2023年數(shù)學(xué)建模-B題

B題“互聯(lián)網(wǎng)+”時(shí)代的出租車資源配置摘要本文針對(duì)現(xiàn)代生活中“打車難”這一問題，尋找引起其發(fā)生的主要因素，并在此基礎(chǔ)上建立了與之相對(duì)應(yīng)的打車軟件服務(wù)信息平臺(tái)，提出了最優(yōu)控制策略，最后通過(guò)對(duì)深圳市出租車輛的調(diào)查做出了具體檢驗(yàn)措施，驗(yàn)證出此模型的合理性。針對(duì)問題一，本文首先運(yùn)用層次分析方法，篩選出四至五個(gè)相對(duì)合理的指標(biāo)以此來(lái)評(píng)判出對(duì)出租車供求的影響；其次運(yùn)用軟件對(duì)這些指標(biāo)的數(shù)據(jù)進(jìn)行預(yù)處理，應(yīng)用主成分分析法從中再次篩選出三個(gè)重要指標(biāo)，分別得出深圳市和佛山市供給量與需求量與對(duì)應(yīng)三個(gè)重要指標(biāo)間的關(guān)系，并利用軟件繪制供求量隨影響因素變化的模型。利用灰色預(yù)測(cè)模型來(lái)分別預(yù)測(cè)未來(lái)幾年深圳市和佛山市供給量與需求量發(fā)展趨勢(shì)，驗(yàn)證其匹配狀況，進(jìn)而解決不同時(shí)間下的匹配度問題。運(yùn)用靈敏度分析法，修正誤差，完善模型。針對(duì)問題二，考慮到出租車補(bǔ)貼主要為燃油補(bǔ)貼，由問題一的模型可知，燃油價(jià)格因素直接影響了供給量，通過(guò)問題一得出出租車補(bǔ)貼方案對(duì)緩解打車難有明顯影響。針對(duì)問題三，在軟件平臺(tái)建立上，為實(shí)現(xiàn)匹配度最佳，基于打車者與出租車距離最短，等待時(shí)間最短，首先利用圖論的知識(shí)找出最短路徑，進(jìn)而運(yùn)用改進(jìn)的遺傳算法求出最短時(shí)間，尋求到最優(yōu)方案。其次根據(jù)空載量，分情況討論具體補(bǔ)貼方案。最后根據(jù)定位數(shù)據(jù)隨機(jī)選取出“滴滴打車”某一時(shí)間內(nèi)的經(jīng)緯度，對(duì)以上服務(wù)信息平臺(tái)進(jìn)行檢驗(yàn)，得出該平臺(tái)較之前具有更好的合理性。關(guān)鍵詞：主成分分析灰色預(yù)測(cè)模型數(shù)據(jù)處理遺傳算法一、問題重述隨著經(jīng)濟(jì)的快速發(fā)展，人口密度的增大，“打車難”已成為全國(guó)大部分城市所面臨的主要問題，人們均是采取“招手打車”方式，這不僅降低了司機(jī)載客量，而且對(duì)顧客來(lái)說(shuō)，也浪費(fèi)了很多時(shí)間?，F(xiàn)在出現(xiàn)了“滴滴打車”，“快的打車”等軟件服務(wù)平臺(tái)，讓人們利用“互聯(lián)網(wǎng)+”方便快捷地打到車。而我們這個(gè)模型的主要目的既是通過(guò)搜集相關(guān)合理數(shù)據(jù)，從而進(jìn)行以下問題的討論。1.尋找合適指標(biāo)，建立數(shù)學(xué)模型，分析在不同時(shí)間地點(diǎn)的出租車需求量以及供應(yīng)量之間的匹配程度。2.通過(guò)分析現(xiàn)有不同的補(bǔ)貼方案，比較出租車的供求關(guān)系，觀察出租車供不應(yīng)求的現(xiàn)象是否得到緩解。3.在第二問的基礎(chǔ)上，設(shè)計(jì)合適的補(bǔ)貼方案，重新建立打車軟件服務(wù)平臺(tái)，并且論證所設(shè)計(jì)方案是否合理。