灰的算法
一、理论部分
二、代码(摸索着写的，网络没有python的最后自己写的，献丑了)
A=pd.DataFrame(A,columns=[1,2,3,4,5])#书号，所有数据在一个标签页里
T=[]
for Y in range(2001,2006):
M = []#最终变量的矩阵
N = []#预测变量的矩阵
B=pd.read_excel('9门总满意度.xlsx',sheetname=str(Y))#满意度
K = np.arange(len(A)*(len(B.columns)+1),dtype='float32').reshape(len(A), len(B.columns)+1)#创建相关变量与目标变量的共同矩阵，相关变量元素加1
M=list(A.ix[:,Y-2000])#获取当年的平均书号
K[:,0]=M#将最终变量送入判断矩阵第一列
for x in range(0,len(A)):#将判断变量送入判断矩阵
N=list(B.ix[x])
K[x,1:]=N
K=K.T #转置，下面是灰色关联算法的具体步骤
for i in range(0,len(N)+1):
K[i,:]=K[i,:]/K[i][0]
K=K.T
S=np.arange(len(N)*len(M),dtype='float32').reshape(len(M),len(N))
for i in range(0,len(N)):
S[:,i]=abs(K[:,i+1]-K[:,0])
Q=[]
for i in range(0,len(N)):
Q.append(S[:,i].max())
R = S
maxone=max(Q)
R[:,:]=maxone*0.5/(S[:,:]+maxone*0.5)
R=R.T
for i in range(0,len(N)):
T.append(R[i].mean())
print(T)
T=pd.DataFrame(T)
#T.to_excel(str(Y)+'.xls')
② Matlab灰色预测算法
程序一般都有针对性，不是随便一个程序你都能用于你的问题的，最好能把要求说得再详细点，或把数据帖出来看看。
③ 《漫画算法：小灰的算法之旅》epub下载在线阅读，求百度网盘云资源
《漫画算法：小灰的算法之旅》（魏梦舒）电子书网盘下载免费在线阅读
资源链接：
链接：
书名：漫画算法：小灰的算法之旅
作者：魏梦舒
豆瓣评分：8.6
出版社：电子工业出版社
出版年份：2019-5
页数：280
内容简介：
《漫画算法：小灰的算法之旅》通过虚拟的主人公小灰的心路历程，用漫画的形式讲述了算法和数据结构的基础知识、复杂多变的算法面试题目及算法的实际应用场景。
第1章 介绍了算法和数据结构的相关概念，告诉大家算法是什么，数据结构又是什么，它们有哪些用途，如何分析时间复杂度，如何分析空间复杂度。
第2章 介绍了最基本的数据结构，包括数组、链表、栈、队列、哈希表的概念和读写操作。
第3章 介绍了树和二叉树的概念、二叉树的各种遍历方式、二叉树的特殊形式——二叉堆和优先队列的应用。
第4章 介绍了几种典型的排序算法，包括冒泡排序、快速排序、堆排序、计数排序、桶排序。
第5章 介绍了10余道职场上流行的算法面试题及详细的解题思路。例如怎样判断链表有环，怎样计算大整数相加等。
第6章 介绍了算法在职场上的一些应用，例如使用LRU算法来淘汰冷数据，使用Bitmap算法来统计用户特征等。
作者简介：
魏梦舒（@程序员小灰）：微信公众号“程序员小灰”的作者，多年的软件行业从业经验，先后在京东金融和摩拜科技从事研发工作，对算法有一定的兴趣和经验。
④ 《漫画算法：小灰的算法之旅》pdf下载在线阅读，求百度网盘云资源
《漫画算法：小灰的算法之旅》魏梦舒电子书网盘下载免费在线阅读
链接：https://pan..com/s/13oQaP8nXh3Bshe2cdpCJ0A
提取码：ee0y
书名：漫画算法：小灰的算法之旅
作者名：魏梦舒
豆瓣评分：8.6
出版社：电子工业出版社
出版年份：2019-5
页数：280
内容介绍：
《漫画算法：小灰的算法之旅》通过虚拟的主人公小灰的心路历程，用漫画的形式讲述了算法和数据结构的基础知识、复杂多变的算法面试题目及算法的实际应用场景
作者介绍：
魏梦舒（@程序员小灰）：微信公众号“程序员小灰”的作者，多年的软件行业从业经验，先后在京东金融和摩拜科技从事研发工作，对算法有一定的兴趣和经验。
⑤ 灰土的计算方法
白灰粉的密度：600kg/m3，素土的密度：1800kg/m3
6%灰土则有：白灰质量/素土质量=0.06
设Y%(比如6%，Y=0.06)灰土中的白灰体积为X，则600*X/[1800*(1-X)]=Y，计算得X=3Y/(1+3Y)
6%灰土=二八灰土
⑥ 什么叫灰度算法
把颜色的红绿蓝都设成一个值,这个值就是原来RGB的平均值.
