三次样条插值拟合函数,预测下明后天的疫情

先说明一下。本数据来源自丁香医生。

三次样条插值函数在拟合效果上
代码如下:

import scipy.interpolate as spi
import matplotlib.pyplot as plt
x = [1,2,3,4,5,6,7,8,9,10,11,12,13,14]
y=[41,41,45,62,121,198,258,440,571,830,1287,1975,2744,4535]
ix3=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16]
ipo3=spi.splrep(x,y,k=3)
iy3=spi.splev(ix3,ipo3)
print(iy3)
plt.plot(x,y,'o')
plt.plot(ix3,iy3)
plt.legend(['origin','interp'],loc='upper left')
plt.show()


看得出来,俩天之内肯定破万,希望大家照顾好自己。

原文地址:https://www.cnblogs.com/godoforange/p/12237661.html

时间: 2024-08-29 14:43:53

三次样条插值拟合函数,预测下明后天的疫情的相关文章

OpenCV fitline直线拟合函数学习

下图是OpenCV官方文档中,对直线拟合函数的详细介绍: fitLine()函数用于,对二维或三维空间中的点集进行直线拟合.共有六个参数: param 1:输入的点集,可以是Mat或者vector<>,可以是二维点集或三维点集. 例如: vector<Point> points; param 2:拟合结果,即一条直线.在二维空间中,直线可以定义为 Vec4f line; 在二维平面中,(line[0],line[1])表示直线的方向向量,(line[2],line[3])表示直线上

函数alv下的颜色设置

ABAP中的颜色代码是由4位字都组成的 cxyz    c:color的简写,颜色代码均以C开头 x:标准色代码,SAP中一共有7个标准色    y:反转颜色启用/关闭 1/0 z:增强颜色启用/关闭 1/0 标准色代码一览表 X 颜色 主要用处 1 灰蓝色 抬头.标题栏 2 浅灰色 列表内容 3 黄色 汇总 4 蓝色 关键字 5 绿色 正确 6 红色 错误 7 橙色 控制 如: 单元格颜色控制: 定义最后显示内表的时候要在里面增加一个 colour  type lvc_T_scol,类型,这是

C和指针 (pointers on C)——第七章:函数(下)习题

这次的题目很经典. 1.Hermite Polynomials 2.求两个整数最大公约数 3.ATOI 4.可变参数列表的使用 具体的题目在这里: 题目请见 http://download.csdn.net/download/wangpegasus/5701765 1. int hermite(int n, int x) { if (n < 1) { return 1; } else if (n == 1) { return 2 * x; } else { return 2 * x * herm

计算机图形学(三)_图元的属性_3_OpenGL颜色函数(下)

OpenGL颜色函数(下) OpenGL 颜色数组 我们也可以在顶点数组中和坐标值混合一起指定场景的颜色值(参见2.17节).这既可在RGB模式下也可在RGBA模式下进行.与顶点数组一样,必须先激活OpenGL的颜色数组: glEnableClientState(GL_COLOR_ARRAY); 然后,对RGB模式要指定颜色分量的位置和格式: glColorPointer(nColorComponents,dataType,offset,colorArray); 参数nColorComponen

Unity中三次样条插值曲线的实现

最近需要用到插值,但是总觉得线性插值得出来的太过硬了,所以想看一下三次样条曲线怎么做.关于算法和程序实现的文章已经有很多了.这一篇文章写下来主要的目的是为了 帮助自己理解,固化 已有的代码不是在unity平台上实现的,所以代码相对繁杂,这里进一步做简化 我的理解,分段三次样条曲线求解就是: 已知:n个点,n-1个三次方程(a+bx+cx^2+dx^3),而这些三次方程2一阶和二阶导数连续,这些三次方程当然在已知点上也是连续的 一阶二阶导数连续,就是在中间的连接点上(去掉头尾总共n-2个),前后两

时间序列2拟合检验和预测#R

一.拟合 1.自动拟合模型 要使用auto.arima( )函数需要先下载zoo和forecast程序包,并用library调用这两个程序包.auto.arima()函数的命令格式如下 auto.arima(x, max.p=5, max.q=, ic=) 其中: -x:需要定阶的序列名. -max.p:自相关系数最高阶数,不特殊指定的话,系统默认值为5. -max.q:自相关系数最高阶数,不特殊指定的话,系统默认值为5. -ic:指定信息量准则.ic有三个选项"aicc","

肺炎确诊人数增长趋势拟合和预测(截止1月28日)

截止目前(1月28日),数据都符合简单的指数曲线增长趋势. 所有数据都来自官方公布的确诊人数,取每天中午12点的人数为准.前4天没有拟合,因为数据点太少. 第4天(1月24日) 第6天(1月26日) 第8天(1月28日) 需要声明的是,没有任何证据显示预测人数是准确无误的,本文也不构成任何建议.这里只是简单的做一个数据分析,用的是指数曲线进行拟合,公式已经在图里了. 这几张图只能说明在疫情扩散前期,是符合简单的指数曲线增长规律的.我没有使用复杂的时间序列模型和RNN类模型,因为预测出来的反而会过

肺炎确诊人数增长趋势拟合和预测(截止1月30日)

预测明天(1月31日)确诊感染人数为9000,预计31日12时至24时增长区间为9000-9500. 1月29日预测1月30日确诊感染人数为8000,实际感染人数7736.预计30日12时至24时增长区间为8000-8500. ?1月28日预测1月30日感染确诊人数为6000,实际感染人数5999.预计29日12时至24时增长区间为6000-7000. 截止目前(1月28日),数据都符合简单的指数曲线增长趋势. 所有数据都来自官方公布的确诊人数,取每天中午12点的人数为准.前4天没有拟合,因为数

肺炎确诊人数增长趋势拟合和预测(截止2月1日)

预测2月2日确诊感染人数为14000,增长区间为14000-14500 昨日(1月31日)预测2月1日确诊感染人数为11500,增长区间为11500-12000.目前实际感染人数11800,误差较小. 前日(1月30日)预测1月31日确诊感染人数为9500,目前实际感染人数9723例,增速环比上升,但和模型相比再次放缓.增长区间为9500-10000 更新:昨天预测1月30日确诊感染人数为8500,目前实际感染人数8147例,增速再次放缓 更新:1月29日,预测感染确诊人数6000(中午12时)