玉米螟种群动态分级预报的物元模型及其应用

为了探索玉米螟种群动态的预测预报，作应用了物元要领和关联函数，确定了玉米螟种群动态分级的经典域物元和节域物元，建立了分级预报的物元模型。     

集对分析聚类预测法及其应用

提出一种新的预测方法－－集对分析聚类预测法，该方法融合了集对分析中的同异反模式识别的“择近原则”和聚类分析的基本思想进行分类预测，文中将该方法应用于于邮电业务总量预测的研究，研究，考虑了邮电业务总量和第一、二、三产业的国内生产总值之间的关系，利用邮电业务总量和三个产业的生产总值的历史数据，建立了邮电业务量水平聚类预测的模型，从而得到邮电业务总量预测结果，利用我国某地区的实际数据进行分析计算，并与其它预测方法比较，结果表明预测方法是有效的。     

基于神经网络的非线性时间序列预测方法研究

本文提出了一种基于神经网络进行非线性预测的方法，对ＢＰ模型应用于非线性预测了较详细的研究和探讨，应用该方法对经典非线性时序信号进行预测，并与传统预测方法（ＴＡＲ预测法）效果进行了比较，结果证明神经网络预测方法（ＡＮＮ预测法）具有十分明显的优势。     

市场需求Logit组合预测的研究

首先阐述了网络市场营销和传统市场营销的区别，分析了在该环境下市场需求的变化和相应的特点。其次，研究了一种利于计算机建模的市场需求组合预测方法，即采用Logit回归法训练数据的市场需求组合预测模型。最后，将该方法用于家用电冰箱市场需求趋势预测的示例研究，采用信息熵的方法，检验了组合预测模型的预测效果。实例表明，该方法可以通过调整组合权重提高预测精度。     

神经网络在预测中的一些应用研究

预测是一个很难的研究课题，近来利用新的科学理论探索新的预测方法是预测界人士进行预测课题研究的一个重要方面．其中人工神经网络在预测领域中的应用研究进展最快，它包括研究神经网络预测方法和神经网络在预测过程中作为辅助工具．本文介绍几种主要的神经网络预测方法及其应用和利用神经网络确定ＡＲＭＡ 模型的结构．     

神经网络模型用于多变量综合预测

本文研究神经网络用于多变量时间序列预测的原理与方法，提出组合多种信息的综合预测方法。以股票交易为例，用神经网络组合各类信息，运用信心股价理论对中国股市的发展进行跟踪预测。在此基础上进一步从信息利用的角度说明了神经网络预测方法的特点。结果表明，神经网络模型用于多变王时间序列预测，其精度和趋势均较统计方法有所提高；神经网络综合预测，对中短期股票价格的预测，有实用价值。     

交流伺服系统串级预测函数控制的仿真研究

根据预测函数控制方法的原理对交流伺服系统进行了三级串级闭环控制的仿真应用研究。在分析预测函数控制方法闭环性能的基础上，给出预测函数控制器的设计方法，建立了交流伺服系统串级预测函数控制的系统结构，讨论了实现串级控制的方法。通过仿真及与PID方法的比较表明，预测函数控制方法能够改善交流伺服系统的控制特性。     

预测支持系统的研究与发展

预测在决策中起着非常重要的作用，但作出准确的预测是很困难的，预测支持系统集预测方法，预测领域及应用领域知识为一体，充分利用计算机的支持作用，是帮助人们进行预测的有效工具，研究人员非常重视预测支持系统的研究，本文对预测支持系统的结构设计、模型管理、人工智能在系统中的应用以及预测支持系统的一些实际应用进行了概述，并分析了“多库”结构预测支持系统在进行复杂问题预测时的一些不足之处，指出Ａｇｅｎｔ预测支持     

高低频预测模型结合的最优化方法

结合用于预测同一经济变量的高低预测模型能够集中两类模型的优点，使得低频预测结果动态化，是同时具有理论意义和实用价值的课题。本文用最优化方法对此进行了研究。文中提出了高频序列有补充信息时对低频预测结果的动态调整方法。该方法已用于中国进口与关税税收预测支持系统的研制，预测及检验结果表明该方法具有很好的预测效果和实用性。     

可拓聚类预测方法及其在邮电业务总量预测中的应用

本文提出一种新的预测方法－可拓聚类预测方法，并用该方法进行邮电业务总量预测的研究。利用邮电业务总量和三大产业的生产总值的历史数据构造分类经典域和节域物元，应用物元和可订合中的关联函数，建立了业务量水平聚类预测的一种简单模型，通过聚类分析得到邮电业务量预测结果，本文利用我国某地区的实际数据分析计算，结果表明可拓聚类预测方法是有效的。     

