matlab灰色预测 没怎么看明白，直接上个示例吧：clcclear all本程序主要用来计算根据灰色理论建立的模型的预测值。应用的数学模型是 GM(1，1)。原始数据的处理方法是一次累加法。y=[1662.87 2163.4 1965.35 2472.48 2900.66 3034.93 2755.5 3207 3462]；已知数据n=length(y)；yy=ones(n，1)；yy(1)=y(1)；for i=2：nyy(i)=yy(i-1)+y(i)；endB=ones(n-1，2)；for i=1：(n-1)B(i，1)=-(yy(i)+yy(i+1))/2；B(i，2)=1；endBT=B'；for j=1：n-1YN(j)=y(j+1)；endYN=YN'；A=inv(BT*B)*BT*YN；a=A(1)；u=A(2)；t=u/a；t_test=4；需要预测个数i=1：t_test+n；yys(i+1)=(y(1)-t).*exp(-a.*i)+t；yys(1)=y(1)；for j=n+t_test：-1：2ys(j)=yys(j)-yys(j-1)；endx=1：n；xs=2：n+t_test；yn=ys(2：n+t_test)；plot(x，y，'^r'，xs，yn，'*-b')；det=0；for i=2：ndet=det+abs(yn(i)-y(i))；enddet=det/(n-1)；disp(['百分绝对误差为：'，num2str(det)，'%'])；disp(['预测值为：'，num2str(ys(n+1：n+t_test))])；输出结果：百分绝对误差为：228.3113%预测值为：3710.152 3978.2142 4265.6442 4573.8413
有哪些适合应用统计硕士毕业论文的题目或者方向？ 应用统计学教学中项目驱动教学模式的应用“比较+案例+实验”教学方法在应用统计学中的应用应用统计学实际…
灰色系统预测GM（1，1）模型的MATLAB源代码 function GM1_1(X0)format long；[m，n]=size(X0)；X1=cumsum(X0)；累加X2=[]；for i=1：n-1X2(i，：)=X1(i)+X1(i+1)；endB=-0.5.*X2；t=ones(n-1，1)；B=[B，t]；求B矩阵YN=X0(2：end)；P_t=YN./X1(1：(length(X0)-1))%对原始数据序列X0进行准光滑性检验，序列x0的光滑比P(t)=X0(t)/X1(t-1)A=inv(B.'*B)*B.'*YN.'；a=A(1)u=A(2)c=u/a；b=X0(1)-c；X=[num2str(b)，'exp'，'('，num2str(-a)，'k'，')'，num2str(c)]；strcat('X(k+1)='，X)syms k；for t=1：length(X0)k(1，t)=t-1；endkY_k_1=b*exp(-a*k)+c；for j=1：length(k)-1Y(1，j)=Y_k_1(j+1)-Y_k_1(j)；endXY=[Y_k_1(1)，Y]%预测值CA=abs(XY-X0)；残差数列Theta=CA%残差检验 绝对误差序列XD_Theta=CA./X0%残差检验 相对误差序列AV=mean(CA)；残差数列平均值R_k=(min(Theta)+0.5*max(Theta))./(Theta+0.5*max(Theta))；P=0.5R=sum(R_k)/length(R_k)%关联度Temp0=(CA-AV).^2；Temp1=sum(Temp0)/length(CA)；S2=sqrt(Temp1)；绝对误差序列的标准差AV_0=mean(X0)；原始序列平均值Temp_0=(X0-AV_0).^2；Temp_1=sum(Temp_0)/length(CA)；S1=sqrt(Temp_1)；原始序列的标准差TempC=S2/S1*100；方差比C=strcat(num2str(TempC)，'%')%后验差检验。
深度学习方法能用来炒股吗？ 如题 关于股票策略 之前，利用DBN去做股票市场的收益预测，输入变量是市场行情数据，财务报表数据和一些技术因子，效果仅仅勉强跑赢hs300.当时希望利用DBN，像处理图片一样。