二、問題分析本題要求我們建立數(shù)學(xué)模型，研究如何緩解“打車難“這一問題，并分析出租車補(bǔ)貼方案對(duì)其是否有緩解作用，并對(duì)建立的模型做相應(yīng)的合理性預(yù)測(cè)檢驗(yàn)。2.1問題一的分析問題一要求選取合理指標(biāo)，并確定對(duì)不同時(shí)空內(nèi)出租車資源匹配程度。我們將對(duì)搜取到的指標(biāo)首先進(jìn)行剔除，歸一化處理，使其處于同一量綱下，便于計(jì)算研究。其次應(yīng)用層次分析法，通過(guò)各權(quán)重的比較確定出對(duì)出租車資源匹配影響最重要的指標(biāo)作為以下論文中的合理指標(biāo)。為了使結(jié)果更有說(shuō)服性，我們應(yīng)用灰色預(yù)測(cè)模型對(duì)接下來(lái)幾年數(shù)據(jù)進(jìn)行預(yù)測(cè)，以此來(lái)檢驗(yàn)不同時(shí)空出租車資源的匹配程度。2.2問題二的分析問題二要求分析各公司出租車補(bǔ)貼方案問題，確定各公司的補(bǔ)貼方案對(duì)“緩解打車難”是否有幫助?？偨Y(jié)出油價(jià)補(bǔ)貼是各大公司的主要補(bǔ)貼政策，分析出對(duì)油價(jià)補(bǔ)貼影響顯著的因素，根據(jù)這些因素對(duì)供需匹配程度的影響，從而間接推測(cè)出政府的補(bǔ)貼方案對(duì)緩解打車難是否有幫助。2.3問題三的分析問題三要求新創(chuàng)建一個(gè)打車軟件服務(wù)平臺(tái)，此平臺(tái)在保證空間最短路徑的情形下又保證了時(shí)間上的最短，達(dá)到了雙重優(yōu)化作用。此軟件服務(wù)平臺(tái)系統(tǒng)首先應(yīng)用圖論中的dijkatra算法計(jì)算出最短路徑d見附錄1，其次利用改善后的遺傳算法計(jì)算出最短等待出租車時(shí)間t，為減少循環(huán)次數(shù)，讓d，t從兩側(cè)向中間循環(huán)，直到尋找到最優(yōu)方案為止。三、模型假設(shè)1.假設(shè)在近幾年內(nèi)城市變化對(duì)出租車影響程度不大。2.假設(shè)在使用新的軟件服務(wù)平臺(tái)，出租車接收到乘客呼叫信號(hào)之后直接到達(dá)乘客所在地，中途不再運(yùn)載其他人。3.假設(shè)出租車行駛過(guò)程中無(wú)重大交通事故發(fā)生。四、符號(hào)說(shuō)明符號(hào)說(shuō)明,分別代表里程利用率，萬(wàn)人擁有量，車輛滿載率，燃油價(jià)格，分別代表自然增長(zhǎng)率，人均,居民消費(fèi)水平代表出租車需求量代表出租車供給量政府燃油補(bǔ)貼燃油價(jià)格出租車行駛里程數(shù)最短路徑最短時(shí)間（注：其它未提及的符號(hào)在文中說(shuō)明）五、模型建立與求解5.1問題一的模型建立與求解問題一要求確立合理指標(biāo)來(lái)分析不同時(shí)空內(nèi)出租車供給匹配程度。我們認(rèn)為由以下步驟完成：步驟一：運(yùn)用層次分析法篩選出一些可以影響到不同時(shí)空內(nèi)出租車供應(yīng)量與需求量間平衡標(biāo)準(zhǔn)的主要指標(biāo)。步驟二：運(yùn)用主層次分析構(gòu)建各指標(biāo)數(shù)據(jù)與出租車供給量與需求量之間的函數(shù)關(guān)系。步驟三：分別對(duì)不同城市間出租車供應(yīng)量與需求量數(shù)據(jù)進(jìn)行灰色模型預(yù)測(cè)，進(jìn)而預(yù)算出近二至三年來(lái)供求趨勢(shì)，并利用軟件繪制出未來(lái)時(shí)間內(nèi)供求擬合圖形。