全国大学生数学建模竞赛全国一等奖论文设计

来源：用户分享时间：2025/5/18 15:26:43 本文由

说明：文章内容仅供预览，部分内容可能不全，需要完整文档或者需要复制内容，请下载word后使用。下载word有问题请添加微信号:xxxxxxx或QQ：xxxxxx 处理（尽可能给您提供完整文档），感谢您的支持与谅解。

标准

plot(x1,y1,'-*')

附件4：

x1=[1:65];

y1=[339 482 588 693 774 877 988 1114 1199 1347 1440 1553 1636 1741 1803 1897 1960 2049 2136 2177 2227 2265 2304 2347 2370 2388 2405 2420 2434 2437 2444 2444 2456 2465 2490 2499 2504 2512 2514 2517 2520 2521 2522 2522 2522 2522 2522 2522 2523 2522 2522 2522 2523 2523 2522 2522 2522 2521 2521 2521 2521 2521 2521 2521 2521]; log_y1=log(y1); p=polyfit(x1,log_y1,1)

x= exp(7.0101)

x1=[1:65];

附件5：

t=0:0.01:13;

i=1./(1+(1./0.1-1).*exp(-1.*t)); plot(t,i)

title('SI模型的i~t曲线');

xlabel('t'); ylabel('i'); axis([0 13 0 1.1]);

x=0:0.01:1; y=x-x.*x; plot(x,y)

title('SI模型的di/dt~i曲线'); xlabel('i'); ylabel('di/dt'); axis([0 1 0 0.3]);

附件6：

x=0:0.01:1; y=0.7.*x-x.^2; plot(x,y);

文案

标准

title('SIS模型的di/dt~i曲线'); xlabel('i'); ylabel('di/dt');

function y=aini(t,x) a=2;b=0.5;

y=[a*x(1)*x(2)-b*x(1),-a*x(1)*x(2)]';

ts=0:30; x0=[0.02,0.96];

[t,x]=ode45('aini',ts,x0);[t,x] plot(t,x(:,1),t,x(:,2)),grid plot(x(:,2),x(:,1)),grid

附件7：

function di=sis(t,i) a=6;b=2;

di=-a*i*(i-(1-1/b))

ts=0:0.01:2;

i0=[0.09]; [t,i1]=ode45('sis',ts,i0);[t,i1] ts=0:0.01:2;

i0=[0.8]; [t,i2]=ode45('sis',ts,i0);[t,i2] plot(t,i1,t,i2)

x1=[1:6];

y1=[19.8576 18.6667 10.95 0 0 0]; p=polyfit(x1,y1,3) y=polyval(p,x1)

plot(x1,y1,':o',x1,y,'-r')

附件8：

function []=greymodelshili(y)

% 本程序主要用来计算根据灰色理论建立的模型的预测值。 % 应用的数学模型是 GM(1,1)。

% 原始数据的处理方法是一次累加法。

y=[229.2 217.3 250 292.7 297 326.1 196.69]; %原始数据 n=length(y);

D=y*[0;ones(n-1,1)]; yy=ones(n,1);

文案

标准

yy(1)=y(1); for i=2:n

yy(i)=yy(i-1)+y(i); %生成序列 x(1)，(1)在x的上方 end

B=ones(n-1,2); for i=1:(n-1)

B(i,1)=-(yy(i)+yy(i+1))/2; B(i,2)=1; %数据矩阵 end BT=B';

for i=1:(n-1)

z(i,1)=(yy(i)+yy(i+1))/2; %z(1)，(1)在z的上方 end

C=ones(1,n-1)*z; E=y*[0;z]; F=z'*z; for j=1:n-1

YN(j)=y(j+1); %数据向量 end YN=YN';

A=inv(BT*B)*BT*YN;

a=A(1); %发展系数 u=A(2); %灰作用量 t=u/a;

t_test=1; %预测的个数，根据题目可以自己取 i=1:t_test+n;

yys(i+1)=(y(1)-t).*exp(-a.*i)+t; %白化响应式

yys(1)=y(1); %生成序列的估计值，x(1)的估计值,(1)在x的上面 xxs(i+1)=yys(i+1)-yys(i)

xxs(1)=y(1) %原始数据的估计值，x(0)的估计值,(0)在x的上面 for i=1:n

Det(i)=abs(xxs(i)-y(i))/y(i) end

DET=Det*ones(n,1)/n for j=n+t_test:-1:2

ys(j)=yys(j)-yys(j-1); %生成序列估计值残差 end

for i=1:n

error(i)=xxs(i)-y(i); %计算残差 end

C=std(error)/std(y) %调用统计工具箱的标准差函数计算后验差的比值C

x=1:n;

xs=2:n+t_test;

文案

标准

yn=ys(2:n+t_test);

plot(x,y,'^r',xs,yn,'*-b');

disp(['预测值为： ',num2str(xxs(1:n+t_test))]); %所有的估计值

文案

搜索更多关于：全国大学生数学建模竞赛全国一等奖论文设计的文档

全国大学生数学建模竞赛全国一等奖论文设计.doc 将本文的Word文档下载到电脑，方便复制、编辑、收藏和打印

下载这篇word文档

本文链接：https://www.diyifanwen.net/c3evzn634m46cyp27lz4y3h0qq02udc01btf_6.html（转载请注明文章来源）