制作视频网站建设在哪买网站链接
目录
1 主要内容
2 部分程序
3 下载链接
1 主要内容
这个程序《考虑时空相关性的风电功率预测误差建模与分析》画的图片非常漂亮，和原文献基本一致，但是实际上内容并未实现出来，主要就是利用现有的风电预测的数据和结果做了相关的图，大家不要白花钱，今天把这个程序免费分享给大家，大家可以学习一下画图技巧以及数据分析方面的知识。
ps：原程序的95%置信区间是采用均值加减标准差是不对的，已经更正过来，应该增加1.96的系数，程序包附上了置信区间和均值标准差的关系说明。
2 部分程序
%% 清空环境变量
clc
clear all;
%% 提取数据
data=xlsread('实验数据.xlsx',1);
%% 提取对应各段中点位置处的误差值
error_fenbu_1=[];
for i=1:size(data,1)if data(i,3)>=220 && data(i,3)<=240error_fenbu_1(i)=data(i,8);elseerror_fenbu_1(i)=0;end
end
error_1=error_fenbu_1(find(error_fenbu_1~=0));
error_fenbu_2=[];
for i=1:size(data,1)if data(i,3)>=670&&data(i,3)<=690;error_fenbu_2(i)=data(i,8);else error_fenbu_2(i)=0;end
end
error_2=error_fenbu_2(find(error_fenbu_2~=0));
error_fenbu_3=[];
for i=1:size(data,1)if data(i,3)>=1128 && data(i,3)<=1148;error_fenbu_3(i)=data(i,8);else error_fenbu_3(i)=0;end
end
error_3=error_fenbu_3(find(error_fenbu_3~=0));
error_fenbu_4=[];
for i=1:size(data,1)if data(i,3)>=1585&&data(i,3)<=1605;error_fenbu_4(i)=data(i,8);else error_fenbu_4(i)=0;end
end
error_4=error_fenbu_4(find(error_fenbu_4~=0));
error_fenbu_5=[];
for i=1:size(data,1) if data(i,3)>=2040&&data(i,3)<=2060;error_fenbu_5(i)=data(i,8);else error_fenbu_5(i)=0;end
end
error_5=error_fenbu_5(find(error_fenbu_5~=0));
error_fenbu_6=[];
for i=1:size(data,1) if data(i,3)>=2495 && data(i,3)<=2515;error_fenbu_6(i)=data(i,8);else error_fenbu_6(i)=0;end
end
error_6=error_fenbu_6(find(error_fenbu_6~=0));
error_fenbu_7=[];
for i=1:size(data,1) if data(i,3)>=2950&&data(i,3)<=2970;error_fenbu_7(i)=data(i,8);else error_fenbu_7(i)=0;end
end
error_7=error_fenbu_7(find(error_fenbu_7~=0));
error_fenbu_8=[];
for i=1:size(data,1) if data(i,3)>=3406 && data(i,3)<=3426;error_fenbu_8(i)=data(i,8); else error_fenbu_8(i)=0;end
end
error_8=error_fenbu_8(find(error_fenbu_8~=0));
error_fenbu_9=[];
for i=1:size(data,1) if data(i,3)>=3860&&data(i,3)<=3880;error_fenbu_9(i)=data(i,8); else error_fenbu_9(i)=0;end
end
error_9=error_fenbu_9(find(error_fenbu_9~=0));
error_fenbu_10=[];
for i=1:size(data,1) if data(i,3)>=4317&&data(i,3)<=4337;error_fenbu_10(i)=data(i,8); else error_fenbu_10(i)=0;end
end
error_10=error_fenbu_10(find(error_fenbu_10~=0));
%% 拟合分布—求取t分布参数进行拟合
error_values=-3000:0.5:3000;
pd_1= fitdist(error_1','tLocationScale');
desity_1= pdf(pd_1,error_values);
pd_2= fitdist(error_2','tLocationScale');
desity_2= pdf(pd_2,error_values);
pd_3= fitdist(error_3','tLocationScale');
desity_3= pdf(pd_3,error_values);
pd_4= fitdist(error_4','tLocationScale');
desity_4= pdf(pd_4,error_values);
pd_5= fitdist(error_5','tLocationScale');