基于模型的构件系统性能预测综述

在软件开发过程的早期引入性能需求，并通过建立性能模型对待实现系统的性能进行预测可以极大减小项目风险。给出了构件系统性能预测的一系列相关定义，总结并比较了各种性能模型在描述能力和解析难度上的优缺点。在总结通用的性能预测方法基础上，提出了基于模型的性能预测方法的一般思路。详细介绍了基于模型的构件系统性能预测3类方法，从多个方面对各种方法进行了比较和分析。探讨了当前研究中的不足之处，给出了本领域有前途的研究方向。     

GPPM(1)动态摆动指数变换的直接建模与全国电视机产量预测

研究提出了原始数据序列的动态摆动指数变换方法和ＧＰＰＭ（１）灰色模型。全国电视机产量预测应用表明，本文方法合理、可行、有效，且更完善，预测精度令人满意，可以作为一种研究社会、经济系统客观规律的新的认知方法.     

预测的混沌范式及动力学方法

本文分析了混沌理论关于预测的概念和预测的范式假定，提出混沌动力学预测方法，给出其预测的过程；通过实例研究了环境干扰对于系统行为演化的影响，指出外部扰动内生化对系统行为稳定的作用。     

调和平均的组合预测方法之性质研究

调和平均的组合预测是一种非线性组合预测方法．对基于最小几何距离的加权调和平均组合预测模型的性质进行了研究，从理论上说明了该种方法的有效性．首先提出新的非劣性组合预测、优性组合预测、预测方法优超、冗余度的概念；其次指出模型的任一个可行解对应的组合预测至少是非劣性组合预测，并给出优性组合预测存在的一个充分条件；最后证明在一种单项预测方法优超另一种单项预测方法的条件下冗余预测方法出现的判定定理．     

基于卡尔曼滤波理论的实时行程时间预测模型

行程时间预测是交通流诱导系统研究的一项重要内容．在分析各种行程时间预测方法的基础上，本文利用卡尔曼滤波理论建立了行程时间预测模型， 利用实测的交通流量预测几个时段后的路段行程时间， 进而预测路径行程时间．文中利用三种方法预测行程时间并对结果进行了分析     

预测模型Agent的实现方法

在多Agent预测模型系统中，由预测方法和模型构成的预测模型Agent是完成预测任务的主体，实现各种预测模型Agent是开发多Agent预测模型系统的主要工作，本文在实现Agent的整体框架基础上，研究了直接编程预测模型Agent的实现方法，并提出了利用Agent技术封闭现有预测模型软件来快速建立预测模型Agent的思路。     

组合预测贝叶斯方法研究

本文研究了组合预测的基本理论，提出了有效的最优权重确定方法。基于贝叶斯理论分析，在相当一般的条件下，本文推导了非线性组合预测方式。该组合具有相当一般性并将传统算术加权平均、几何加权平均等组合预测方式作为特例。实例分析证实了本文方法的有效性。     

基于混沌和RBF神经网络的短时交通流量预测

针对传统的应用数学模型方法在短时交通流预测精度和实时性方面存在的问题，论文从非线性时阅序列的角度对短时交通流量预测进行探讨，提出采用基于混沌理论的RBF神经网络预测方法。首先在采用小数据量的Lyapunav指数计算方法判定交通流存在混沌的前提下，对交通流量数据进行相空间重构。构建了RBF神经网络，并对模拟产生的Lorenz和Rossler混沌时间序列数据以及实际采集的高速公路交通流量数据进行了仿真研究。结果表明，该方法对模拟产生的混沌时间序列具有很好的预测效果，在交通流量的短时预测上也具有较高的预测精度。     

基于小波分析和B-J方法的数据结构挖掘和预测

结合小波方法和B—J方法对经济信号进行数据结构挖掘分析和预测，得到较好的效果。通过大量研究和试算，得出并预测所研究的某一具体信号所受的主要因素和次要因素影响力度的大小和规律，同时挖掘出该信号的突变点和平稳过渡点。     

原油价格预测：近30年研究回顾和未来展望

原油价格预测是能源经济和资产定价领域的重要研究方向，其研究热度正逐年上升。文系统梳理了30多年来原油价格预测领域的相关文献，从以下4个方面进行了现有文献的综述与讨论：(1)原油价格预测对象；(2)原油价格的影响因素、预测变量和理论基础；(3)原油价格预测方法与模型；(4)原油价格预测的实践意义。最后，结合当前热点和未来发展趋势给出值得进一步研究的方向：一是使用气候风险等新的预测信息；二是充分利用多源异构数据；三是提高机器学习等预测模型的可解释性。