一种非线性可燃物含水率模型的线性化方法

利用泰勒展开的的方法给出一种将非线性可燃物含水率模型线性化的方法,进而给出了基于logistic函数可燃物含水率模型参数的估计方法,由此得到一种线性化的可燃物含水率预测模型.通过实验数据检验,给出的线性化可燃物含水率模型的准确率达到97%(相对误差不超过5%),说明该非线性可燃物含水率模型的线性化方法是可行的,由此得到的线性化可燃物含水率预测模型可以用于预测可燃物含水率变化规律.     

一种野外细小死可燃物含水率预测方法

通过相关性分析确定了影响可燃物含水率变化的气象因子,即之前3h的气温、之前2h的相对温度和之前3h的风速,并建立了分段可燃物含水率预测模型,利用回归分析理论估计出模型的参数,检验结果表明:所建立的模型准确率均达到98%(相对误差小于5%),说明该文所建立的模型对于预测野外细小死可燃物含水率的变化是可行的.     

基于多元线性回归模型的建筑能耗预测与建筑节能分析

针对城市建筑能耗的节约与有效利用,提出一种基于多元线性回归模型(MLRP)的建筑能耗预测与建筑节能分析模型.以天然气和电力为能耗目标,将建筑类型、建筑年代、占地面积和居住人数等参数作为输入特征,利用多元线性回归模型分析出对能耗具有显著性影响的因素,并预测整个区域的能耗.另外,通过该预测模型,可以评估实施改善措施后建筑的节能潜力.实验给出了各种场景下的建筑节能潜力,分析结果表明,提出的预测模型能够精确预测区域能耗.     

混沌时间序列变分贝叶斯回归预测

基于变分贝叶斯及相空间重构理论,提出了含噪？昆沌时间序列相空间域线性回归预测模型。该模型对序列进行相空间重构,在相空间中用变分贝叶斯推断方法估计线性回归系数。将该模型对含加性高斯噪声的Mackey-Glass？昆沌时间序列进行预测研究。仿真结果表明,该文方法能够有效地抑制过拟和现象,具有较强的抗噪声能力,且预测结果对重构相空间的嵌入维数和时间延迟的变化不敏感。     

落叶松木材干燥质量的多重多元回归模型研究

选取落叶松为干燥对象,选取干球温度、干球湿度、介质循环风速、干燥时间作为自变量,选取含水率、应力作为因变量,建立多重多元回归模型,预测含水率和应力的变化.并采用预测方差验证了所建回归模型具有较高的预测能力.     

基于熵值加权组合预测模型的黑龙江省旅游收入预测分析

针对黑龙江省旅游收入预测问题,考虑到单一预测模型往往在预测精度上不高的特点,在引入灰色系统GM(1,1)预测模型及时间序列线性回归模型的基础上,建立了基于3种误差指标信息下的熵值加权组合预测模型,并以黑龙江省2009—2018年的旅游收入数据进行分析.结果表明,所建立的组合预测模型在预测精度上有了较好的改善并优于所选单一预测模型.利用建立的组合预测模型对黑龙江省2019—2022年的旅游收入进行预测,可为黑龙江省未来的旅游业发展规划提供一定的科学依据.     

线性回归与灰色理论在用电量预测中的应用

针对电力资源存在的电力短缺和电力浪费现象,结合用电量增长的特点,选取全省GDP、人口总数、人均地区生产总值、工业生产总值等作为预测指标,应用优化的多元线性回归模型和灰色GM(1,1)模型对陕西省来年的用电量需求进行预测,所得的2组预测值拟合度较好。之后对2种模型进行耦合再进行预测,其结果比单纯使用多元线性回归模型或使用灰色GM(1,1)模型得出的结果更优。结果可见预测模型精度较好,具有一定的实用性,对电力相关部门的生产规划有一定的借鉴价值。     