急求灰色预测模型GM(1，N)matlab源代码！ function GM1_1(X0)format long；[m，n]=size(X0)；X1=cumsum(X0)；累加X2=[]；for i=1：n-1X2(i，：)=X1(i)+X1(i+1)；endB=-0.5.*X2；t=ones(n-1，1)；B=[B，t]；求B矩阵YN=X0(2：end)；P_t=YN./X1(1：(length(X0)-1))%对原始数据序列2113X0进行准光滑5261性检验4102，1653序列x0的光滑比P(t)=X0(t)/X1(t-1)A=inv(B.'*B)*B.'*YN.'；a=A(1)u=A(2)c=u/a；b=X0(1)-c；X=[num2str(b)，'exp'，'('，num2str(-a)，'k'，')'，num2str(c)]；strcat('X(k+1)='，X)syms k；for t=1：length(X0)k(1，t)=t-1；endkY_k_1=b*exp(-a*k)+c；for j=1：length(k)-1Y(1，j)=Y_k_1(j+1)-Y_k_1(j)；endXY=[Y_k_1(1)，Y]%预测值CA=abs(XY-X0)；残差数列Theta=CA%残差检验 绝对误差序列XD_Theta=CA./X0%残差检验 相对误差序列AV=mean(CA)；残差数列平均值R_k=(min(Theta)+0.5*max(Theta))./(Theta+0.5*max(Theta))；P=0.5R=sum(R_k)/length(R_k)%关联度Temp0=(CA-AV).^2；Temp1=sum(Temp0)/length(CA)；S2=sqrt(Temp1)；绝对误差序列的标准差AV_0=mean(X0)；原始序列平均值Temp_0=(X0-AV_0).^2；Temp_1=sum(Temp_0)/length(CA)；S1=sqrt(Temp_1)；原始序列的标准差TempC=S2/S1*100；方差比C=strcat(num2str(TempC)。
计算机专业背景的人，想从事风控工作，该如何准备？ 本题已加入知乎圆桌？欢迎来到风控时代，更多「风险控制」讨论欢迎关注。看了好多风控的工作都需要专业…
灰色预测matlab代码怎么写 这是我曾经写过的一个灰色预测的程序：第一个文件为函数，需要在调用时输入原始数据x0和预测周期T，第二个文件用于计算灰色关联度，使用时直接修改相关参数和原始数据。第一个文件（用于灰色建模）：grymdl.mfunction GM=grymdl(x0，T)输入原始数据x0T为从最后一个历史数据算起的第T时点x1=zeros(1，length(x0))；B=zeros(length(x0)-1，2)；yn=zeros(length(x0)-1，1)；Hatx0=zeros(1，length(x0)+T)；Hatx00=zeros(1，length(x0))；Hatx1=zeros(1，length(x0)+T)；epsilon=zeros(length(x0)，1)；omega=zeros(length(x0)，1)；for i=1：length(x0)for j=1：ix1(i)=x1(i)+x0(j)；endendfor i=1：length(x0)-1B(i，1)=(-1/2)*(x1(i)+x1(i+1))；B(i，2)=1；yn(i)=x0(i+1)；endHatA=(inv(B'*B))*B'*yn；GM(1，1)模型参数估计for k=1：length(x0)+THatx1(k)=(x0(1)-HatA(2)/HatA(1))*exp(-HatA(1)*(k-1))+HatA(2)/HatA(1)；endHatx0(1)=Hatx1(1)；for k=2：length(x0)+THatx0(k)=Hatx1(k)-Hatx1(k-1)；累计还原得到历史数据的模拟值endfor i=1：length(x0)%开始模型检验epsilon(i)=x0(i)-Hatx0(i)；omega(i)=(epsilon(i)/x0(i))*100；endx0；HatA；Hatx0；epsilon；omega；c=std(epsilon)/std(x0。
参加大学生数学建模要做什么准备？ 感谢邀请，LZ结合自己若干次的参赛竞赛，给大家提供一些建模，画图，写作方面的技巧，凭借这些技巧，LZ也…
