公路运输量预测的综合时序分析

在公路网规划中 ,正确地确定区域的公路运输量是一项重要的基础工作 ,公路运输量的时间序列具有复杂的非线性关系 ,难以用单一的模型进行预测 ,针对时间序列具有趋势变动、周期变动和不规则变动的特点 ,文章提出用综合集成的方法分别考虑公路运输量序列中所隐含的 3种变动 ,并针对 3种不同变动的特点分别建立相应的模型进行分析 ,在此基础上再从总体上把握运输量时间序列的变化规律。并结合实例对模型进行了验证 ,表明具有较高的拟合精度 ,为公路运输量的预测提供了一种有效的方法。     

棉蚜种群模型的参数估计

棉蚜种群增长随时间而变化.棉蚜种群在数量变动的过程中,分几个小周期.在每个周期内,其数量的变化可以用Logistic方程与反Logistic方程来描述.介绍了棉蚜种群模型的便于使用的参数估计方法,得到棉蚜种群模型的参数估计,为研究棉蚜的综合防治提供理论依据.     

基于多元统计分析的通货膨胀水平的周期变动分析与综合测定

对通货膨胀的常用指标的周期变动及其综合测定进行探讨。首先利用多元逐步回归分析方法,建立了各物价指数的三角回归模型,进行了周期变动分析;然后利用因子分析法建立了通货膨胀水平的综合测定模型。文章对我国通货膨胀的变化状态作出了较好的分析。     

阶跃型滑坡的位移预测方法研究——以三峡库区树坪滑坡为例

三峡库区中阶跃型滑坡位移变化强烈,具有明显的周期性陡增特征,位移预测对该类滑坡的防灾减灾工作具有重要意义.以三峡库区树坪滑坡为例,采用时间序列分析方法,将滑坡总位移分解为趋势项和周期项,采用GM(1,1)模型和AR模型分别对滑坡位移的趋势线位移和周期项位移进行拟合与求解,并对总位移进行预测.结果表明:GM(1,1)灰色模型可以有效地对滑坡位移的趋势项进行预测,并且可反映树坪滑坡的长期变形趋势;AR模型能准确反映库水位变动对滑坡的周期变形影响;将预测总位移与滑坡累积位移进行检验对比,可以发现预测结果与实际结果基本一致,本文提出的位移预测方法可应用于阶跃型滑坡.     

具有偏差变元的二阶中立型泛函微分方程多个周期解的存在性

考虑具有偏差变动的二阶中立型泛函微分方程的周期解,并利用迭合度的缺方向性得到方程至少存在两个非平凡的周期解的充分条件,推广了已有的结论,得到了新的结果.     

具无穷时滞的两种群互惠扩散模型的周期性

研究系数具有周期条件的两种群互惠扩散模型的周期解的性质.首先给出一般的具有周期条件的抛物边界问题的周期解存在定理,接着利用存在定理和上下解的方法研究模型周期解的存在性,最后在该模型的基础上,用迭代序列方法讨论具有周期条件的初值问题的渐近性质.     

一类非线性时滞微分方程模型系统的稳定性和Hopf分支分析

探讨了2个具有竞争相克作用的浮游植物种群的二维非线性时滞微分方程模型.分析了当离散时滞在临界值附近变动时,无时滞和有时滞系统的共生平衡点由局部渐近稳定变为不稳定.应用Hopf分支理论得出了分支周期解的存在条件,揭示了时滞T分支参数对系统基本动力学性质的影响.对所得的结果进行了数值模拟和可视化验证.通过选择适当的时滞参数值,所建立的时滞微分方程模型能够捕捉到各种浮游植物物种通常所展示的周期性暴发的振荡特性,这对于有害浮游植物的预防和控制具有一定的指导意义.     

泉水月流量预报模型研究

泉水系统属非线性动力系统,泉水月流量序列具有季节波动的特点.借助季节变动模型建模思想,采用灰色趋势预测模型与神经网络模型,分别对其长期变动趋势与季节变动的非线性进行估计,经实例验证,表明提出的灰色季节神经网络耦合模型,其拟合、预测精度均优于独立应用灰色季节模型或神经网络模型的精度.     

应用时间序列分析法进行棉红铃虫中长期数值预报的研究

本文以时间序列分析法组建棉红铃虫数值预报模型,将棉红铃虫种群数量变动的时间序列分解为周期项和随机项,采用逐步回归周期分析和平稳随机序列分析方法分别提取其周期项和随机项,经迭加后应用于中长期数值预报,经初步验证,效果尚好。     

