本书的作者都具有实际的数学建模参赛经历和竞赛指导经验。
书中内容完全是根据数学建模竞赛的需要而编排的，涵盖了绝大部分数学建模问题的matlab求解方法。
本书内容分上下两篇。
上篇介绍数学建模中常规方法的matlab实现，包括matlab交互、数据建模、程序绘图、灰色预测、规划模型等方法；
还介绍了各种高级方法的matlab实现，包括遗传算法、粒子群算法、模拟退火算法、人工神经网络、小波分析、动态仿真、数值模拟等。
下篇以真实的数学建模赛题为案例，介绍了如何用matlab求解实际的数学建模问题，给出了详细的建模过程和程序。
书中的附件部分介绍了作者在建模竞赛中屡获大奖的经验。
相信这些经验对准备参加数学建模竞赛的读者会有所帮助。
书中内容完全是根据数学建模竞赛的需要而编排的，涵盖了绝大部分数学建模问题的matlab求解方法。
本书内容分上下两篇。
上篇介绍数学建模中常规方法的matlab实现，包括matlab交互、数据建模、程序绘图、灰色预测、规划模型等方法；
还介绍了各种高级方法的matlab实现，包括遗传算法、粒子群算法、模拟退火算法、人工神经网络、小波分析、动态仿真、数值模拟等。
下篇以真实的数学建模赛题为案例，介绍了如何用matlab求解实际的数学建模问题，给出了详细的建模过程和程序。
书中的附件部分介绍了作者在建模竞赛中屡获大奖的经验。
相信这些经验对准备参加数学建模竞赛的读者会有所帮助。
2024/6/2 15:46:32
16.32MB
1
为了提高光伏发电功率预测的精度，本文在结合灰色预测算法（GM）与神经络预测算法优点的基础上，提出一种基于灰色径向基函数（RadicalBasisFunction，RBF）和神经网络光伏发电功率预测模型。
该预测模型综合了灰色预测算法所需历史数据少以及RBF神经网络预测算法自学习能力强的优点。
最后，运用南昌地区夏季和冬季晴天、阴天、雨天光伏发电历史数据在MATLAB应用平台编程实现对GM-RBF神经网络预测模型的预测精度进行验证，得出基于GM-RBF神经网络光伏发电预测模型在夏季晴天预测误差为6.495%、夏季阴天预测误差为12.146%、夏季雨天预测误差为21.531%、冬季晴天预测误差为8.457%、冬季阴天预测误差14.379%、冬季雨天预测误差为18.495%，其预测精度均高于灰色预测算法和RBF神经网络预测算法
该预测模型综合了灰色预测算法所需历史数据少以及RBF神经网络预测算法自学习能力强的优点。
最后，运用南昌地区夏季和冬季晴天、阴天、雨天光伏发电历史数据在MATLAB应用平台编程实现对GM-RBF神经网络预测模型的预测精度进行验证，得出基于GM-RBF神经网络光伏发电预测模型在夏季晴天预测误差为6.495%、夏季阴天预测误差为12.146%、夏季雨天预测误差为21.531%、冬季晴天预测误差为8.457%、冬季阴天预测误差14.379%、冬季雨天预测误差为18.495%，其预测精度均高于灰色预测算法和RBF神经网络预测算法
2024/2/20 1:51:04
838KB
1
本文参考了2篇论文，并给出了matlab实现，并附有论文。
本文采用最后的预测效果前50数据预测后面10个数据。
效果如文件夹中result.jpg所示。
可以通过CSDN交流。
本文仅仅提供入门级别的实现方法。
本文采用最后的预测效果前50数据预测后面10个数据。
效果如文件夹中result.jpg所示。
可以通过CSDN交流。
本文仅仅提供入门级别的实现方法。
2024/2/13 15:43:09
1.44MB
1
包含灰序列生成、灰色关联分析、灰色聚类分析、灰色预测模型、灰色决策分析等包含灰序列生成、灰色关联分析、灰色聚类分析、灰色预测模型、灰色决策分析等
2024/2/11 18:17:11
1.72MB
1
人类社会进入20世纪以来，在科学技术和生产力飞速发展同时，世界人口也以空前的规模增长。
中国是一个人口大国，人口问题始终是制约中国发展的关键因素之一。
对中国人口做出分析和预测是一个重要问题。
本文采用了两种的模型分别对中国人口增长的中短期和长期趋势做出预测。
针对模型一：由于本文研究的是预测人口的发展问题。
且在预测人口发展的模型中，阻滞增长模型是预测比较准确的模型。
于是，我们优先考虑使用阻滞增长模型。
但是由于题目所给的样本小，信息少。
致使我们在使用该模型时，预测值和真实值出现了误差。
针对模型二：在模型一中，我们发现本文正是由于样本小，信息少的因素使得阻滞增长模型在本文中并不适用，因此，我们必须找其它的模型。
于是灰色预测模型就成为了我们的较好的选择。
中国是一个人口大国，人口问题始终是制约中国发展的关键因素之一。
对中国人口做出分析和预测是一个重要问题。
本文采用了两种的模型分别对中国人口增长的中短期和长期趋势做出预测。
针对模型一：由于本文研究的是预测人口的发展问题。
且在预测人口发展的模型中，阻滞增长模型是预测比较准确的模型。
于是，我们优先考虑使用阻滞增长模型。
但是由于题目所给的样本小，信息少。
致使我们在使用该模型时，预测值和真实值出现了误差。
针对模型二：在模型一中，我们发现本文正是由于样本小，信息少的因素使得阻滞增长模型在本文中并不适用，因此，我们必须找其它的模型。
于是灰色预测模型就成为了我们的较好的选择。
2023/10/17 20:58:23
284KB
1
数学建模灰色预测模型的课件和代码：灰色预测是对既含有已知信息又含有不确定信息的系统进行预则，就是对在一定范围内变化的、与时间有关的灰色过程进行预测。
灰色预测对原始数据进行生成处理来寻找系统变动的规律，并生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。
灰色预测对原始数据进行生成处理来寻找系统变动的规律，并生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。
2023/10/14 17:13:27
3.89MB
1
灰色预测模型的MATLAB程序直接下载运行即可-灰色模型.rar一些关于灰色预测模型的资料和我自己编的一个小程序
2023/10/4 1:45:05
2.98MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB