灰色预测和时序预测的探讨

本文讨论了灰色模型,特别是GM(1,1)模型的特点和适用范围,并将GM(1,1)模型和时序AR(n)模型结合起来(称为组合模型),对我国轻工业产量发展指数等三个项目分别进行了组合模型预测。结果表明,在一般GM模型中引入AR模型可显著提高预测的准确度;在非平稳时序建模中引入GM模型,可作为提取趋势项的另一种方法。文中还从预测的角度将灰色模型和时序模型进行了比较和分析,对“灰”的物理概念进行了初步探讨。     

时序模型用于圆度预测补偿控制问题的理论探讨

本文研究了以AR(自回归)时序模型用于圆度预测补偿控制问题;从最小方差控制的角度,指出了AR模型的局限性而应代之以ARV模型.文中讨论了运用自校正调节器的可能性,以克服加工环境慢时变特性对预测控制的影响.     

基于时序分析与神经网络的能源产量预测模型

实际生产系统中存在大量时间序列问题，为了研究系统的结构和规律，我们需要建立时间序列模型，对其进行预测和分析。目前时间分析方法多采用AR或ARMA模型，但由于实际问题错综复杂，导致模型求解困难，实际中难以应用。为了解决上述问题，首先分析了生产系统时序分析的基本原理，利用BP神经网络建立了时序—神经网络模型，然后利用该模型对能源产量进行了预测。通过预测结果的分析可看出，该模型具有利用方便、动态性能好、预测准确性高等优点，在实际中具有一定的实用价值。     

基于CATPCA的优化Transformer卫星电源消耗时序预测研究

提出一种由基于最优尺度量化的分类主成分分析数据处理模块和优化Transformer时序预测模块组成的卫星电源消耗预测方法.针对卫星工程数据的高冗余问题，建立了基于赫斯特指数分析（Hurst）、灰色关联分析以及分类主成分分析（CATPCA）的卫星高维数据处理模型，对百维度时序数据进行有效提取，重构输入数据.采用对抗学习网络架构，建立多学习Transformer的卫星电量预测模型，模型综合考虑影响卫星能源消耗的多种因素以及时序数据依赖，可以在较短的时间内完成高精度卫星电源消耗时序预测.实验部分采用卫星真实运行数据，综合考虑影响卫星能源消耗的多种因素，12 h预测拟合优度达到94%，比BP神经网络，长短期记忆网络（LSTM）精度更高.可以有效克服常规工程数据的冗余、缺失以及脏数据问题，解决了常规时序预测需要依赖长期数据的不足缺陷，有效完成卫星能源短时消耗高精度预测.这对卫星在轨任务规划、卫星在轨健康管理等后续任务提供可靠支持.     

灰色系统与时序组合模型在高层建筑沉降预测中的应用

将高层建筑沉降监测数据视为具有确定性趋势的非平稳时间序列，运用灰色GM(1，1)模型提取其中的趋势项，用AR(n)模型表示随机残差项，利用灰色-时序组合模型进行沉降预测．算例结果表明，该组合模型具有较高的预测精度，是一种简单、实用的高层建筑沉降预测方法．     

云锡矿工肺癌的时间序列预测方法

本文对云锡矿工肺癌的SMR(Standard Mortality Rate,标准死亡率比)预测模型进行了分析,指出该模型的局限性。在此基础上提出了直接利用矿工肺癌死亡数的AR(Auto-Regreesive,自回归)模型预测法和矿工肺癌SMR序列非平稳时序模型预测法,分析了这两种预测法的优劣和适用范围,并对云锡老矿20～40年代下井矿工肺癌死亡进行了预测,得出矿工肺癌死亡趋势将减缓的结论。结果表明,本文提出的预测方法是可行、可信的。     

多维AR（p）与指数平滑组合预测算法的研究及应用

介绍了时间序列多维AR(p)模型和指数平滑模型的理论和方法，将这两种模型结合起来构成新的组合预测模型，并用于预测测井曲线．应用实例证明，多维AR(p)与指数平滑组合预测模型比单独用多维AR(p)预测模型有更高的预测精度．表明该组合预测模型是一种非常有效的预测新方法．     

粗铜冶炼中铜锍品位的动态预测模式 —AR（p）与指数平滑最优组合法

提出了一种对铜锍品位进行预测的新方法 ,即以采集的现场数据为基础 ,采用系统辨识动态地建立了AR(p)模型与三次指数平滑模型 .AR(p)模型要求数据对象是平稳时间序列 ,而三次指数平滑模型的数据对象具有随机性 ,考虑到铜锍品位的波动性 ,将 2种模型按最小二乘原理 ,以组合预测误差平方和为目标函数 ,通过使误差平方和极小化来确定 2种预测方法的最优加权系数 ,建立了一种新的组合模型 ,其预测误差最小 .结果表明 ,在当时数据条件下 ,AR(p)与指数平滑组合模型比AR(p)与指数平滑模型单独使用时精确度都要高 ,这对指导生产具有实用意义 .     

