动态指数平滑优化模型及其应用

针对常规二次指数平滑模型在实际应用中的不足，引入动态平滑参数的概念，建立了一类不需选取平滑初值、平滑权重能自行调整的指数平滑模型；以预测误差平方和SSE最小为目标，构造了优选并自动生成最佳平滑参数使预测模型得以优化的最速下降算法。通过严谨的数学论证和算法分析较完整地解决了指数平滑预测中，平滑参数靠经验确定并且因静态、平滑初值难以确定而易导致预测偏差等问题、最后用所建模型对中国消费品零售总额进行了预测。结果明显优于传统模型。     

平滑系数自适应的二次指数平滑模型及其应用

通过对传统指数平滑模型的分析,提出了动态平滑参数的概念;并由此建立了平滑权重对时间序列能够自适应的新的二次指数平滑新模型;进而得到Brown单参数和Holt双参数两类线性趋势模型及其不同于传统模型的良好性质.新模型使困绕指数平滑应用的初值难以选取、平滑参数适应性差及系统预测偏差等问题得到了较完整的解决.预测实例表明新模型提高了预测精度,并有很好的自适应性.     

动态多模型指数平滑法融合的在线预测方法

针对传统预测算法实时性差、难以适应多种数据变化情况、参数无法根据数据的实时变化进行在线调整等问题,提出了一种动态多模型指数平滑法融合的在线预测算法。该算法根据历史数据的预测误差,动态调整指数平滑法的平滑系数,以及1次、2次、3次指数平滑法的融合权值,实时得到对传感器测量参数的准确预测。仿真表明,该算法在多种数据变化情况下均优于单一采用指数平滑法。     

动态多模型指数平滑法融合的在线预测方法

针对传统预测算法实时性差、难以适应多种数据变化情况、参数无法根据数据的实时变化进行在线调整等问题,提出了一种动态多模型指数平滑法融合的在线预测算法。该算法根据历史数据的预测误差,动态调整指数平滑法的平滑系数,以及1次、2次、3次指数平滑法的融合权值,实时得到对传感器测量参数的准确预测。仿真表明,该算法在多种数据变化情况下均优于单一采用指数平滑法。     

基于平滑指数仿真优化的装甲装备器材消耗预测

准确地预测装备备件需求是合理有效进行各项保障工作的基础,通过分析现有常用的器材消耗预测方法,针对袭甲装备维修保障的特点,假设在已收集某类备件消耗数据的基础上,选取基于时间序列的指教平滑法对装甲装备维修保障器材消耗预测进行了研究.同时,针对平滑指数的选取问题,以最小预测方差为优化目标,构建了基于Anylogic的仿真优化模型,并最后通过具体案例应用,对计算方法进一步的说明和检验,结果反映出:当器材消耗量平稳变化时,此法具有较高的准确度;当器材消耗量变化较大时,预测结果存在较大偏差.     

基于不同预测技术的供应链牛鞭效应分析

以H.L.Lee提出的消费需求AR(1)自相关模型为基础,在假定采用订货点库存策略的前提下,分别推导出了零售商采用移动平均法、一次指数平滑法预测及均方误差优化预测市场需求时,生产商所面对的需求波动,建立三种需求预测技术对一个两级供应链牛鞭效应影响的量化模型及仿真模型并进行了验证,分析了不同预测技术对供应链牛鞭效应的影响及适用范围.     

时用水量预测的自适应组合动态建模方法

利用随机过程及时间序列分析手段,根据用水量序列季节性、趋势性及随机扰动性的特点,建立了用水量预测的自适应组合平滑模型。利用递推最小二乘算法及卡尔曼滤波算法解决了模型参数的动态估计问题。该法经实例验证,预测误差较小,可满足供水系统调度的实际需要。     

企业危机预测与识别模型

针对当前大部分企业危机预警模型只能报警,不能预测的现状,提出一种基于指数平滑法与模式识别的预警模型。该方法首先对企业运营的单项特征指标进行预测,然后对预测结果模式识别分类,同时判断企业的危机状态。最后,用实例验证该模型的有效性。     

无偏灰色预测模型

研究了传统灰色预测模型的特性,证明了传统灰色预测模型是有偏差的指数模型,并在此基础上提出了无偏灰色预测模型.无偏灰色预测模型消除了传统灰色预测模型本身所固有的偏差,实质上是一种无偏的指数模型.无偏灰色预测模型不仅性能优于传统灰色预测模型,而且其适用范围也较传统灰色预测模型有了很大扩展.给出的两个实例充分显示了无偏灰色预测模型的优越性.     