长江口春季潮周期内总悬浮颗粒物浓度的光学遥感反演

长江河口水域由于受径潮流相互作用和高含沙量影响,水体光学特性具有特殊性.同一潮周期内大潮时总悬浮颗粒物浓度能达到0.5 kg/m~3以上,而小潮时最大总悬浮颗粒物浓度只有大潮的1/3,高总悬浮颗粒物浓度和潮周期内较大的变差,使得很多经验算法无法取得良好的反演效果.为了能适应该区域特殊水体特性,通过改进总悬浮颗粒物的复杂指数模式,建立了适合长江口地区的改进模式.利用2014年5月航次现场光学和同步水沙数据分析了长江河口地区总悬浮颗粒物浓度随着潮周期的变化特征,在原有7个备选波段的基础上引入了806nm和858 nm两个备选波段,补充近红外波段峰面积指数作为复杂指数模式的第五个指数,将复杂指数与总悬浮颗粒物浓度的对数之间线性关系改进为二次多项式关系,针对不同潮情的水体特性建立了分潮情的改进模型.结果表明:改进的模型可以适用于长江口水域,大、小潮分别建模得到的反演精度较大小潮统一模型更高,能更好地刻画潮周期内离水辐射的变化,反映总悬浮颗粒物浓度的潮周期变动.     

基于LSTM-RBF的水路货运量预测

水路运输是交通和货运的重要组成部分,水路货运量的预测对各地经济发展有重要意义。近年来随着经济形势的变化和多式联运的快速发展,水路货运量的数据波动加大,精准预测的难度变得更大。因此提出一种基于长短期记忆网络（Long Short-Term Memory,LSTM）和径向基神经网络（Radial basis function,RBF）的组合预测模型 。在LSTM-RBF预测模型中,第一阶段通过LSTM对各指标进行精准预测,减少指标值误差对目标值预测带来的影响;第二阶段训练RBF神经网络并在未来指标值的基础上对目标值（水路货运量）进行预测。该模型既避免了时间序列预测仅考虑单一影响因素的缺陷,又能够把LSTM的长时记忆优势带入到RBF的回归预测中。实验结果表明,LSTM-RBF预测模型在均方根误差和拟合度方面,均优于其他对比模型,该预测模型对水路货运量的预测有着较高的准确度。     

钢铁企业电力负荷预测建模研究

针对钢铁企业负荷波动特点,用分解及分类建模的思想,构造负荷预测模型。综合考虑各用电环节的用电特点、工况和工艺信息,分类建立模型,通过各用电环节预测结果叠加获取总负荷预测值。该模型运用静态预测和动态预测相结合的方法,在动态预测过程中充分考虑到实时工艺节奏和动态工况信息,使模型具有更好的适应性。实例表明,该预测模型能获得良好的预测效果。     

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 .     

上海浦东国际机场货运吞吐量预测

航空货运量的预测为机场货运业务的科学决策以及对资源的优化配置提供了基础.在分析浦东机场航空货运吞吐量与经济因素的基础上,建立了以长三角GDP为自变量的相关回归分析预测模型.通过统计检验及实际数据与预测结果的比较,证明了该模型在预测浦东机场航空货运吞吐量方面的可行性,并具有较高的精度.     

云计算环境下智能电网短期负荷预测方法研究

智能电网短期负荷波动性大,传统预测方法无法解决波动性问题,预测结果不准确。为此,提出一种新的云计算环境下智能电网短期负荷预测方法。介绍了支持向量机理论,将一个含有所有某类样本在内的、由支持向量支撑的球面看作超球面,分析了分位数回归过程,将支持向量机和分位数结合在一起,构建支持向量-分位数回归预测模型。得到短期负荷概率密度函数,从而实现智能电网短期负荷预测。在进行实验时,完成对功率采样值和智能电网负荷属性的归一化处理,将其转换成[0,1]区间内的数据。实验结果表明,所提方法预测精度和效率高、成本低。     

非参数估计的小波网络经济预测模型

小波网络是一类由小波构成的神经网络 .在给出基于正交尺度函数的小波网络的基础上 ,建立非参数回归估计的小波网络预测模型 ,并进一步将它应用于经济建模中 .     

基于IOWA算子的安徽省物流需求组合预测

使用安徽省1988-2011年物流货运量的历史数据,分别采用多元回归、多项式拟合回归及指数曲线回归预测方法建立了安徽省物流需求的预测模型.在此基础上,建立了基于IOWA算子的组合预测模型和预测误差评价指标体系,最后应用此模型对安徽省未来10年的物流需求进行了预测.结果表明,该组合预测模型可作为安徽省物流需求预测的有效工具.     

基于L_1范数的加权几何平均组合预测方法

加权几何平均的组合预测是一种非线性的组合预测方法,在传统的组合预测模型的基础上,建立了基于L1范数的加权几何平均的组合预测模型,提出优性组合预测的概念,并给出其计算组合预测权系数的线性规划的解法。实例分析指出该模型给出的组合预测方法为优性组合预测,从而表明该模型的有效性。     

组合预测模型在安徽省粮食产量预测中的应用

利用安徽省粮食产量的历史数据,分别采用一元线性回归、指数曲线及神经网络方法建立了安徽省粮食产量的预测模型。以此为基础,建立了安徽省粮食产量的组合预测模型,并对模型的适用性进行了检验。最后,应用该模型对安徽省未来10年的粮食产量进行了预测。结果表明,组合预测模型可以作为安徽省未来粮食产量预测的有效工具。