基于L1范数的加权几何平均组合预测模型的性质

提出了基于L1范数的加权几何平均的组合预测模型,针对该模型定义了优性组合预测、预测方法优超和组合预测冗余度等新概念;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, 探讨简单等权平均组合预测方法为最优性组合预测方法和优性组合预测存在的充分条件;论证预测冗余信息的可能存在性并给出冗余预测方法出现的一个判定定理.最后进行了实例分析,结果表明该方法是一种有效的组合预测方法.     

动态加权预测方法设计及在降水预测中的应用

在动态数据预测中,为克服传统预测方法中所造成的较大误差,本文通过动态预测理论与移动平均预测理论相结合,设计了一种加权移动平均预测方法,用来预测时间序列数据.在原有的移动平均预测基础上构造一个动态加权参数.通过对相对误差的比较,证实了该方法预测效果优于移动平均预测.并利用该方法对乌鲁木齐地区30年平均降水量进行预测研究.并与动态预测方法相比较,预测效果相对误差较小.     

基于独立模型的非线性时间序列多步超前预测

提出一种非线性时间序列的多步超前独立预测方法. 对比逐步递归方法和独立预测方法, 分析了积累误差对多步超前预测性能的影响. 采用递归神经网络(RNN)实现了独立预测方法, 建立了城市轨道交通能耗预测模型. 通过MATLAB训练和测试该模型, 比较了两种方法下的多步超前预测输出. 结果表明,独立预测方法的误差优于逐步递归方法. 最后指出了独立预测方法的优缺点及适用范围.     

基于ANN-泊松模型的预测研究

目前,经济预测主要采用基于传统研究方法或人工神经网络技术的单项预测方法．近年来的研究表明,组合预测方法比单项预测具有更高的预测精度．本文提出了一种基于BP神经网络和泊松模型的组合预测新方法,对轮船发生事故进行了综合分析与预测,预测结果表明这种方法相对于单一的预测方法具有更高的精度,该模型在计数模型的预测中的应用是可行、有效的．     

采用分段思想的中段弹道预测算法

针对传统弹道预测方法存在的不足,提出了基于分段思想的弹道轨迹预测改进方法。介绍了中段弹道预测的一般方法,并对其误差产生的原因进行了分析;提出分段的思想,即将前一段新获得的预测终点作为下一段预测的起始点,来减少预测误差的积累,进而给出弹道轨迹预测的改进方法。对相关算法和流程进行了仿真验证及结果分析,结果表明:改进后的预测方法比传统方法误差减小了19%,验证了所提算法的有效性。     

基于ARIMA—ANN的时间序列组合预测模型

目前,时间序列预测主要采用基于传统研究方法或人工神经网络技术的单一预测方法.近年来的研究表明,组合预测方法比单一预测具有更高的预测精度.提出了一种基于BP神经网络和ARIMA组合模型的预测新方法,对中国GDP的变化趋势进行了综合分析与预测,预测结果表明这种方法相对于单一的预测方法具有更高的精度,该模型在非平稳时序的预测中的应用是可行、有效的.     

联合时空特征的交通流参数预测综述

针对交通流参数预测在智能交通系统中的重要性,为寻求更实时准确的预测方法,对联合时空特征的交通流参数预测方法进行综述。以交通时空数据为研究对象,将交通流参数预测方法归纳为统计学习方法、深度学习方法和图神经网络方法。基于这3类方法分别从传统和联合时空特征角度概括了各种方法的研究现状和特点,分析了交通流参数预测的难点。结果表明,联合时空特征的交通流预测方法由于考虑了道路网络中复杂且动态的时空依赖性,相较于传统的同类方法,预测性能有较大提升。最后,从模型输入和模型设计角度,讨论了交通流参数预测未来研究方向。     

基于绝对误差的线性组合预测研究

针对组合预测效果评价中存在着把拟合精度和预测精度相混淆的问题,阐述了区分样本区间和预测区间的组合预测精度评价方法,并在预测区间上对2种常用的基于绝对误差的线性组合预测方法的预测精度进行了评价,对评价结果进行实例和理论分析。在此基础上,提出一种新的基于绝对误差的线性组合预测方法——基于预测模型有效性的线性组合预测方法。     

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。     

一种有灰色初值函数的泛函微分方程数据预测

利用数学工具来解决一类数据在某一点处出现跳跃性变化的系统预测问题.并结合一个经济预测实例,对某种不能用已有预测方法预测的系统,经理论推导,提出了一种以灰色模型拟合初值函数,以中立型泛函微分方程映射预测的预测方法,对实例做出了良好的预测,解决了用常规预测方法难以解决的问题.     

建筑投标价格指数神经网络方法及敏感性分析

将神经网络技术应用于建筑投标价格指数预测,提出了两种神经网络的变量敏感性分析方法,并用提出的方法分析了投标价格指数所涉及变量的敏感性．     

基于结构平衡理论及LP算法的符号网络预测

符号网络分析逐渐成为一个越来越重要的研究主题,其中最为重要的是网络中的符号推断问题.了解到在社会网络中局部路径指标(LP)表现良好.用AUC评价指标进行了实验验证,LP指标同样适用于符号网络,并且给出它的平衡理论解释.实际数据分析的结果显示,较之传统计算符号网络链路预测算法,该方法更加简单,并且能得到较好的预测效果.     

