尔可夫预测，在每一步预测中不断推陈出新，更新原始数据。以2001年—2010年全国道路交通事故死亡人数实测值作为原始数据，构建预测模型，预测其
基于改进无偏灰色模型的矿山地表沉降预测研究-论文
浏览：160
地下煤炭资源的开采为我国经济发展提供动力，但也对地表造成不同程度的损害，通过建立一些预测模型来有效预计矿山地表沉陷变形，能避免地表建筑物受到的影响。传统灰色模型是一种存在偏差的指数模型，为了使其预测性能得到优化，扩展预测适用范围，为此提出无偏灰色模型，以消除传统灰色模型本身固有的偏差。文中在无偏灰色模型的基础上，通过3次样条插值法对原始序列进行处理，得到改进无偏灰色模型。根据已有的矿山地表沉降监测
基于无偏灰色一马氏链组合模型的股价研究 (2005年)
浏览：194
通过对股票价格运行特点分析，将这一随机时间序列分解成由灰色模型拟合的趋势变动序列和马尔可夫链，并在对两者详细剖析的基础上建立了无偏灰色一马氏链组合模型，以此预测上证综合指数的区间概率分布、平稳分布、均值以及平均涨落时间，检验和实例表明该模型具有较高精度和应用价值。
20余套微信小程序源代码（含前端和后端）
浏览：181
20余套微信小程序源代码（含前端和后端）微信小程序源码带后台+教程+不同行业的源码集合。如有侵权或安装问题请联系附带微信.
python实现好看的GUI界面pyqt5
浏览：62
本资源基于网络的参考实现了好看的GUI界面，并带有样式截图，下载下来即可看见各种截图和py文件，可直接在python环境运行，基于pyqt5实现
软件工程课程设计报告期末大作业-超市管理系统.zip
浏览：196
5星 · 资源好评率100%
软件工程课程设计报告大作业，课题：小型超市管理系统，内容包括1.系统可行性研究报告 2.需求规格说明书 3.设计规格说明书 4.测试分析报告 5.课程设计总结 五个部分，只是分析了设计方案并没有源码实现。
3.2EStudy启动后无法显示界面的解决办法.zip
浏览：163
5星 · 资源好评率100%
3.2EStudy启动后无法显示界面的解决办法.zip
完整功能测试报告模板.doc
浏览：25
5星 · 资源好评率100%
完整的软件功能性测试报告模板。XXXX项目功能测试报告，文档修订记录，目录，项目概述，项目背景，测试目的...
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~
联系上传者
评论
qq_20019775
2018-10-15
内容不错可以
weixin_43018775
粉丝: 2
资源:
1
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场，查看用户热搜
最新资源
蓝桥杯的概要介绍与分析
content_1714144568894.zip
什么是打开注册表-以及学习打开注册表的意义
智能车的概要介绍与分析
什么是matlab安装-以及matlab安装的意义
ACM的概要介绍与分析
什么是django-以及学习django的意义
单片机实验或课设-定时器控制交通指示灯
全国大学生电子设计竞赛的概要介绍与分析
com.baidu.netdisk_12.9.6.apk
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
安全验证
文档复制为VIP权益，开通VIP直接复制
信息提交成功
