办公建筑运行能耗的混沌时间序列复合预测

针对办公建筑已有的能耗预测方法中未能考虑到能耗数据的混沌变化特性,提出了一种基于混沌时间序列的办公建筑运行能耗预测方法.对研究对象的时间序列进行相空间重构,判断其具备混沌特性,建立混沌理论和支持向量回归的组合模型进行训练,采用Markov链消除组合模型由于参数传递产生的累积误差,得到最终预测结果.为了验证算法的有效性,以西安某办公建筑的能耗监测数据为例进行实例分析,并与非线性自回归神经网络、支持向量回归等其他预测方法进行对比.实验结果表明,经过Markov修正后的混沌时间序列组合模型预测精度显著提高,预测效果优于其他方法,且更符合办公建筑能耗的变化规律,为节能优化提供有效的数据支撑.     

集成回归分析在基于色谱指纹的原油产能预测中的应用

运用色谱指纹技术对原油进行产能预测越来越得到油田等相关部门的重视.如何有效地建立原油色谱指纹与产能贡献的模型一直以来是基于色谱指纹的产能预测面临的问题.先前研究者提出的产能预测方法都是基于单一回归模型方法,但是单一的回归方法性能有限,近年来有关回归集成的理论的研究受到了极大的重视,是目前回归领域研究的前沿方向.另外广义可加模型是一种广泛使用的非线性回归模型,不仅适合于建立线性数据的模型,也适合建立非线性数据的模型.因此本文提出对广义可加模型进行集成的方法,使用集成广义可加模型来建立色谱指纹与产能贡献关系的模型.对原油产能预测的实验结果表明,本文提出的方法相对于以前的预测方法的性能有较大的提升,具有较好的预测效果,为解决石油产能预测问题提供了有效的途径.     

基于支持向量回归机的时态数据预测研究

基于支持回归支持向量机模型,建立了一种对时态数据预测的方法,可以对多属性时态数据进行预测,实验结果表明该方法在预测上具有一定的稳定性和准确性.     

基于CA-FSVR方法的电流互感器误差试验参数预测

本文采用基于相关性分析的模糊支持向量回归方法,对标准电流互感器的误差试验数据进行预测,并根据预测数据的范围和趋势来判断试验设备的运行状态.其中模糊支持向量回归根据数据的采样时间远近,为离群点赋予不同的权值,并通过遗传算法进行参数寻优,获取最优的预测模型.     

线性回归模型精化方法

为了解决由试验观测数据建立的回归拟合模型存在的模型误差,用基于回归残差的神经网络方法精化模型.采用给定方程获得模拟数据,通过数据结构散点图建立回归模型趋势项,利用经典最小二乘法估计趋势项参数,由趋势项参数计算回归残差,借助误差分级迭代的改进BP算法对趋势项进行精化,将两部分叠加获得精化模型.试验结果验证了基于回归残差的神经网络方法精化模型的有效性:神经网络方法精化后的模型能提高回归模型的拟合及预测精度5倍以上,优于最小二乘配置法和半参数法精化结果.神经网络方法精化模型既克服了单一神经网络模型的不可解释性,使模型具有物理意义,又具有较高的预测精度.     

基于小波的回归-GARCH模型及其在外汇储备中的应用

结合小波变换、多项式回归和GARCH模型对中国的外汇储备进行分析及预测.首先利用db4小波对数据进行去噪处理,并对去噪后的数据建立多项式回归模型.由于去噪后的数据与回归模型之间存在残差,且残差具有自回归条件异方差效应,故对该残差建立GARCH模型.然后将回归模型和GARCH模型进行线性叠加,从而得到基于小波分析的回归-GARCH模型.最后将预测值与实际值进行拟合,发现拟合效果较好.充分证明了小波变换、多项式回归和GARCH模型相结合的方法在处理外汇储备这类具有明显增长趋势的非平稳时间序列时,具有明显的优越性,是一项有用的分析预测工具.     

基于Logistic回归分析模型的足球彩票预测方法

本文收集了2010年-2011年意大利足球甲级联赛前30场比赛中得分、积分、主客场情况、净胜球数等数据,首先对数据做主成分分析,剔除影响不显著的变量,然后运用多分类Logistic回归方法,建立Logistic回归模型,预测比赛结果.结果显示:对2010年-2011意大利足球甲级联赛结果影响较大的是主客场,多分类Logistic回归模型判断正确率较高.     

