python 회색 예측 DGM 구현(2,1)

// DGM(2,1)
import numpy as np
import math


def predict(data):
    a_x0 = np.ediff1d(data).T
    B = np.array([-data[1:], np.ones([len(data) - 1])]).T
    Y = a_x0
    u = np.dot(np.dot(np.linalg.inv(np.dot(B.T, B)), B.T), Y)
    a, b = u[0], u[1]
    return [(b / (a * a) - data[0] / a) * math.exp(-a * i) + b / a * i + (1 + a) / a * data[0] - b / (a * a)
            for i in range(len(data))]


if __name__ == '__main__':
    data = np.array([2.874, 3.278, 3.39, 3.679, 3.77, 3.8])
    predict_data = predict(data)  #  x1
    result = np.ediff1d(predict_data)  #  
    print(' :', data[1:])
    print(' :', result)
    print(' :', (np.array(result[:len(data)]) - np.array(data[1:len(data)])) / np.array(data[1:len(data)]))

이 내용에 흥미가 있습니까?

현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:

수학 모델링 처리 데이터

텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.

CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.

python 회색 예측 DGM 구현(2,1)

좋은 웹페이지 즐겨찾기