搜索资源列表
burg
- 用Burg算法估计AR模型参数，进而实现功率谱估计. 形参说明： x——双精度实型一维数组，长度为n，存放随机序列。 n--整型变量,随机序列的长度。 p--整型变量,AR模型的阶数。 a--双精度实型一维数组，长度为(p十1)。存放AR模型的系数a(0),a(1),...,a(p)。 v--双精度实型指针,它指向预测误差功率，即AR模型激励白噪声的方差。 -with Burg algorithm estimates AR model parameters, ther
yulewalker
- 现代谱估计用莱文森-德宾(Levinson-Durbin)算法求解尤利-沃克(Yule-Walker)方程。 形参说明： r:双精度实型一维数组，存放Yule-Walker方程的元素r(0),r(1),...r(p)。 p:AR模型阶数。 a:AR模型系数a(0),a(1),...a(p)。 v:预测误差功率- The modern spectrum estimated (Levinson-Durbin) the algorithm solves with 鑾辨枃妫?- t
一个主要用于预测和分类的源程序
- 开发环境:Matlab 简要说明:程序包含的设置包括：列数、样本总个数、建模样本数、预报因子数、预报对象数、学习因子、 动量因子、训练次数、总体误差、隐节点数。-development environment : Matlab brief descr iption : program includes the installation including : number, the total sample number, the number of samples modeling
burg.
- burg法估计AR（P)模型参数的算法。里面ef是前项误差bf是后项误差，mse是预测误差的均方值。程序的最后输出的是把各阶预测误差放在一个下三角距阵中-burg estimates the AR (p) model parameter algorithm. Ef is inside the former bf error is the latter error, mse is forecast error of the mean square value. Procedures for the
kalman预测随机
- kalman预测随机,程序是一个雷达跟踪一目标的仿真图形,可实现kalman滤波的估计轨迹与真实轨迹的误差,并分别可绘出X,Y方向的跟踪误差,对初学都来说,是一个非常好的学习例子
invariants
- 有用的几个动力学物理量。包括自相关函数(acorr.m)，复杂度(complexity.m)，最近邻点(fnn.m)，局部非线性预测误差(nlpe.m，Shannon复杂度（Shannon.m）,嵌入窗估计(window.m)-Several dynamic invariants and measures that may be useful. Included are algorithms for autocorrelation (acorr.m), complexity (complexit
081105
- 基于MATLAB的组合模型 在港口吞吐量预测中的应用 以某港1998--2007年集装箱吞吐量为实测数据，建立其集装箱吞吐量的灰色理论、三次指数平滑、三次多项式 等预测模型，在MATLAB下，对比该港集装箱吞吐量各模型预测拟合值与实际值的差异。分析了差异产生的原因及其单一预 测模型的局限性，提出了港口集装箱吞吐量组合预测法。其预测误差明显低于其它单模型。运用组合预测模型．可以降低误 差。提高预测精度。-A combination of MATLAB-based model i
Burg
- 实现了用burg方法进行谱估计,输出有系数矩阵，方差，各阶预测误差-it realize the Spectral Estimation using the methed of burg.
BPjianmo
- 用BP进行预测的实例，既包括数据，也有预测误差图。已经运行可用。请参考-Examples of prediction using BP, both data and prediction error map also. Is already running are available. See
二维最小均方误差TDLMS（主要用于小目标跟踪）
- 二维最小均方误差背景预测算法TDLMS，常用于目标检测，经实测，效果较好(Two dimensional minimum mean square error background prediction algorithm TDLMS, commonly used in target detection, measured, the effect is better)
预测控制DMC算法matlab
- DMC：即动态矩阵控制（Dynamic Matrix Control）。是一种基于计算机控制的技术，它是一种增量算法，并基于系统的单位阶跃响应，适用于稳定的线性系统。系统的动态特性中具有纯滞后不影响该算法的直接应用。DMC的控制结构主要由预测模型、滚动优化、误差校正和闭环控制形式构成。(DMC: Dynamic Matrix Control. Is a computer-based technology, it is an incremental algorithm, and based on
灰色预测
- 本算例属于GM（1,1）程序简单，效果还好，能对数据短期预测，误差较小(This example belongs to GM(1,1). The procedure is simple and the effect is good. It can predict short-term data with less error.)
灰色预测
- 利用matlab画出预测值与实际值的趋势图以及相对误差和绝对误差的走势图(Using MATLAB to draw the trend chart of predicted and actual values, and the relative error and absolute error trend chart.)
基于极限学习机的预测
- 针对非线性预测问题，建立极限学习机的预测模型，将数据样本分为训练样本和测试样本，并采用误差指标进行评价。(Aiming at the problem of non-linear prediction, the prediction model of extreme learning machine is established. The data samples are divided into training samples and test samples, and the error i
采用广义回归神经网络GRNN进行货运量预测
- 针对货运量预测问题，建立广义神经网络，对货运量进行预测。同时建立了BP神经网络，通过预测误差进行比较(Aiming at the problem of freight volume prediction, a generalized neural network is established to predict freight volume. At the same time, a BP neural network is established to compare the predicti
ARIMA风速预测
- 用于风电场区域的风速多步预测问题。模型基于ARIMA，通过数据预处理、进行建模，并使用我国山东省两个风电场的历史风速数据进行测试和分析。结果表明，模型的统计误差小。(Multi-step wind speed prediction in wind farm area. The model is based on ARIMA, through data preprocessing, modeling, and using historical wind speed data of two wind
BP神经网络负荷预测
- 采用BP神经网络对电力系统负荷进行预测，预测结果与实际结果的误差较小，可作为电力公司进行优化调度的依据。(BP neural network is used to predict the load of power system. The error between the predicted result and the actual result is small, which can be used as the basis for optimal dispatching of power
股票预测
- 采用三层BP神经网络结构，输入层神经元数为5，隐含层神经元数为3，输出层神经元数为1，使用MATLAB编写。 将所给数据按14：1分为训练样本集，和测试样本集，经测试及分析，预测误差为0.1700，误差较小。 网络训练好后，输入前一天的6组数据，即：最高价、最低价、开盘价、收盘价、成交量，就能自动预测出后一天的收盘价。(The structure of three-layer BP neural network is adopted. The number of neurons in the i
BP神经网络股票预测
- 在600085这个数据表中，以XZSLX综合作为输入，以收盘价作为输出 以前595个数据作为训练样本，后100个数据作为实际输出。 通过训练数据建立模型，最终输出100个预测的股票收盘价。 将预测的收盘价和实际的收盘价进行对比并求取误差，从而判断所建立模型的准确性。 RBF神经网络调用newff函数实现。(In the data table of 600085, XZSLX synthesis is used as input and closing price as output. The
BP神经网络股票预测
- 分别采用BP网络和RBF网络进行数据预测 在600085这个数据表中，以XZSLX综合作为输入，以收盘价作为输出 以前595个数据作为训练样本，后100个数据作为实际输出。 通过训练数据建立模型，最终输出100个预测的股票收盘价。 将预测的收盘价和实际的收盘价进行对比并求取误差，从而判断所建立模型的准确性。 BP神经网络调用newff函数实现。(In the data table of 600085, XZSLX synthesis is used as input and closing pr