Matlab - Vector como variable de entrada en un programa que funciona en base a una variable

* LAS MATRICES T y V las cargo de unos archivos excel y de otro programa.m.

%Se ingresan datos de entrada

t = input('Ingrese instante de predicción en minutos ');

delta = input('Ingrese horizonte de predicción en minutos ');

hist = input ('Ingrese cantidad de días para calibrar el modelo ');

p=input('Ingrese día a evaluar que no se encuentre en el conjunto de días históricos ');

%Validación datos ingresados

if 120-t<delta

fprintf('No existen datos para el horizonte de predicción señalado, inicie otra vez con un instante de predicción y horizonte distintos');

break

end

%Matrices Auxiliares para creación de las matrices Velocidad y Tiempo Viaje

L=zeros(120,10);%Matriz 2D para crear Matriz L de longitudes ponderadas

l=[719,1780,423,365,949,1224,738,1535,896,675];%vector longitudes de tramos i

l=l*(1/sum(l)); %vector longitudes ponderadas tramos i

U=zeros(120,10);%Matriz Velocidad 2D para el día de predicción

Y=zeros(120,10);%Matriz Tiempos viaje 2D para el día de predicción

contador=1;

%Se reemplaza el vector l en cada fila de la matriz H

for i=1:120

    L(i,:)=l;

end

%Se crean las matrices de Velocidad y Tiempo de viaje de los días

%históricos

for i=1:hist

 V(:,:,i) = V(:,:,i);

 T(:,:,i) = T(:,:,i);

end

%Se lee y guarda la matriz de velocidad y Tiempo de viaje del día a

%predecir.

U(:,:,1)= V(:,:,p);

Y(:,:,1)= T(:,:,p);

%Se eleva a -1 la matriz V y se pondera por el tramo Li/L.

V=V.^-1;

%Se calculan constantes necesarias para calcular parámetros del modelo

a=455;%a 70 km/h el tamaño del patron sea 10, a 45 km/hr el tamaño sea 16 y

% a 20 km/hr sea 37 min.

b=0.19704;%igualando valores con m/s y mph.

c=373;%pensado en que la ventana de busqueda para 20 km/hr sea 30 min

d=250;%pensado en 20 patrones para una velocidad de 20km/hr

DI=1; %lapso entre toma de datos, es decir, 1 minuto

Um = sum(U(t,:).*l); %Velocidad media en el corredor día e instante actual

%Se eleva a -1 la matriz U y se pondera por el tramo Li/L.

U=U.^-1;

%Parámetro 1

Tamano_Patron = round((a/Um))*DI;

if Tamano_Patron < 10

   Tamano_Patron = 10;

end

%Parámetro 2

Ventana_Busqueda = round((c/Um)*DI);

if Ventana_Busqueda < 15

   Ventana_Busqueda = 15;

end

%Parámetro 3

Numero_Patrones = round((d/Um));

%Parámetro 4

W(:,:)= U((t - Tamano_Patron + 1):t,:);

W=W.^b;

%Se obtienen diferencia de velocidades entre día actual y días históricos

contador =1;

L=L((t-Tamano_Patron+1):t,:);

for x=(t-Ventana_Busqueda):(t+Ventana_Busqueda)

    t=t-Ventana_Busqueda;

for i=1:hist

    format long

    R(:,:,i)= (U((t-Tamano_Patron +1) : t,:) - V((t-Tamano_Patron+1):t,:,i)).^2;

    DIF(:,:,i)=R(:,:,i) .*L .*W;

    MIN(:,:,i,contador)=DIF(:,:,i);

end

contador=contador+1;

t=t+Ventana_Busqueda+1;

end

DIM=size(MIN);

for i=1:DIM(3)

    for c=1:DIM(4)

        E(c,i)=sum(sum(MIN(:,:,i,c)));

    end

end

[ts(1),h(1)]=find(E==min(min(E)));

minimo(1) = min(min(E));

E(ts(1),h(1))=1000;

for i=2:Numero_Patrones

[ts(i),h(i)]=find(E==min(min(E)));

minimo(i) = min(min(E));

E(ts(i),h(i))=1000;

end

for i=1:Numero_Patrones

Prediccion(i)=sum(T(ts(i)+delta,:,h(i)));

end

%Box Plot, filtrado de tiempos de predicción 

y = sort(Prediccion);

Q(1) = median(y(find(y<median(y))));

Q(2) = median(y);

Q(3) = median(y(find(y>median(y))));

IQR = Q(3)-Q(1);

LS=Q(3)+1.5*IQR;

LI=Q(1)-1.5*IQR;

contador=1;

for i=1:Numero_Patrones

    if Prediccion(i)<= LS && Prediccion(i)>= LI

        Prediccion(contador)=Prediccion(i);

        contador=contador+1;

    end

end

Prediccion = mean(Prediccion);

clear contador

clear i

clear H

clear l

clear L

clear x

clear d

clear DIF

clear DIM

clear E

clear IQR

clear LI

clear LS

clear MIN

clear minimo

clear Q

clear R

clear U

clear Um

clear W

clear y

clear Y