改进的CS-GRNN模型在城市需水量预测中的应用

为了更加准确地预测城市需水量,提出一种基于改进布谷鸟算法优化广义回归神经网络模型的城市需水量预测方法.该方法采用改进的布谷鸟算法对广义回归神经网络的平滑因子进行优化,建立改进布谷鸟算法优化的广义回归神经网络模型(ICS-GRNN),并应用于南宁市城市需水量预测中.通过使用南宁市2001—2012年城市需水量测试数据分别对传统GRNN法和ICS-GRNN法的预测结果进行比较,结果表明,该方法具有更高的预测精度和数据拟合能力.     

基于回归-卡尔曼滤波组合模型的航道整治区域船舶交通流时空预测

为分析及预测工程不同阶段航道整治区域船舶交通流量变化,通过确立研究断面,获取交通流数据,对研究断面处的船舶交通流时空特性进行分析.基于现有数据,将回归模型预测值替代卡尔曼滤波模型中的状态转移值,建立回归-卡尔曼滤波组合模型,在卡尔曼滤波模型预测具有实时性的基础上,提高预测精度,并利用历史数据进行了预测.预测结果与实际数据对比验证了回归-卡尔曼滤波组合模型在航道整治区域船舶交通流时空预测方面的有效性与可靠性.     

梯度下降优化模糊系统的接触电阻预测方法

根据接触电阻的特点,将结合模糊逻辑的预测方法引入电气领域,提出基于模糊系统的接触电阻预测新方法.根据接触电阻与各影响因素之间的关系及研究目的进行试验,得到足量试验数据,将所有试验数据分成两部分,训练数据和测试数据.通过训练数据运用梯度下降算法训练模糊系统,调整模糊系统参数,建立相应的接触电阻模型,利用训练数据建立接触电阻的回归分析模型.通过测试数据对两种模型进行测试,基于模糊系统的接触电阻模型的测试结果优于回归分析.预测与比较结果表明:若能得到足量训练数据,用梯度下降算法训练模糊系统建立的接触电阻模型精确可靠.     

ARIMA模型在股价预测上的应用及其傅里叶修正

ARIMA模型静态预测精确度较高,但是只能预测下一期的值,动态预测可以预测多期的值,但是不能很好的给出股价走势.现以股票价格走势为例,首先利用ARIMA模型动态的预测序列未来多期的值,再结合傅里叶级数预测法建立修正的预测模型,以得到较为准确的股价走势.     

土地利用规划耕地预测方法对比研究——以甘肃省临夏市为例

以甘肃省临夏市1998-2008年耕地面积的土地利用变更调查数据为基础,采用头脑风暴法、趋势分析法、一元线性回归法、移动平均法、GM(1,1)模型法对临夏市历年的拼地面积的变化情况进行分析,并得出移动平均法更适用于临夏市周边其有相似地貌特征地域的耕地量的预测,为临夏市未来耕地的变化提供了一种较为可靠的预测模型.     

基于流预测的无线传感器网络动态功率管理

为了最大限度地节约能量的使用,延长无线传感器网络使用寿命,提出了一种利用小波和自回归的动态功率管理(DPM)方法.该方法利用收发器(sink)节点上的历史数据流预测未来值,在后续周期内,若传感器节点的观测值不超过给定阈值则不向sink节点发送数据,sink节点将预测值作为观测结果,通过减少传感器节点工作时间,降低网络数据传输量来减少传感器网络的总体能量消耗.理论分析和试验结果表明,该方法是有效的.     

