现代程序设计方法及应用

9.5.2.1　程序流程框图

根据模型基本思路及计算方法，设计模型程序流程框图如图9.3 所示。

9.5.2.2　程序代码

要实现因果聚类模糊预测，首先要进行聚类分析。有关聚类分析的程序见9.4.3，本节将直接应用聚类分析的输出结果。基于因果聚类模糊预测程序包括模糊模拟子程序Fuzzy_simulate、均方差计算子程序SEGMA、三角模糊数计算子程序Make_SanGeMo-HuShu、特征模糊集计算子程序MakeA_及模糊预测子程序Fuzzy_Forecast等。其VisualBasic6.0程序代码如下：

（1）模糊拟合子程序。程序输入各因子的权重W（nc）、所有建模因子X（m，nc），预报对象Y（m）、因子数nc、序列长度m 以及分类数CN、每类的个数NI（CN）及其对应的序号Numb［CN，NI（CN）］，其中nc 为因子数，m 为序列长度；输出模糊集A_（CN），拟合结果RF（m，3），其中1 为最小值，2为最可能取值，3 为最大值。

（2）特征模糊集计算子程序。程序输入预测因子YZ（nc）、分类数NC、各因子的权重W（nc）、各类均值AVx（CN，nc）及方差SG（CN，nc）；输出模糊集A_（CN）。

（3）三角模糊数计算子程序。实际上该程序最终没有形成三角模糊数，只是计算了构造三角模糊数所需要的参数。程序输入预报对象Y（mc）及分类数CN、每类的个数NI（CN）、每类对应的序号Numb［CN，NI（CN）］；输出每类预报对象均值AVy（CN）及预报对象与其均值间的最大值SI（CN）。

（4）均方差计算子程序。程序输入所有因子资料X（nr，nc）、分类数CN、每类对应的元素个数NI（CN）及对应的序号Numb［CN，NI（CN）］；输出每类的方差SG（CN，nc）及均值AVx（CN，nc）。(www.xing528.com)

（5）模糊预报子程序。程序输入各因子的权重W（nc）、建模因子X（m，nc）、预报因子YZ（nc）、预报对象Y（m）、因子数nc、序列长度m、分类数CN 及每类的个数NI（CN）及其对应的序号Numb［CN，NI（CN）］。输出模糊集A_（CN）和预报结果RF（3），其中RF（1）为最小值，RF（2）为最可能取值，RF（3）为最大值。