线性时变参数离散灰色预测模型

分析离散灰色模型模拟值增长率恒定的原因,通过引入线性时间项,构造时变参数离散灰色模型(称TDGM(1,1)模型).进而研究该模型性质,结果表明:TDGM(1,1)模型具有白指数规律重合性、线性规律重合性、伸缩变换一致性,克服了原离散模型模拟值为等比序列的问题.应用最优化方法研究TDGM(1,1)模型迭代基值问题,建立优化模型并提出求解算法.最后说明应用TDGM(1,1)模型进行建模和预测的步骤,通过实例比较该模型与原离散灰色模型及非其次离散模型的预测能力,结果显示TDGM(1,1)具有更高的模拟和预测精度.     

预测模型参数的指数平滑估计法及其应用的进一步研究

首先提出指数平滑技术在预测模型参数估计中应用的原理，其次研究指数平滑参数估计法的渐近最优性，最后，应用指数平滑技术给出修正指数曲线预测模型参数估计及组合预测确定权重的一类新方法．     

短时交通流预测FSMSVR模型

针对城市道路短时交通流的复杂非线性特点和以往的预测仅考虑典型交通条件（无交通事故等突发事件）的现状,结合交通流的特征,提出了一种有限状态机支持向量回归模型（finite state machine of support vector regression model,FSMSVR）的短时交通流预测机制. 通过线性回归算法和指数平滑算法划分交通流状态,根据各状态特点结合支持向量回归算法建立有限状态机工作机制,实现涵盖典型和非典型交通条件的短时交通流预测. 通过实验例证,对比了FSMSVR模型和传统SVR模型对城市道路6min交通流的预测,研究结果表明,该预测机制能够提高预测精确度,在非典型条件下有着较好的预测表现.     

基于粗糙集理论修正的后续备件指数平滑预测方法

针对后续备件需求预测误差大的问题,提出一种基于粗糙集理论修正的后续备件指数平滑预测方法。根据备件需求数据呈现的趋势,通过拟合确定指数平滑法的次数和平滑系数。从装备在使用过程中影响备件需求数据波动的因素出发,提出了不依赖于基本预测方法的改进预测思路。构建基于粗糙集理论的修正模型。结合算例,对比分析所提方法的优越性,结果表明修正方法可以显著提高预测精度,提出的改进方法不涉及基本预测方法内部特性且无需引入其他辅助方法,通用性较强。     

基于改进核平滑辅助粒子滤波的失效预测方法

针对系统模型存在多个未知参数的情况,提出了一种基于改进核平滑辅助粒子滤波(improved kernel smoothing auxiliary particle filtering, IKS-APF)的失效预测方法。首先,在已有核平滑辅助粒子滤波基础上引入增益因子和加速因子,使其具有参数方差双向调节能力和更快的参数估计收敛速度。然后,使用ISK-APF进行状态和参数的联合估计,为确保参数估计的准确性同时减少参数的不确定性,设计了方差监视和短期预测误差匹配相结合的自适应粒子方差控制方案。最后,使用最新估计到的状态和参数粒子进行迭代预测,并通过统计状态粒子首达失效状态空间的时间计算出剩余使用寿命（remaining useful life, RUL）。仿真结果证明了本文方法的有效性和优越性。     

小快拍数的线阵空时自适应处理方法

给出了一种用来进行抗混响的降雏空时自适应处理方法,尤其适合于在样本数据不足的情况下使用.该方法把待检测的空时数据划分为子组进行空时自适应处理,采用空时前后向平滑的方法来增加有效的样本数据数量,提高协方差矩阵的估计精度.对所有子组的输出进行相干叠加,不仅进一步提高了输出信混比,还减小了因子组处理而带来的空间和时间孔径的损失.利用实测运动声纳混响加仿真目标的方式对给出的方法性能进行了检验,表明该方法能够有效消除强混响,而且具有较高的稳健性.     

供应链网络机制与动态特性的研究

针对传统供应链中地点分布散，提前期长，灵活性差，无法及时了解各节点库存状态，造成顾客满意度下降，客户资源流失，性能不稳定等问题，提出了一种基于动态的多级供应链网络规划模型，采用了混合整数规划方法，将战略层与作业层相结合，得到成本最小、性能稳定的柔性供应链结构。应用Z变换和指数平滑预测方法进行仿真分析。比较了两种供应链网络规划的动态效果。