生物医学工程数据分析实验报告7详解.docVIP

评分 大理学院实验报告 课程名称 MATLAB实现 实验名称 专业班级 姓 名 升明 学 号 2013166140 2013166123 实验日期 实验地点 2014—2015学年度第 学期 实验目的 二、实验环境 1、硬件配置： 2、软件环境： 三、实验 (包括本实验要完成的实验问题及需要的相关知识简单概述) 3点移动平均法、3点滑动平均法、一次指数平滑法和直线拟合法对表1中的数据进行处理，重新计算在各时间点的估计值。 表1 某地区2001年—2003年不同季节的住院人数 年份 第一季度 第二季度 第三季度 第四季度 2001 259 372 340 220 2002 275 411 353 230 2003 285 428 364 243 %%作业2：对表1中的数据进行处理，预测该地区2004年各季度的住院人数。 %%作业3：脑电信号的分析 四、实验原理 1、移动平均法 设某一时间序列为，，…，则时刻的预测值为 式中：为点的移动平均值；称为移动时距。 2、滑动平均法 式中：为点的滑动平均值；为单侧平滑时距。 3、指数平滑法 式中：为平滑系数。 4、最小二乘直线拟合 （1）、直线型趋势线： （2）、指数型趋势线： （3）、抛物线型趋势线： 5、自相关函数分析法：对于一个时间序列，其自相关函数用于测定序列前后期数值之间的相关关系。 当序列中含有周期性成分时，其自相关序列也呈周期性变化，这一特性常被用于判断时间序列中是否含有周期性变化成分以及周期的大小。 MATLAB中提供了xcorr函数用来计算序列的自相关函数。也可以用autocorr函数来画序列的归一化后的自相关函数图 五、实验结果与分析 %%作业1，程序运行如下 clear; close all; clc; aa=[259 372 340 220;275 411 353 230;285 428 364 243]; bb=reshape(aa,[],1);% figure,plot(bb,o-); title(某地区各季度住院人数（01-03年）); %%3点移动平均法 m1=bb; for k=4:length(m1) %因为前3个点直接使用公式计算数据不够，保持不变 m1(k)=mean(bb(k-3:k-1)); end %3点滑动平均法 m2=bb; for k=2:length(m1)-1 %因为第一个点、最后一个点不能直接使用公式计算数据不够，保持不变 m2(k)=mean(bb(k-1:k+1)); end %指数平滑法 m3=bb; alpha=0.3; for k=1:length(m1)-1 %因为第一个点、最后一个点不能直接使用公式计算数据不够，保持不变 m3(k+1)=alpha*bb(k)+(1-alpha)*m3(k); end %最小二乘直线拟合 xx=[1:length(bb)]; p=polyfit(xx,bb,1); m4=polyval(p,xx); figure,plot(xx,m1,-.,xx,m2,-.*,xx,m3,-.d,xx,m4,-,xx,bb,-.^); legend(三次移动平均,三次滑动平均,指数平滑法,直线拟合法,实测数据); %%程序运行结果如下m1 = 259.0000 372.0000 340.0000 323.6667 310.6667 278.3333 302.0000 346.3333 331.3333 289.3333 314.3333 359.0000 m2 = 259.0000 323.6667 310.6667 278.3333 302.0000 346.3333 331.3333 289.3333 314.3333 359.0000 345.0000 243.0000 m3 = 259.0000 259.0000 292.9000 307.0300 280.9210 279.1447 318.7013 328.9909 299.2936 295.0055 334.9039 343.6327 p = 1.7483 303.6364 m4 = 30