数学建模大赛一等奖作品

小时分析数据导出：

QUICK CLUSTER 次数 死亡人数 受伤人数 经济损失 /MISSING=LISTWISE

/CRITERIA=CLUSTER(3) MXITER(10) CONVERGE(0) /METHOD=KMEANS(NOUPDATE)

/PRINT ID(小时) INITIAL ANOVA CLUSTER DISTAN.

快速聚类

附注

创建的输出 注释 输入

活动的数据集 过滤器 权重 拆分文件

工作数据文件中的 N 行

缺失值处理

对缺失的定义 使用的案例

用户定义的缺失值将作为缺失处理。 统计量将基于案例进行计算，在这些案例中，所有用到的聚类变量都没有缺失值。 数据集0

24

07-5月-2012 10时23分14秒

33

语法 QUICK CLUSTER 次数 死亡人数 受伤人数 经济损失 /MISSING=LISTWISE /CRITERIA=CLUSTER(3) CONVERGE(0)

/METHOD=KMEANS(NOUPDATE) /PRINT ID(小时) INITIAL ANOVA CLUSTER DISTAN.

MXITER(10)

资源 处理器时间 已用时间 所需的工作空间

00 00:00:00.281 00 00:00:00.296

928 字节

[数据集0]

初始聚类中心

聚类

1 27.00 23.00 26.00 649072.00

2 32.00 21.00 30.00 939713.00

a

次数 死亡人数 受伤人数 经济损失

3 16.00 11.00 14.00 240602.00

迭代历史记录 聚类中心内的更改

迭代 1 2 3

1 29706.400 41869.275

.000

2 47286.000

.000 .000

3 84973.167 18044.762

.000

a. 由于聚类中心内没有改动或改动较小而达到收敛。任何中心的最大绝对坐标更改为 .000。当前迭代为 3。初始中心间的最小距离为 290641.000。

聚类成员

案例号 1 2 3 4 5 6 7 8 9 10

小时 0-1时 1-2时 2-3时 3-4时 4-5时 5-6时 6-7时 7-8时 8-9时 9-10时

聚类

1 1 1 1 2 2 1 1 3 1

距离 41531.125 52677.126 55879.876 81456.125 47286.000 47286.000 62299.875 57623.125 74947.072 102944.876

34

11 12 13 14 15 16 17 18 19 20 21 22 23 24 10-11? 11-12? 12-13? 13-14? 14-15? 15-16? 16-17? 17-18? 18-19? 19-20? 20-21? 21-22? 22-23? 23-24? 3 3 3 3 3 3 3 3 3 3 3 3 3 1 101939.073 22358.929 4205.074 89233.929 12656.073 98614.072 25122.929 71976.929 77094.929 103017.929 54255.929 114598.072 36102.072 12162.875 最终聚类中心 次数 死亡人数 受伤人数 经济损失 聚类 1 26.50 20.63 28.50 661234.88 2 33.00 23.50 31.00 892427.00 3 18.93 11.29 22.14 343619.93 最终聚类中心间的距离 聚类 1 2 3 1 2 231192.125 3 317614.947 548807.072 231192.125 317614.947 548807.072 ANOVA 误差 次数 死亡人数 受伤人数 经济损失 聚类 均方 263.348 293.301 142.143 4.289E11 df 2 2 2 2 均方 df 21 21 21 21 F 21.195 22.709 3.819 81.290 Sig. .000 .000 .039 .000 12.425 12.916 37.224 5.276E9 F 检验应仅用于描述性目的，因为选中的聚类将被用来最大化不同聚类中的案例间的差别。观测到的显著性水平并未据此进行更正，因此无法将其解释为是对聚类均值相等这一假设的检验。 每个聚类中的案例数 聚类 1 2 3 有效 缺失 8.000 2.000 14.000 24.000 .000 35

附录三：利用MATLAB进行灰色模型的预测：

MATLAB的程序编写：

灰色预测[GM(1,1) ]MATLAB程序 % 本程序主要用来计算根据灰色理论建立的模型的预测值。 % 应用的数学模型是 GM(1,1)。 % 原始数据的处理方法是一次累加法。

y=input('请输入数据 ');%输入数据请用如例所示形式：[48.7 57.17 68.76 92.15] n=length(y); yy=ones(n,1); yy(1)=y(1); for i=2:n

yy(i)=yy(i-1)+y(i); end

B=ones(n-1,2); for i=1:(n-1)

B(i,1)=-(yy(i)+yy(i+1))/2; B(i,2)=1; end BT=B'; for j=1:n-1 YN(j)=y(j+1); end YN=YN';

A=inv(BT*B)*BT*YN; a=A(1); u=A(2); t=u/a;

t_test=input('请输入需要预测个数：'); i=1:t_test+n;

yys(i+1)=(y(1)-t).*exp(-a.*i)+t;

36