本文利用灰色預測模型,對歷屆奧運會的成績進行深入的分析和處理,選取第25屆至第30屆的成績中排名靠前的15個國家的數(shù)據(jù)作為訓練樣本,利用GM（1,1）的灰色預測模型,使用MATLAB和SPSS數(shù)據(jù)分析工具進行求解�？紤]各國經(jīng)濟發(fā)展、人口體質(zhì)、政府政策、以及東道主效應(yīng)對結(jié)果的影響,加入修正項,最后可以得到2020年奧運會獎牌榜前十名的預測結(jié)果依次為美國,中國,俄羅斯,英國,德國,韓國,日本,法國,意大利,澳大利亞。 

【文章來源】：電子世界. 2018,(02)

【文章頁數(shù)】：2 頁

【文章目錄】：
1. 算法設(shè)計
2. 模型建立
    2.1 模型假設(shè)
    2.2 模型建立
    2.3 原始數(shù)據(jù)整理
    2.4 GM (1, 1) 的研究方法
3. 數(shù)據(jù)處理及預測
4. 結(jié)果檢測
5. 結(jié)論


【參考文獻】：
期刊論文
[1]奧運金牌背后的思考[J]. 王曉玲,劉君,肖艷麗.  赤峰學院學報(自然科學版). 2010(03)
[2]2008北京奧運會中國金牌趕超美國的可能性——基于東道主效應(yīng)的分析和預測[J]. 吳殿廷,吳穎.  統(tǒng)計研究. 2008(03)
[3]奧運會東道主效應(yīng)分析及中國體育代表團參賽策略研究[J]. 鄧運龍.  中國體育科技. 2007(01)
[4]全運會獎牌數(shù)量影響因素的實證研究[J]. 鄒德新,張貴敏.  沈陽體育學院學報. 2006(04)
[5]從奧運金牌榜看制度安排[J]. 白紅義.  小康. 2004(10)
[6]試析奧運會金牌榜與綜合國力關(guān)系[J]. 雷桂成.  浙江體育科學. 2002(01)



本文編號：3547151