步驟四：對(duì)上述數(shù)據(jù)進(jìn)行靈敏度分析，對(duì)模型是否正確進(jìn)行檢驗(yàn)。層次分析法篩選數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理首先通過(guò)查詢相關(guān)資料后確定出影響出租車供求關(guān)系的合理指標(biāo)。運(yùn)用層次分析法篩選出對(duì)供求關(guān)系影響最為重要的指標(biāo)，如：汽車?yán)锍汤寐?、燃油費(fèi)用及人均消費(fèi)水平等，將以上數(shù)據(jù)運(yùn)用軟件對(duì)數(shù)據(jù)進(jìn)行剔除，平滑，歸一化處理，使其處于同一量綱下，便于以后的計(jì)算及建模求解。運(yùn)用主成分分析法定性描述供求關(guān)系1.主成分分析定義（相關(guān)圖表見附錄一）在進(jìn)行數(shù)據(jù)分析處理時(shí)，涉及的樣品往往包含多個(gè)變量。但是變量太多不但會(huì)增加計(jì)算的復(fù)雜性，也該給問題的合理解釋帶來(lái)困難。主成分分析通過(guò)降維的思想，使重要成分處于明顯地位，便于優(yōu)先處理，將多個(gè)變量綜合成幾個(gè)變量，反映原始變量的絕大部分信息?？偝煞址治龆x設(shè)總體為，其中為實(shí)際問題中涉及的個(gè)隨機(jī)變量，其均值向量為，其協(xié)方差矩陣為，為階非負(fù)定矩陣總成分分析求法設(shè)是的協(xié)方差矩陣，的特征值及其正單位變化特化特征向量分別為及則其中為正交矩陣。對(duì)維單位向量,有當(dāng)取時(shí)，，所以就是所求的第一主成分，它的方差具有最大值。如果第一主成分所含信息不夠多，還不足以代表原始的個(gè)變量，則需要考慮使用,為了使和反映原始變量的信息不相重疊，要求和不相關(guān)，即于是，在約束條件及之下，求使達(dá)到最大?，F(xiàn)在我們來(lái)求維單位向量，使=就是所求的第二主成分。由于于是，從而若取，則有，所以就是所求的第二主成分，它的方差最大值。一般地，我們可求得第個(gè)主成分為，它具有方差，。以上結(jié)果告訴我們，求的各主成分等價(jià)于求它的協(xié)方差矩陣的各特征值及相應(yīng)的正交單位化特征向量，按特征值由大到小所對(duì)應(yīng)的正交單位化特征值為組合系數(shù)的的線性組合分別為的第一、第二、直至第個(gè)主成分，而主成分的方差等于相應(yīng)的特征值。設(shè)是的協(xié)方差矩陣，的特征值及相應(yīng)的正交單位化特征向量分別為及,則的第個(gè)主成分為其中且佛山需求量與各因子之間的關(guān)系：可以得出影響佛山需求量的主要因素是人均GDP，第三產(chǎn)業(yè)所占比重，消費(fèi)水平。佛山供給量與各因子之間的關(guān)系可以得出里程利用率，萬(wàn)人擁有量，空載率，燃料費(fèi)用各因素均影響佛山的供給量。深圳需求量與各因子之間的關(guān)系：可以得出影響深圳需求量的因素為人均GDP,二氧化氮濃度。深圳供給量與各因子之間的關(guān)系可以得出影響深圳供給量的因素主要有里程利用率，空載率。靈敏度分析：表示若r下降則導(dǎo)致x的下降經(jīng)過(guò)靈敏度分析檢驗(yàn)，，此方程可使用。深圳供給量與需求量隨各因素的變化：圖（1）圖（2）5.1.3數(shù)據(jù)擬合對(duì)所選取的供應(yīng)量及需求量進(jìn)行回歸分析，從而得到函數(shù)圖像。