例如:
临时变量=(原红色值*30+原绿色值*59+原蓝色值*11)/100;
原红色值=临时变量;
原绿色值=临时变量;
原蓝色值=临时变量;
这个算法是别人写的图象处理程序源码上算法.
⑦ 石灰土中灰量的计算方法
干料质量=湿料质量/（1+含水量）进行计算。
石灰剂量混合料组成的计算要求，干料质量=湿料质量/（1+含水量）；干混合料质量=300g/(1+最佳含水量）；干土质量=干混合料质量/[1+石灰（或水泥）]；干石灰（或水泥）质量=干混合料-干土质量。
湿土质量=干土质量X（1+土的风干含水量）；湿石灰质量=干石灰X（1+石灰的风干含水量）‘石灰土中应加入的水=300g-湿土质量-湿石灰质量。
石灰在建筑上的用途主要有：
（1）石灰乳涂料 石灰加大量的水所得的稀浆，即为石灰乳。主要用于要求不高的室内粉刷。
（2）砂浆 利用石灰膏或消石灰粉可配制成石灰砂浆或水泥石灰混合砂浆，用于抹灰和砌筑。
（3）灰土和三合土消石灰粉与黏土拌合后称为灰土，再加砂或石屑、炉渣等即成三合土。灰土和三合土广泛用于建筑物的基础和道路的垫层。
（4）硅酸盐混凝土及其制品 以石灰与硅质材料（如石英砂、粉煤灰、矿渣等）为主要原料，经磨细、配料、拌合、成型、养护（蒸汽养护或压蒸养护）等工序得到的人造石材。常用的硅酸盐混凝土制品有蒸汽养护和压蒸养护的各种粉煤灰砖、灰砂砖、砌块及加气混凝土等。
(7)灰的算法扩展阅读
石灰土还有个最明显的劣势：即干缩及温缩特性十分明显，容易导致道路基层开裂。故现阶段，石灰土已严禁用于高等级道路基层，如高速公路、一级公路、二级公路及城市快速路、主干路。但可以用于各级道路的底基层。其适用性不如水泥稳定土。
石灰土的形成
石灰土的形成深受母岩影响，石灰岩在热带亚热带温暖湿润的环境条件下，极易进行溶蚀风化，石灰岩新风化物和崩解碎片以及含有碳酸盐的地表水源源不断地进入土体中，这就延缓了土壤中盐基成分的淋失和脱硅富铝化作用的进行，使石灰土一直处于幼年阶段。
⑧ 灰色预测，
灰色预测是灰色系统理论的数学应用，其数学基础，从根本上区别于传统数学预测模型，典型传统数学预测模型，就是那些基于统计数据的数理模型，如一元线性回归、多元回归、Logistic等。 这些统计模型对给定数据采取自变量与因变量相对应的简单处理方式，也就是说，先行假定这些量及其数据之间具有这样一些形式的对应关系，采用数学方式表达这种形式关系，就是统计回归模型。但是，灰色预测模型则认为，量及其数据同其他量及数据之间、甚至一个量的多个序列数据值之间所具有的关系，并不必然显现为那种明确的统计回归关联，而是总带有内部联系，而这种联系又并不能确定无疑地表达出来，而只能表达出这种联系在数据上呈示给我们的那种数列关系，于是，这种呈示出来的关系，其实已经是该量多个数据值内部发生关系所产生出来的结果 所以，要列出这些数据值之间的关系，就并不是无隐藏的统计关系，而应该是隐含着原因在结果数据值之中的那种关系，那也就是微分方程，其实这也是微分方程的实际意义。灰色预测的数据理论基础，简而言之，集成了中等数学中的数列理论、高等数学中的微分方程、线性代数、数理统计等理论。在近年来，灰色预测的发展还体现在以上那些数学理论基础与最新人工智能算法、进化算法、生物仿生算法的相融合上，具体而言，已经涉及到较深的研究领域了。
⑨ 灰色系统预测算法
function x=gmadd(x0,k)
n=length(x0);%求出原始数据的长度
x=ones(k,n);
x(1,:)=x0;
for j=1:k
x1(1)=x0(1); %计算出依次累加的矩阵，命名为x1
for ii=1:n-1
x1(ii+1)=x1(ii)+x0(ii+1);
end
%求出数据向量Y矩阵
y=ones(n-1,1);
for ii=2:n
y(ii-1)=x0(ii);
end
%构造出数据矩阵b
b=ones(n-1,2);
for ii=1:n-1
b(ii,1)=(-0.5)*(x1(ii)+x1(ii+1));
end
%确定参数a和u
w=inv(b'*b)*b'*y;
a=w(1,1) ;
u=w(2,1) ;
%计算模型x11
m=u/a;
g=x0(1)-m;
x11=ones(n,1);
x11(1)=x0(1);
for ii=1:n
x11(ii+1)=exp(-a*ii)*g+m;
end
%进行下一次循环
for ii=1:n
x0(ii)=x11(ii+1)-x11(ii);
end
x(j,:)=x0;
end