动态灰色预测模型在大坝变形监测及预报中的应用研究

详细地讨论了灰色预测模型GM（1，1）和动态灰色预测模型的基本内容及建模过程，并成功地将等维新息和等维灰数递补两种动态灰色预测模型应用于大坝变形的预测预报。实践证明，等维新息动态预测由于实时地加入了新的信息，提高了灰区间的白色度，预测效果最好；等维灰数递补动态预测利用了序列建模的结果，淡化了灰平面的灰度，使预测结果有所改善；GM（1，1）模型由于是静态地反映系统的变化趋势，预测的精度最低。因此，动态灰色预测模型在大坝变形的预测预报中比静态预测模型具有更高的应用价值。     

重庆市城市化趋势预测分析

重庆市直辖10年以来城市化水平得到了快速提升,从影响重庆市城市化进程中的城市化经济因子、城市化居民生活因子、基础设施因子中的3方面14项指标,运用主成分分析方法,得到目标权重值,对人口城市化率进行回归,建立回归模型,对重庆市城市化率进行预测.结果1996年至2007年之间的数据拟合较好,回归模型预测2008年重庆市城市化率达到50%,2020年为70%,平均每年增长1.6个百分点.结果表明,重庆市的城市化水平进程可谓是时间短、速度快.重庆市应该根据自身未来城市化的发展趋势,采取有效措施,合理确定发展路径,以推动经济社会整体的快速发展.     

空中交通流量预测的人工神经网络和回归组合方法

为了寻找合适的空中交通流量预测方法,在综合回归预测方法和人工神经网络预测方法优点的基础上,提出采用组合预测方法的思想,并基于多元线性回归模型确定组合方法的权重系数。以北京管制区大王庄导航台流量预测为实例,分析结果表明:组合预测方法对实际流量有好的拟合度,能提高人工神经网络的泛化能力,并减小预测的误差,即总体上不仅优于传统的回归预测方法,也优于单独的人工神经网络预测方法。组合方法为空中交通流量的预测提供了一种可靠而有效的新途径。     

美元/欧元汇率的趋势与波动分析及区间预测

对美元/欧元汇率进行趋势与波动分析并作出区间预测。利用BP神经网络提取趋势,对残差分别运用自回归移动平均模型和广义自回归条件异方差模型分析波动性,将趋势与波动性结合给出区间预测。对2001年7月至2017年10月美元/欧元汇率的研究发现,BP神经网络具有很好的非线性刻画能力,但只有合适的预测精度才能得出较好的预测区间,同时也发现,广义自回归条件异方差模型对波动性的分析效果优于自回归移动平均模型。因此,BP神经网络模型与广义自回归条件异方差模型的组合模型(BP-GARCH模型)更适合时间序列的中长期区间预测。通过调节BP神经网络的参数、误差及预测精度提高组合模型的精度。     

基于GM(1,1)模型的空气质量变化趋势预测及分析

在掌握区域空气环境质量现状资料的基础上,运用具有适用性广,预测准确率高等优点的灰色系统预测模型对大连市未来五年空气中SO2的浓度变化趋势进行预测,对其模型的精度和可行性进行了分折和检验,并与目前常用的指数平滑法的预测结果进行了对比。研究结果表明:建立基于GM(1,1)模型的大气质量变化趋势预测模型是可行的,其模型的平均相对误差比指数平滑法减少了44％,因此预测精度高,能够满足预测要求。     

A Novel Method for Nonlinear Time Series Forecasting of Time-Delay Neural Network

Based on the idea of nonlinear prediction of phase space reconstruction, this paper presented a time delay BP neural network model, whose generalization capability was improved by Bayesian regularization. Furthermore, the model is applied to forecast the import and export trades in one industry. The results showed that the improved model has excellent generalization capabilities, which not only learned the historical curve, but efficiently predicted the trend of business. Comparing with common evaluation of forecasts, we put on a conclusion that nonlinear forecast can not only focus on data combination and precision improvement, it also can vividly reflect the nonlinear characteristic of the forecas ting system. While analyzing the forecasting precision of the model, we give a model judgment by calculating the nonlinear characteristic value of the combined serial and original serial, proved that the forecasting model can reasonably catch＇ the dynamic characteristic of the nonlinear system which produced the origin serial.     

基于微观仿真的快速路短时交通流预测

利用微观交通仿真技术可以对快速路上的交通进行短时预测。将快速路上的线圈采集的实时数据输入本文所述的交通仿真系统进行仿真,可以预测一段时间以后的交通状况。沿着这个思路,描述如何利用仿真技术进行短时交通预测,特别是对如何建立满足实时性和动态性要求的交通生成模型进行了详细的阐述。通过对真实历史数据进行仿真预测,并分析对比,结果说明使用微观仿真模型进行短时交通预测是可行的。