MATLAB 代码的详细解释问题

原来是小飞

如下的两个matlab程序代码，本人能看懂一小部分，搞不清楚它的意思，希望有人帮忙解释一下每一句代码的详细解释，不胜感激。

1. clear all
   
2. data=load('b0.txt');   
   
3. %A=data(:,[4,8,12,16,20,24,28,32,36,40,44,48,52,56,60,64,68,72,76,80,84,88,92,96]);
   
4. A=data(100:300,[2:2:48]);
   
5. m1=200;
   
6. m2=m1+1;
   
7. for i=1:m2
   
8.   for j=1:24
   
9.     X((i-1)*24+j,1)=A(i,j);
   
10.    end
    
11. end
    
12. roll=X;%取X数据
    
13. len=m1*24;
    
14. oldroll=roll;
    
15. AverRoll=roll-mean(roll);
    
16. roll=AverRoll;
    
17. mtbp=6;
    
18. taow=mtbp;
    
19. deltaT=0.5;
    
20. tao=6;
    
21. taowdivtao=round(taow/tao);
    
22. d=2;%taowdivtao+1;
    
23. prestep=24;
    
24. N = length(roll)-prestep;
    
25. MaxStep = 24;
    
26. Step = 1 : 1 : MaxStep;
    
27. [PredictedData] = FunctionChaosPredict(roll(1:N),N,mtbp,deltaT,tao,d,MaxStep);
    
28. subplot(2,1,1);plot(roll(1:len+MaxStep)+mean(oldroll));
    
29. hold on;
    
30. subplot(2,1,1);
    
31. plot(Step + N,PredictedData+mean(oldroll),'r:');
    
32. hold on;
    
33. subplot(2,1,2);
    
34. plot(Step + N,PredictedData+mean(oldroll),'r:');
    
35. hold on;
    
36. subplot(2,1,2);
    
37. plot(Step + N,oldroll(Step + N),'b-');

复制代码

1. %AOLMM多步预测函数
   
2. function [FChaosPredict] = FunctionChaosPredict(Data,N,mtbp,deltaT,tao,d,MaxStep)
   
3. %Data是一维信号时间序列，N是信号数据长度，mtbp,deltaT,tao,d分别是重构相空间的平均时间序列、采样周期、时延及嵌入维
   
4. 
   
5. roll=Data;%取横摇数据
   
6. M = N - (d - 1)*tao;
   
7. for i = 1 : M
   
8.     for j = 1 : d
   
9.         MatrixX(i,j) = roll(i + (j - 1)*tao);
   
10.     end
    
11. end
    
12. 
    
13. %计算相空间中第M点与各点的距离
    
14. for j = 1 : (M - 1)
    
15.          Dis(j) = norm(MatrixX(M,:) - MatrixX(j,:),2);
    
16. end
    
17. %排序计算相空间中第M点的(m+1)个参考邻近点
    
18. for i = 1 : (d + 1)
    
19.     NearDis(i) = Dis(i);
    
20.     NearPos(i) = i;
    
21. end
    
22. for i = (d + 2) : (M - mtbp)
    
23.     for j = 1 : (d + 1)
    
24.         if (abs(i-j)>mtbp) %& abs(i-j)<10*mtbp
    
25.         if(Dis(i) < NearDis(j))
    
26.             NearDis(j) = Dis(i);
    
27.             NearPos(j) = i;
    
28.             break;
    
29.         end
    
30.         end
    
31.     end
    
32. end
    
33. SortedDis = sort(NearDis);
    
34. MinDis = SortedDis(1);
    
35. %计算第M点的(m+1)个参考邻近点的权P[i]
    
36. SumP = 0;
    
37. for i = 1 : (d + 1)
    
38.     P(i) = exp(-NearDis(i)/MinDis);
    
39.     SumP = SumP + P(i);
    
40. end
    
41. P = P/SumP;
    
42. %用最小二乘法计算a[],b[]
    
43. for step=1:1:MaxStep
    
44.     aCoe1 = 0;
    
45.     aCoe2 = d;
    
46.     bCoe1 = 0;
    
47.     bCoe2 = 0;
    
48.     e = 0;
    
49.     f = 0;
    
50.     for i = 1 : (d + 1)
    
51.         aCoe1 = aCoe1 + P(i)*sum(MatrixX(NearPos(i),:));
    
52.         bCoe1 = bCoe1 + P(i)*(MatrixX(NearPos(i),:)*MatrixX(NearPos(i),:)');
    
53.         e = e + P(i)*(MatrixX(NearPos(i) + step,:)*MatrixX(NearPos(i),:)');
    
54.         f = f + P(i)*sum(MatrixX(NearPos(i) + step,:));
    
55.     end
    
56.     bCoe2 = aCoe1;
    
57.     CoeMatrix = [aCoe1,bCoe1;aCoe2,bCoe2];
    
58.     ResultMatrix = [e;f];
    
59.     abResult = pinv(CoeMatrix)*ResultMatrix;
    
60.     a = abResult(1);
    
61.     b = abResult(2);
    
62. for j = 1 : d
    
63. %     MatrixX(M + step,j) = a + b*MatrixX(M,j); %以历史上相近点的演化规律作为中心点的演化规律以中心点为基准进行预报
    
64.    
    
65.     MatrixX(M + step,j) = 0;
    
66.     for i = 1 : (d + 1)
    
67.         MatrixX(M + step,j) = MatrixX(M + step,j) + P(i)*(a + b*MatrixX(NearPos(i),j)); %以历史上相近点的演化加权和直接作为中心点的演化点进行预报
    
68.     end
    
69. end
    
70. %误差修正
    
71.     if M-tao+step+(d-1)*tao < N+1
    
72.         for j=1:d-1
    
73.             err(j)=MatrixX(M + step,j)-roll(M+step+(j-1)*tao);
    
74.         end
    
75.         ppp=1:d-1;ttt=err;neterr=newrbe(ppp,ttt);xxx=2:d;errp=sim(neterr,xxx);
    
76.         PredictedData(step) = MatrixX(M + step,d) - errp(d-1);
    
77.         roll(N+step)=PredictedData(step);
    
78.     else    PredictedData(step) = MatrixX(M + step,d);
    
79.     end%        roll(N+k)=PredictedData(k);
    
80. FChaosPredict(step) = PredictedData(step);
    
81. % FChaosPredict(step) = MatrixX(M + step,d);
    
82. end

复制代码

ChaChing

每一句代码的详细解释

这要求有点难...

muzhicai

这个全部解释有点困难吧，我学习别人程序就是一边运行，一边学习

原来是小飞

ChaChing 发表于 2013-11-7 14:48

                               
登录/注册后可看大图

这要求有点难...

嗯，一边运行，一边学习吧

原来是小飞

muzhicai 发表于 2013-11-8 12:05

                               
登录/注册后可看大图

这个全部解释有点困难吧，我学习别人程序就是一边运行，一边学习

您的方法不错，支持，学习中。

牛小贱

原来是小飞 发表于 2013-11-8 17:10

                               
登录/注册后可看大图

您的方法不错，支持，学习中。

这确实是个好办法，其实学习Matlab编程，关键是调试里面的Bug，只是最重要的。遇到bug，自己耐心调试，不会的可以百度之类的……我之前学习编程，就是慢慢的调试运行！！

drago0119

学习学习  好方法

尤今

嗯，在学习之中。。