（1）分析佛山深圳兩大城市中供給量及需求量間的關(guān)系,運(yùn)用MATLAB編程繪制如下圖形圖（3）分析：由圖形可知，當(dāng)需求量為0時(shí)佛山的供給量大于深圳的供給量，且其總體供給量也大于深圳的供給量，兩市的供給量均隨需求量的上升而增大，即需求量與供給量呈正相關(guān)。5.1.4灰色預(yù)測(cè)模型分析1灰色預(yù)測(cè)模型定義通過(guò)不完全的，少量的信息建立數(shù)學(xué)模型并對(duì)未來(lái)趨勢(shì)加以預(yù)定的一類預(yù)測(cè)方法?；疑到y(tǒng)又是黑箱概念的一種推廣，黑箱系統(tǒng)是指信息完全未確定的系統(tǒng)，可知灰色系統(tǒng)即為既有未知信息又有已知信息的系統(tǒng)。2灰色系統(tǒng)的特點(diǎn)（1）可以用灰色數(shù)學(xué)來(lái)預(yù)測(cè)不確定數(shù)量，將其量化（2）灰色系統(tǒng)可以處理貧信息系統(tǒng)的數(shù)據(jù)（3）可以充分利用已知信息，尋找事件內(nèi)部規(guī)律3灰色的生成方式累加生成累減生成均值生成級(jí)比生成4灰色模型的精度檢驗(yàn)?zāi)Ｐ瓦x定后往往不能直接進(jìn)行使用，而要對(duì)其進(jìn)行檢驗(yàn)，常用的檢驗(yàn)方法有：相對(duì)誤差大小校驗(yàn)法；關(guān)聯(lián)度檢驗(yàn)法；后驗(yàn)差檢驗(yàn)法。下面介紹后驗(yàn)差檢驗(yàn)法：設(shè)按建模法求出，并將做一次累減轉(zhuǎn)換，即。計(jì)算殘差得原始序列及殘差序列的方差分別和，則其中計(jì)算后驗(yàn)差比為佛山市需求量預(yù)測(cè)佛山供給量預(yù)測(cè)深圳市供給量預(yù)測(cè)深圳需求量預(yù)測(cè)圖（4）問題二的建立與分析問題二要求對(duì)各公司提出的補(bǔ)貼方案進(jìn)行分析，以此來(lái)判定對(duì)于“打車難”這一社會(huì)問題是否有幫助，選取油價(jià)補(bǔ)貼作為評(píng)判打車難易程度的重要指標(biāo)。為政府燃油補(bǔ)貼，的數(shù)值上升了，出租車司機(jī)的燃油費(fèi)用就降低了，而燃油費(fèi)用直接影響了這個(gè)城市的供給量，使供給量呈現(xiàn)上升趨勢(shì)，供給量略大于需求量呈現(xiàn)優(yōu)勢(shì)，極大地緩解了打車難這一現(xiàn)象。5.3.1問題三的建立與分析軟件平臺(tái)的創(chuàng)建，補(bǔ)貼方案的產(chǎn)生及其合理性驗(yàn)證出租車服務(wù)軟件新平臺(tái)的創(chuàng)建。針對(duì)打車難這一現(xiàn)象，建立一個(gè)新的打車軟件平臺(tái)，擬采用隨機(jī)抽取一個(gè)地區(qū)某一天的出租車與乘客的經(jīng)緯度值進(jìn)行定位的方法分析最優(yōu)軟件服務(wù)方案。以深圳的某一時(shí)間為例：圖（5）深圳市乘客日分布圖圖（6）深圳市出租車日分布圖（1）圖論模型的建立圖論應(yīng)用廣泛，分為無(wú)向圖與有向圖，將抽象的事物具體化，常用于解決單向的短距離的問題。現(xiàn)有的打車軟件擁有強(qiáng)大的搜索定位功能，當(dāng)乘客使用軟件時(shí)，其位置信息會(huì)通過(guò)GPS反饋到平臺(tái)中，各個(gè)出租車的位置坐標(biāo)也存儲(chǔ)在平臺(tái)中，這樣就可以建立以車為起點(diǎn)，乘客為終點(diǎn)的有向圖，只有在圖中尋找出車到人的最短距離才能使雙方達(dá)到利益最大。