2023年華中杯選題人數(shù)公布

經(jīng)過一晚上代碼的編寫，論文的寫作，C題完整版論文已經(jīng)發(fā)布，

注：藍色字體為說明備注解釋字體，不能出現(xiàn)在大家的論文里。黑色字體為論文部分，大家可以根據(jù)紅色字體的注記進行摘抄。對應(yīng)的詳細的寫作視頻教程，爭取1號晚上發(fā)布，

題?目：?空氣質(zhì)量預(yù)測與預(yù)（可以直接是問題題目，也可以是?基于xxxx模型的空氣質(zhì)量預(yù)測與預(yù) 根據(jù)隊伍需求來就可以

例如?基于加權(quán)平均預(yù)測下的空氣質(zhì)量預(yù)測與預(yù)警

基于時間序列預(yù)測模型的空氣質(zhì)量預(yù)測與預(yù)警）

5.1 數(shù)據(jù)預(yù)處理

給出的的數(shù)據(jù)應(yīng)該是存在很多的缺失值，對于這種的缺失數(shù)據(jù)，如果不進行處理，我們的后面的模型就很難運行，這里我們把缺失的數(shù)值看作一種缺失值，對于缺失值我們將采取插值的方式進行補充。這里大家可以進行不同的發(fā)揮，例如利用擬合插值進行補充數(shù)據(jù)，對于插值擬合的方法有很多種大家可以參考一下，對數(shù)據(jù)進行補充，這里我用的是擬合得到的結(jié)果，大家可以掛上自己感覺很好地模型直接使用我的結(jié)果就可以，這里評委不會過于追究的）下面給出了大家三種插值模型的參考，這里大家可以直接進行使用，不過為了降重還是建議大家，在網(wǎng)上自行搜索這三種插值的相關(guān)模型，寫上。這一部分的思路就是 模型陳述+結(jié)果 就可以了。如果最后論文寫抄了頁數(shù)限制，我們可以刪除模型陳述，簡單的一筆帶過也是可以的。

通過觀察給出的數(shù)據(jù)，我們發(fā)現(xiàn)附件一中存在異常值，如下所示（附件二沒有找到缺失值，但是存在異常值，還是需要進行處理的）

我們可以選擇同時建立兩個模型比較模型精度，選擇精度最高的一個。也可以選擇加權(quán)預(yù)測的方法，下面這種方式，可以同時使用多種預(yù)測模型，并且精度還可以。這里我們展示使用ARIMA，與灰色預(yù)測加權(quán)預(yù)測的結(jié)果。

表?1?PM2.5?濃度預(yù)測的?RMSE?結(jié)果(樣表)

預(yù)測步長	3 步預(yù)測	5 步預(yù)測	7 步預(yù)測	12 步預(yù)測
RMSE	6.485	9.285	11.531	14.498

問題一相關(guān)性分析代碼?1.3版本更新代碼

data = xlsread('D:\桌面\xiangguan.xlsx');

%相關(guān)性分析

%默認類型為Pearson系數(shù)

Pearson=corr(data','type','Pearson') %等效于xiangguan=corr(data,'Type','Pearson')

灰色預(yù)測代碼1.5版本更新代碼

clc;clear;close all;

%% 數(shù)據(jù)準備

syms a b; %建立符號變量a(發(fā)展系數(shù))和b(灰作用量)

c=[a,b]';

A = [31377?34428?31612?28642?25982?26030?26476?27803?25033?25567?25492?26372?25665?25665?26718?29214

];%原始數(shù)列 A

n = length(A); %求出A中元素個數(shù)

years=4; %預(yù)測未來年數(shù)

B = cumsum(A); %對原始數(shù)列 A 做累加得到數(shù)列 B

for i = 2:n %對數(shù)列 B 做緊鄰均值生成

C(i) = (B(i) + B(i - 1))/2;

end