（数学建模论文）成品油价格与家庭汽车(3)

六、模型的推广与应用

本模型可以运用在经济学领域里，作为一些简单数据的预测和分析。还可以运用在一些商品定价方面。

七、模型的评价

优点：1.本模型简单、易懂，而且数据准确度高； 2.本模型适用于大多的数据预测；

3.本模型能较好反应出各因变量与自变量的关系。 缺点：1.考虑的影响成品油定价因素过少；

2.模型不能运用在一些复杂的预测问题上。

八、参考文献

[1].赵静、但琦，数学建模与数学实验（第3版），高等教育出版社，2008—1 [2].蒲俊、张朝伦、张军、李顺初，数学建模方法与训练，2013—2

[3].王殿卿、曲立、吕晓岚，我国成品油价格变动因素分析，1006—5024（2006）04—0168—03

[4].陈涛、赵凌，最优组合预测模型在成都私家车数量预测中的应用，1673—808X(2010)06—0605—04

[5] http://www.auto6s.com/chengdu/youjia/ [6] http://oil.in-en.com/quote/

附录

附录1

x1=[ 28.53 33.73 41.45 55.37 67.06 74.46 88.27 67.27 ]';

x2=[10269.3 13189.6 17291.3 17163.2 19453 21139.4 23015.5 25642.4]'; x3=[16700 16960 17587.3 18135.3 18476.6 18631.6 19044 18949]';

x4=[24789.2 27125.8 31700.5 32537.7 34876.2 36658.7 37302.9 38384.5]'; x5=[151796.59 174990 203227 224682 246270 265583 265000 306647]'; y=[2.83 3.14 3.44 3.98 4.78 5.12 6 5.79]'; x=[x1 x2 x3 x4 x5];

stepwise(x,y)

x=[ones(8,1) x1 x2 x3 x4 x5]; b=regress(y,x)

附录2

function [a0,b0]=zxec(t,y) m=length(t);

R=[t' ones(m,1)];a=R\\y'; a0=a(1);b0=a(2); end

附录3

rcoplot(r,rint)

附录4

x=[1 2 3 4 5 6];

y=[68.1 82.8 109.8 139.6 165.7 180.1]; x=[1 2 3 4 5 6];

y=[68.1 82.8 109.8 139.6 165.7 180.1]; [p,s]=polyfit(x,y,2) p =

-0.0911 24.5946 39.6500 s =

R: [3x3 double] df: 3

normr: 10.4054

附录5

x=[2007 2008 2009 2010 2011 2012];

y=[68.1 82.8 109.8 139.6 165.7 180.1]; a=polyfit(x,y,2);

xi=2008:0.001:2012;

yi=polyval(a,xi);

plot(x,y,'go','MarkerEdgeColor','k','MarkerFaceColor','g','MarkerSize'

,6)

xlabel('年份/年','fontsize',16);

ylabel('私家车数量/万辆','fontsize',16);

axis([2008 2013 60 180])

hold on

plot(xi,yi,'linewidth',2,'markersize',16)

legend('原始数据点','拟合曲线')

//sprintf('直线方程：Y=%0.5gxX+%0.5g',a(1),a(2),a(3),a(4))

附录6

x=[2005 2006 2007 2008 2009 2010 2011 2012];

y1=[14.9643 39.6500 68.1 82.8 109.8 139.6 165.7 180.1]; y2=[ 3.98 4.78 5.12 6.0 5.79 7.17 6.8665 7.2970]; xi=2005:0.001:2012; plot(x,y1,'r',x,y2,'g')

legend('私家车数量（万辆）变化情况','成品油价格（元/升）变化情况')

附录7

x1=[ 28.53 33.73 41.45 55.37 67.06 74.46 88.27 67.27 ];

x2=[10269.3 13189.6 17291.3 17163.2 19453 21139.4 23015.5 25642.4]; x3=[16700 16960 17587.3 18135.3 18476.6 18631.6 19044 18949];

x4=[24789.2 27125.8 31700.5 32537.7 34876.2 36658.7 37302.9 38384.5]; x5=[151796.59 174990 203227 224682 246270 265583 265000 306647]; y=[2.83 3.14 3.44 3.98 4.78 5.12 6 5.79]; X=[ones(length(y),1),x1',x2',x3',x4',x5']; Y=y';

[b,bint,r,rint,stats]=regress(Y,X); b,bint,stats