基于XGBoost模型的融合多特征微博信息传播预测方法

为了有效地监管网络舆情,辅助管理人员进行决策,微博信息传播预测方法的研究具有重要应用价值。针对传统微博信息传播预测方法存在指标单一、预测效果较差问题,提出一种基于XGBoost模型的融合多特征微博信息传播预测方法。首先,分析微博传播网络和用户节点特性,提取出博主特征、微博内容特征、传播特征3类特征并构建数据集;接着,基于XGBoost方法分别构建微博累计转发量预测模型和微博最大转发深度预测模型;最后,通过模型在测试数据集上的平均绝对误差验证模型的预测效果。通过与线性回归等传统的预测方法比较分析可以看出,提出的预测方法能够取得良好的预测效果。     

粒子群投影寻踪算法在岩爆预测中的应用

对岩爆有影响的三项主要因子：洞室最大切向应力与岩石单轴抗压强度的比值、脆性系数和弹性能量指数作为岩爆灾害预测的主要判别指标,通过粒子群优化算法和投影寻踪算法建立了相应的岩爆预测分析模型.该模型采用粒子群算法优化投影指标函数,确保了模型参数的准确性;同时利用逻辑斯谛曲线函数建立投影值与经验等级之间的非线性关系.研究表明,用粒子群投影寻踪回归模型进行岩爆预测,避免了传统预测方法由于主观原因造成的误差,预测精度较高.通过将所建模型应用到秦岭隧道和冬瓜山铜矿的岩爆预测中,得到与实际情况较符合的预测结果.     

非线性动力系统理论在机械故障诊断中的应用

从非线性动力系统理论的角度出发，对非线性动力系统进行了分析，据此建立了数学模型，并应用于实际的物理系统中．根据对Ｌｉａｐｕｎｏｖ指数的计算，分析了在非线性问题处理中各方法的优劣及其可靠性．作为尝试，文中试图利用非线性方法对故障进行分类，并对系统进行定性预测分析．实际结果表明在一定程度上是较为成功的     

对国家财政用于社会福利支出的预测分析

文章运用SAS软件系统中的时间序列建模方法对国家财政用于社会福利支出建立了ARIMA模型，并做了预测分析，得到了较高的预测精度，为国家有关部门用于社会福利支出的预测提供了一种方便实用的方法．     

ARIMA模型在太原市全社会固定资产投资预测中的应用

采用Eviews软件系统中的时间序列建模方法对太原市的固定资产投资总额资料进行了分析，建立了ARIMA模型。结果显示ARIMA（2，1，3）模型提供了较准确的预测效果，可用于未来的预测，为太原市全社会固定资产投资的预测提供了一种方便实用的方法。     

Predictor-based error correction method in short-term climate prediction

In terms of the basic idea of combining dynamical and statistical methods in short-term climate prediction, a new prediction method of predictor-based error correction （PREC） is put forward in order to effectively use statistical experiences in dynamical prediction. Analyses show that the PREC can reasonably utilize the significant correlations between predictors and model prediction errors and correct prediction errors by establishing statistical prediction model. Besides, the PREC is further applied to the cross-validation experiments of dynamical seasonal prediction on the operational atmosphere-ocean coupled general circulation model of China Meteorological Administration/National Climate Center by selecting the sea surface temperature index in Nifio3 region as the physical predictor that represents the prevailing ENSO-cycle mode of interannual variability in climate system. It is shown from the prediction results of summer mean circulation and total precipitation that the PREC can improve predictive skills to some extent. Thus the PREC provides a new approach for improving short-term climate prediction.     

Predictor-based error correction method in short-term climate prediction

In terms of the basic idea of combining dynamical and statistical methods in short-term climate prediction, a new prediction method of predictor-based error correction (PREC) is put forward in order to effectively use statistical experiences in dynamical prediction. Analyses show that the PREC can reasonably utilize the significant correlations between predictors and model prediction errors and correct prediction errors by establishing statistical prediction model. Besides, the PREC is further applied to the cross-validation experiments of dynamical seasonal prediction on the operational atmosphere-ocean coupled general circulation model of China Meteorological Administration/ National Climate Center by selecting the sea surface temperature index in Niño3 region as the physical predictor that represents the prevailing ENSO-cycle mode of interannual variability in climate system. It is shown from the prediction results of summer mean circulation and total precipitation that the PREC can improve predictive skills to some extent. Thus the PREC provides a new approach for improving short-term climate prediction.     

极值波浪作用下大型浮码头振动与极限强度分析

将大型浮码头简化为梁模型，考虑规则波和非规则波，研究了其动力响应及可靠性指标计算方法。计算了长700m浮码头的动力响应及可靠性指标，得到了浮码头长度方向规则波作用下弯曲应力的幅值分布，以及非规则波作用下浮码头底板的可靠性指标。计算表明，本方法可用于大型浮码头动力响应预报及极限强度分析。