圖論算法對(duì)于解決最優(yōu)路徑具有絕對(duì)的優(yōu)勢(shì)，本模型將采用圖論中最精確的Dijkstra算法分析得出乘客與出租車之間的最優(yōu)距離。城市土地面積不斷擴(kuò)大，車輛密度也隨之逐年增加，很難定量的分析平均土地車量占有率，現(xiàn)將某一大區(qū)域劃分五個(gè)小區(qū)域以每個(gè)小區(qū)域?yàn)閱挝谎芯扛鱾€(gè)變量。5321110705321404151530460圖（7）各區(qū)域間的距離分布如圖（2）遺傳算法出租車的運(yùn)力情況往往受天氣，路況等自然因素影響，由于這些因素的影響，在保證最小路徑行駛的前提下也不一定能在最短的時(shí)間內(nèi)到達(dá)目的地，在這些因子的影響下，既在走最短路程的同時(shí)所用的時(shí)間也是最小的，遺傳算法善于搜尋全局最優(yōu)解，采用遺傳算法，在考慮影響因子的條件下，可得到最短的行駛時(shí)間，則有采用常規(guī)方法求解最小路徑與最短時(shí)間需要循環(huán)的次數(shù)多，計(jì)算量也相應(yīng)復(fù)雜，因此可采取從兩側(cè)向中間查找的方式，建立最短路徑與最短時(shí)間之間的內(nèi)在聯(lián)系，當(dāng)兩種模型在各自的領(lǐng)域中互相產(chǎn)生了交集，則查找停止，此狀態(tài)下的解就是最優(yōu)解，大大縮短了查找時(shí)間，為乘客與司機(jī)帶來(lái)雙向便利。算法具體流程圖如下：結(jié)束與交集不是空集順序記錄NM間的節(jié)點(diǎn)，加入順序記錄MN間的節(jié)點(diǎn)，加入開始將道路上的數(shù)據(jù)進(jìn)行預(yù)處理，生成路徑和節(jié)點(diǎn)文件計(jì)算NM間的路徑計(jì)算MN間的路徑設(shè)定路徑起始點(diǎn)M,結(jié)束與交集不是空集順序記錄NM間的節(jié)點(diǎn)，加入順序記錄MN間的節(jié)點(diǎn)，加入開始將道路上的數(shù)據(jù)進(jìn)行預(yù)處理，生成路徑和節(jié)點(diǎn)文件計(jì)算NM間的路徑計(jì)算MN間的路徑設(shè)定路徑起始點(diǎn)M,終點(diǎn)NNOYES圖（8）算法實(shí)現(xiàn)流程圖當(dāng)最小時(shí)間與最短距離相遇停止迭代，此時(shí)即為滿足供需要求的最佳方案，保證出租車司機(jī)在行駛最小距離的前提下，克服道路阻抗以最短的時(shí)間達(dá)到。二、實(shí)施以服務(wù)軟件為平臺(tái)的出租車補(bǔ)貼方案出租車司機(jī)獲取乘客坐標(biāo)信息:當(dāng)y=0時(shí),即返回值為空，代表司機(jī)獲取乘客位置信息失敗，此時(shí)無(wú)人乘車；當(dāng)y=1時(shí)，代表司機(jī)獲取乘客信息成功，獲取乘客坐標(biāo)的數(shù)量即代表該軟件服務(wù)平臺(tái)的點(diǎn)擊率,根據(jù)軟件服務(wù)平臺(tái)制定如下補(bǔ)貼方案：三、驗(yàn)證補(bǔ)貼方案的合理性根據(jù)深圳市滴滴打車軟件利用GPS定位技術(shù)隨機(jī)抽取某一時(shí)間的車輛所在位置經(jīng)緯度，與乘客所在位置的經(jīng)緯度進(jìn)行距離分析,已知公里/元，公里，元。1)當(dāng)只能獲取車輛坐標(biāo)，無(wú)法獲取人的坐標(biāo)時(shí)說(shuō)明無(wú)人使用軟件打車，此時(shí)，用車的起點(diǎn)位置與終點(diǎn)位置間的距離進(jìn)行燃油補(bǔ)貼：由此可知出租車在無(wú)營(yíng)業(yè)額的條件下仍能補(bǔ)貼一部分錢，且這部分錢足以抵消油價(jià)的一半以上，因此第一種補(bǔ)貼方案合理。