新陈代谢gm（1,1）模型预测matlab程序

function　GM1＿1（X0）％format　long　；［m，n］＝size（X0）；　X1＝cumsum（X0）；　％累加　X2＝［］；for　i＝1：n－1X2（imkc：）＝X1（i）＋X1（i＋1）；endB＝－0．5．＊X2　；t＝ones（n－11）；B＝［B，t］；％　求B矩阵YN＝X0（2：end）；P＿t＝YN．＆＃47；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）＆＃47；X1（t－1）A＝inv（B．＆＃39；＊B）＊B．＆＃39；＊YN．＆＃39；　；a＝A（1）　u＝A（2）　c＝u＆＃47；a；b＝X0（1）－c　；　X＝［num2str（b），＆＃39；exp＆＃39；，＆＃39；（＆＃39；，num2str（－a），＆＃39；k＆＃39；，＆＃39；）＆＃39；gkosnum2str（c）］；　strcat（＆＃39；X（k＋1）＝＆＃39；，X）　％syms　k；　for　t＝1：length（X0）　k（1，t）＝t－1；　end　kY＿k＿1＝b＊exp（－a＊k）＋c；for　j＝1：length（k）－1　Y（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　．＆＃47；　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））．＆＃47；（Theta＋0．5＊max（Theta））　；％　P＝0．5R＝sum（R＿k）＆＃47；length（R＿k）％关联度Temp0＝（CA－AV）．＾2　；Temp1＝sum（Temp0）＆＃47；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）＆＃47；length（CA）；S1＝sqrt（Temp＿1）　；　％原始序列的标准差TempC＝S2＆＃47；S1＊100；％方差比C＝strcat（num2str（TempC），＆＃39；％＆＃39；）　％后验差检验％方差比％－－－－－－－－－－SS＝0．675＊S1　；Delta＝abs（CA－AV）　；TempN＝find（Delta＆lt；＝SS）；N1＝length（TempN）；N2＝length（CA）；TempP＝N1＆＃47；N2＊100；P＝strcat（num2str（TempP），＆＃39；％＆＃39；）　％后验差检验％计算小误差概率　调用例子：X0＝［2．874，3．278，3．337，3．39，3．679］；GM1＿1（X0）参考资料：我自己想的，算法不是很优，希望你自己改进吧．．．余下全文＞＞

第一个貌似是leslie矩阵

第二个才是你说的灰色模型

第二个的用法也很简单

把整个函数扔到M文件中

在主程序的command window中调用即可

---