多维AR（p）模型的估计理论及应用

叙述了多维AR(p)模型的分析与处理方法、多维AR(p)预测模型的建模过程及参数估计的计算方法，并将该模型在测井曲线的预测中加以实际应用．应用结果表明：本预测模型对多维动态数据进行预测是可行的。     

城市日用水量的自回归模型(AR)预测方法

介绍了利用自回归模型(AR)预测城市日用水量的方法，阐述了AR模型的阶数和自回归系数的求解，并结合工程实例，预测出某城市日用水量，达到了较好的预测效果。     

结合聚类模型和自适应模型的遗传算法

在进化后期,自适应遗传算法有助于保存种群中的优秀模式;但在进化初期,对适应度值大的个体的保护,易降低种群的多样性、减弱算法的搜索性能。基于聚类的遗传算法可以提高遗传算法的收敛速度和搜索性能,但交叉概率和变异概率取定值,易使优秀模式在进化后期遭到破坏,难以收敛到全局最优。在遗传算法中同时引入聚类模型和自适应模型,有利于继承两类改进型遗传算法的优点,克服各自的不足。使用经典的测试函数对引入聚类模型和自适应模型的遗传算法进行测试,仿真结果表明:同时引入聚类模型和自适应模型的遗传算法比引入聚类模型或自适应模型的遗传算法具有更好的收敛速度和寻优能力。     

多个投资者的消费投资模型

讨论了单时期金融市场模型的最优投资组合问题,将多个投资者作为一个整体,得到了在同一个效用函数下,使总体期望消费效用达到最大的一般性结果.     

存贮优化模型及其应用

研究了确定性存贮模型和随机性存贮模型．应用这些原理，可以改善企业或商业行为的经营管理，以达到节约资金获得更多利润的目的.     

具有年龄结构和隔离措施的手足口病SEIQR模型

以偏微分方程建立了手足口病SEIQR模型,运用非线性发展方程的齐次动力系统理论讨论了该模型的有关性态.得到了再生数R0的表达式,证明了当R0<1时,系统存在唯一局部渐近稳定的无病平衡态;当R0>1时,证明了无病平衡态和地方病平衡态都存在,无病平衡态不稳定,地方病平衡态在一定条件下局部渐近稳定.     

基于模型预测内模的实时控制算法

对具有滞后性、外界扰动和被控对象参数不确定性、快速性要求高的一类单输入-单输出线性系统的非恒值实时控制的模型预测内模的控制算法进行了进一步的分析研究.从理论上分析了该控制算法的系统稳定性条件、稳态控制误差,研究了在逆变电源控制系统中,该控制算法对负载的鲁棒性和对扰动的抑制能力.算法仿真表明:该控制算法能够克服外界扰动和被控对象参数不确定性,系统具有较强的鲁棒性,稳态控制精度高,动态响应速度快.     

用AR模型建立变形预测模型的研究

在用时间序列分析方法建立变形测量的预测模型时,基于动态数据系统方法的传统F检验定阶法,由于样本的随机性可能过早地退出对模型的循环检验,从而不能找到合适的预测模型.在探讨如何用AR模型建立变形测量预测模型的基础上,提出了一种改进的建模方法,并在实例的应用中取得了较好的效果.     

我国地下水管理模型应与国际接轨

一、提高我国地下水管理 水平已是当务之急 我国是一个贫水大国,每年都有不同程度的旱灾发生。随着人口剧增和经济高速发展,水的供需矛盾已成为制约我国工农业生产和城市发展的瓶颈。全国地下水资源量为 ８ ２８７亿立方米,目前地下水的年开采总量已突破１０００亿立方米,占全国供水总量的２０％。其中,北方１７个省、市、区地下水的开采总量占全国地下水开采总量的８８％,占北方１７个省、市、区供水总量的１／３以上。另据有关统计资料,全国有１００多座城市和一些井灌区的地下水水位都发生了不同程度的持续下降,有的地方地下水资…     

一类带延迟风险模型的破产概率的递推计算

考虑了一类带延迟的风险模型的破产概率问题.索赔记数过程为泊松过程,在泊松过程的每个跳跃点都有两类风险发生,其中一类的索赔会延迟.对该类风险模型,利用拉普拉斯变换和所满足的微分方程,给出了破产概率的递推计算公式,从而解决了最终破产概率的近似求法.     

一个多资本的Learning-by-doing模型

考虑一个多资本投入的一般Learning-by-doing模型。该模型技术进步的增长率由经济发展过程内生地决定。当技术对资本为递减规模回报时，该经济仅有唯一正的均衡点。运用单调动力系统理论论证了此模型的稳定性问题，求出了这种经济的收敛速度。     

对偶风险模型中的随机观察

研究了随机观察在对偶风险模型中的应用.当罚金函数仅依赖于破产赤字ω(x₁,x₂)=ω(x₂) 时,导出Gerber-shiu期望折现罚金函数 mδ(u) 所满足的微积分方程,并给出了当收益额的密度函数服从指数分布和ω(x)=e-r2x 时,得到mδ(u)的显示解.