2)當(dāng)同時(shí)獲取人與車的經(jīng)緯度位置時(shí)選用第二種補(bǔ)貼方案，由調(diào)查知該車小于，選用,（元）根據(jù)深圳居民平均消費(fèi)水平及人均補(bǔ)貼量可知，補(bǔ)貼價(jià)錢為9元完全合理。由此可知此新型軟件信息服務(wù)平臺(tái)補(bǔ)貼政策合理，可實(shí)行。六、模型評(píng)價(jià)模型的優(yōu)點(diǎn)模型的優(yōu)點(diǎn)：1.本文采用多個(gè)指標(biāo)進(jìn)行衡量，使結(jié)果更加準(zhǔn)確。2.本文數(shù)據(jù)經(jīng)過(guò)歸一化處理，統(tǒng)一了單位，結(jié)果可信。3.本文運(yùn)用遺傳算法加圖論共同尋找最優(yōu)化方案，涉及數(shù)據(jù)范圍廣模型的缺點(diǎn)：1.對(duì)不同地區(qū)選取指標(biāo)數(shù)據(jù)量有限，只對(duì)當(dāng)?shù)厍闆r適應(yīng)，對(duì)外無(wú)可行性。2.時(shí)間選取跨度可能較大，影響整體效果。3.部分考慮的因素偏離題目所要求的，同時(shí)建模中存在模型多次重復(fù)使用，顯得比較單一。七、模型推廣通過(guò)建立新的軟件服務(wù)平臺(tái)，建立了乘客與出租車司機(jī)之間的信息聯(lián)系，借助GPS定位來(lái)確定乘客與司機(jī)之間的距離，分別通過(guò)圖論和遺傳算法的疊加，來(lái)確定一條最短時(shí)間也是最短路徑。在已建立的服務(wù)平臺(tái)上，考慮到“乘客共乘”現(xiàn)象，可以相對(duì)提高出租車的滿載率，緩解一部分供不應(yīng)求的難題，同時(shí)出租車師傅收入也有所提高，緩解招手難的打車現(xiàn)象。參考文獻(xiàn)[1]韓彪,王樹佳,汪穎,王江.深圳市出租小汽車需求規(guī)模探索[J].特區(qū)經(jīng)濟(jì).2005(01)[2]盧毅,王禮志,盧旭.城市出租車需求仿真預(yù)測(cè)模型研究[J].長(zhǎng)沙交通學(xué)院學(xué)報(bào).2007(04)[3]孫喜梅,李猛,韓彪.基于類比分析的深圳市特區(qū)外出租車需求量預(yù)測(cè)[J].交通信息與安全.2023(05)[4]韓彪.對(duì)深圳出租車市場(chǎng)10個(gè)熱點(diǎn)問題的解釋[J].深圳大學(xué)學(xué)報(bào)(人文社會(huì)科學(xué)版).2023(02)附錄1：利用spss軟件統(tǒng)計(jì)分析：表1成份初始特征值提取平方和載入合計(jì)方差的%累積%合計(jì)方差的%累積%12.61165.28765.2872.61165.28765.2871.00525.13590.4221.00525.13590.4223.3067.64998.0724.0771.928100.000提取方法：主成份分析。圖（1.1）表2成份矩陣a成份12里程利用率.897-.152萬(wàn)人擁有量.835.515提取方法:主成份。a表3解釋的總方差成份初始特征值提取平方和載入合計(jì)方差的%累積%合計(jì)方差的%累積%12.56451.27851.2782.56451.27851.27821.19623.91475.1921.19623.91475.19231.07521.49896.6891.07521.49896.6894.1533.06699.7555.012.245100.000提取方法：主成份分析。