from greytheory importgreytheoryimportmatplotlib.pyplot as pltimportnumpy as npdefpredict(data_list):
grey=greytheory()
gm11= grey.gm11 #gm11
#to try customized alpha for iago of z.
gm11.alpha = 0.5gm11.convolution= true #convolutional forecasting of gm11. 卷積
gm11.stride = 1 #取樣個數，1代表每個數都參與**
gm11.length = 4 #卷積幾個數
for num indata_list:
gm11.add_pattern(num, num)#第乙個引數是引數歷史取值，第二個是每個引數的標籤，沒有啥用
gm11.forecast()for forecast in gm11.analyzed_results: #從**結果裡判斷，如果不等於_tag_forecast_history則代表是**值，因為只**乙個，所以**結果列表裡只有乙個是**值，其他可能是卷積值和歷史值對應的**值
if forecast.tag !=gm11._tag_forecast_history:
res=forecast.forecast_valueprint("result:", res)
x1=np.linspace(0,len(gm11.patterns),len(gm11.patterns),endpoint=true)
plt.plot(x1,gm11.patterns)
predict_list=for num ingm11.analyzed_results:
x2=np.linspace(0,len(predict_list),len(predict_list),endpoint=true)
plt.plot(x2,predict_list)
plt.show()if __name__=="__main__":#1949~2018人口,**2023年人口
a="54167, 55196, 56300, 61465, 66207, 72538, 82992, 85229, 87177, 89211, 90859, 92420, 93717, 94974, 96259, 97542, 98705, 100072, 101654, 103008, 104357, 105851, 107507, 109300, 111026, 112704, 114333, 115823, 117171,118517, 119850, 121121, 122389, 123626, 124761, 125786, 126743, 127627, 128453, 129227, 129988, 130756, 131448, 132129, 132802, 133450, 134091, 134735, 135404, 136072, 136782, 137462, 138271, 139008, 139538"list= [float(i) for i in a.split(",")] #按照逗號分隔開並轉為float
predict(list)
GM灰色模型
灰色系統理論提出了一種新的分析方法 關聯度分析方法，即根據因素之間發展 態勢的相似或相異程度來衡量因素間關聯的程度，它揭示了事物動態關聯的特徵與程度。灰色系統理論建模的主要任務是根據具體灰色系統的行為特徵資料，充分開發並 利用不多的資料中的顯資訊和隱資訊，尋找因素間或因素本身的數學關係。通常的辦法 ...
灰色模型GM 1,1
灰色 是一種對含有不確定因素的系統進行 的方法。灰色 通過鑑別系統因素之間發展趨勢的相異程度，即進行關聯分析，並對原始資料進行生成處理來尋找系統變動的規律，生成有較強規律性的資料序列，然後建立相應的微分方程模型，從而 事物未來發展趨勢的狀況。其用等時距觀測到的反應 物件特徵的一系列數量值構造灰色 模...
21 C 繼承模型
類圖描述 記憶體描述 描述 include using namespace std class aint m a classb public aint m b classc public bint m c classy int main void 類圖描述 記憶體描述 描述 對class d取位址，...