预测某市未来几年工业总产值

《预测某市未来几年工业总产值》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、预测某市工业总产值一、摘要工业生产总值是一个城市经济发展的重要衡量标准，对城市的评估也离不开观测工业总产值，以往年工业总产值为基础，对未来几年工业总产值进行预测。模型：Logistic阻滞增长模型，假设城市对工业总产值存在最大值，建立微分方程，先利用Matlab编程求解出各个参数，再对未来的产值进行预测。得到接下来几年的工业产值（单位：元）30622.46534167.35937899.6341782.28645771.265然后比较拟合数值与实际数值，得到拟合相对误差和绝对误差。模型仅使用了几年的工业总产值，实际一个

2、城市的工业总产值受多方面影响，随时间后移，科技发展，工业总产值的最大值应有升高。二、关键词工业总产值预测，Logistic模型，最小二乘拟合一、问题描述下表是某市历年工业生产总值，是建立数学模型，分析并预测未来几年工业总产值的变化某市工业总产值表年份工业生产总值年份工业生产总值年份工业生产总值1980598.7519901642.7520007022.981981620.1219911947.1820017806.181982634.6519922429.9620028730.001983663.5319933327.

3、04200311708.491984728.1219944255.19200414595.291985862.7319955349.53200516876.781986952.2119965126.22200619631.2319871073.8419975649.93200723108.6319881304.6619985763.67200825968.3819891524.6719996213.24200924888.08一、模型假设（1）假设表中所给数据能反映该市工业总产值的基本情况；（2）假设该市经济状况平稳，

4、没有出现政府作出重大决策，科技发生重大突破，经济危机的影响；（3）假设该市的工业生产模式没有发生改变；（4）自然资源和环境所容许的最大工业总产值为常数，并工业总产值的净相对增长率是工业总产值的线性递减函数，设为，表示工业总产值相对增产率随的增加而减少，其中r为固有增长率。当时，工业总产值净增长率趋于零。二、模型建立与求解1，模型建立求解使用阻滞增长模型：方程右端因子体现工业总产值的增长趋势，因子则体现了自然资源和环境对工业总产值的阻滞作用。显然越大，前一因子越大，后一因子越小，表明工业总产值的增长是两个因子共同作用的结

5、果。用分离变量法可解得方程的解为1，模型的参数估计与校验用Logisitc模型做预测，需要估计方程解中的三个参数和，其中可以计算初始时刻的工业总产值，也可以用数据拟合出来。采用1980~2009年工业总产值作为拟合数据，用MATLAB中最小二乘曲线拟合命令lsqcurvefit来估计参数。然后用拟合的参数带入方程的解，用你来预测2010~2020年的工业总产值。利用程序算得参数,故第t年工业总产值为：2，预测结果年份2010201120122013201420152016201720182019预测产值30622341

6、673789941782457714981753868578716177665538拟合绝对误差：拟合相对误差：附MATLAB程序：%logistic模型模拟，预测2010~2020年工业总产值clc,cleartdata=1980:2009;ndata=[598.75620.12634.65663.53728.12862.73952.211073.841304.661524.67...1642.751957.182429.963327.044255.195349.535126.225649.935763.676213

7、.24...7022.987806.188730.0011708.4914595.2916876.7819631.2323108.6325968.3824888.08];a0=[260000.1598.75];a=lsqcurvefit(@logistic,a0,tdata,ndata)tfit=1980:2019;nfit=a(1)./(1+(a(1)/a(3)-1)*exp(-a(2)*(tfit-1982)));figure(1);plot(tdata,ndata,'k*',tfit,nfit,'-k');leg

8、end('实际产值','预测产值','location','NorthWest');xlabel('年份');ylabel('产值');title('logistic模型对工业总产值拟合预测');es=abs(ndata-nfit(1:30));%绝对误差esc=abs((ndata-nfit(1:30))./ndata);%相对