圖（1.2）表4成份矩陣a成份123Zscore(自然增長(zhǎng)率)-.609.596.469Zscore(人均GDP).880.466-.050Zscore(消費(fèi)水平).617.169.745提取方法:主成份。aa.已提取了3個(gè)成份。表5成份得分系數(shù)矩陣成份123Zscore(自然增長(zhǎng)率)-.238.498.437Zscore(人均GDP).343.389-.046Zscore(消費(fèi)水平).241.141.693表6解釋的總方差成份初始特征值提取平方和載入合計(jì)方差的%累積%合計(jì)方差的%累積%13.48487.10087.1003.48487.10087.1002.41610.40097.5003.0761.90899.4084.024.592100.000提取方法：主成份分析。圖（1.3）表7成份矩陣a成份1Zscore(里程利用率)-.856Zscore(萬(wàn)人擁有量)-.977提取方法:主成份。aa.已提取了1個(gè)成份。表8成份得分系數(shù)矩陣成份1Zscore(里程利用率)-.246Zscore(萬(wàn)人擁有量)-.281表9提取方法:主成份。解釋的總方差成份初始特征值提取平方和載入合計(jì)方差的%累積%合計(jì)方差的%累積%13.95879.15679.1563.95879.15679.1562.62812.56291.7183.3997.98499.7024.013.26599.9675.002.033100.000提取方法：主成份分析。圖（1.4）表10成份矩陣a成份1Zscore(深圳).982提取方法:主成份。aa.已提取了1個(gè)成份。成份得分系數(shù)矩陣成份1Zscore(深圳).248提取方法:主成份。附錄2：灰色預(yù)測(cè)模型數(shù)據(jù)：請(qǐng)輸入數(shù)據(jù)[0.21830.22440.23360.27860.28560.35630.36720.38950.41670.321430.443960.4286]后驗(yàn)差比值為：0.19643預(yù)測(cè)優(yōu)下個(gè)擬合值為0.49836再下個(gè)擬合值為0.54277（佛山需求）請(qǐng)輸入數(shù)據(jù)[0.2230.2780.25210.28160.2780.28560.28950.30770.3180.3541]后驗(yàn)差比值為：0.36965預(yù)測(cè)良下個(gè)擬合值為0.34527再下個(gè)擬合值為0.35687（佛山供給）請(qǐng)輸入數(shù)據(jù)[0.10170.12320.13530.1360.13670.14330.14420.15680.17580.1607]后驗(yàn)差比值為：0.31296預(yù)測(cè)優(yōu)下個(gè)擬合值為0.1744再下個(gè)擬合值為0.18093（深圳供給）請(qǐng)輸入數(shù)據(jù)[0.07910.12330.33050.34680.39130.39840.55460.57660.60000.7430]后驗(yàn)差比值為：0.28658預(yù)測(cè)優(yōu)下個(gè)擬合值為0.86262再下個(gè)擬合值為0.99231（深圳需求）附錄3：灰色預(yù)測(cè)x=input('');m=length(x);xx=ones(ｍ,1);xx(1)=x(1);fori=2:mxx(j)=xx(j-1)+x(j);endA=ones(m-1,2);fori=1:(m-1)A(j,1)=-(yy(j)+yy(j+1))/2;A(j,2)=1;endAT=A';forP=1:M-1XN(P)=X(P+1);endXN=X