道路交通事故预测模型的研究

针对道路交通事故发生的特点,从不同的角度,建立了线性回归预测模型、非线性回归预测模型和灰色预测模型。重点针对道路交通事故灰色和随机不确定性,研究了一阶单变量灰色预测模型,即GM(1,1)模型,并用其分别对某城市道路交通事故的死亡人数、交通事故量进行了预测,其结果是可信的。     

基于滑动窗口的时间序列数据流分析与预测技术研究

数据流管理与分析的研究是目前国际数据库领域的一个研究热点,数据流上回归分析是一项非常必要而有意义的工作.结合数据流的特征,研究了时间序列数据流的回归分析与预测技术,以及一元线性回归方程的聚集技术,给出了时间序列数据流上的一元线性回归分析模型.在此基础上,提出了一种数据流上的预测模型.最后,试验分析展示了研究结果能够有效地产生时间序列数据流的回归模型和实现数据流未来数据的预测.     

基于EMD优化NAR动态神经网络的地铁客流量短时预测模型

为了能够更加准确地实现地铁客流预测，提出了一种基于经验模态分解算法（empirical mode decomposition，EMD）优化非线性自回归（nonlinear auto regressive，NAR）动态神经网络的地铁客流量短时预测模型.分析地铁客流量数据后发现日客流量具有一定的变化规律，为此使用了基于时间序列的NAR动态神经网络，该网络具有优秀的非线性动态拟合能力和反馈记忆的功能.结合EMD经验模态分解算法优化NAR动态神经网络预测模型，以此来减少预测误差，提高预测精度.结果显示，EMD-NAR神经网络组合预测模型适用于地铁客流的短时预测，预测精度可达93%，具有较好的应用价值.     

函数变换在解某些变系数线性齐次常微分方程上的应用

本文通过含指数函数乘积型函数变换,将某些变系数线性齐次常微分方程化为可解类型。并给出线性微分算子: 关于某函数的i阶微商不变式的定义,及其在解变系数线性常微分方程过程中的作用。 定理、对于n阶线性微分算子:     

基于随机森林与合成分析法建立脂肪肝合成预测模型

研究脂肪肝预测模型,旨为脂肪肝易发人群健康管理及风险评估提供参考.选取2006—2016年在西部战区总医院健康体检中心定期健康体检人群作为研究对象(体检中心为该人群建有专门软件用于管理体检数据资料),将随机森林算法筛选脂肪肝危险因素的效果与Logistic回归模型、人工神经网络、单棵决策树分类模型相比较.4种方法筛选脂肪肝影响因素准确率分别为88.0％、83.3％、83.9％、86.0％,随机森林筛选脂肪肝危险因素的准确率高于Logistic回归模型、人工神经网络和单棵决策树分类模型.基于随机森林算法与合成分析法建立脂肪肝合成预测模型,并评价其预测效能.研究结果表明,Logistic回归预测模型、Cox比例风险模型和脂肪肝合成预测模型的ROC曲线下面积分别为0.732、0.681、0.710,约登指数分别为0.340、0.269、0.330,灵敏度分别为0.589、0.503、0.639.脂肪肝合成预测模型ROC曲线下面积和约登指数介于Cox比例风险模型与Logistic回归模型之间,灵敏度最高.脂肪肝合成预测模型具有优于传统纵向数据分析模型的预测能力,且不需要大量纵向数据,是一种简单便捷的脂肪肝预测方法.     

三阶变系数扰动系统未被扰动运动渐近稳定,不稳定的某些反例构造

对于常系数线性扰动系统,若特征方程的一切特征根均有负实部则末被扰动运动渐近稳定。若特征方程至少有一个特征根含有正实部,则末被扰动运动不稳定。但是,对于变系数线性系统却不尽然。针对这种复杂情况,本文以三阶变系数线性系统为例给出一种反例(对常系数而言)构造方法,据此可构造出未被扰动运动稳定而特征根至少有一个正实根,未被扰动运动不稳定而特征根含有负实根的变系数线性扰动系统。并给出构造之线性系统的系数阵的性质,以及变系数系统在满足某种特定条件下与常系数系统相同的情况。     

关于二阶变系数线性常微分方程的转化问题

本文利用未知函数分解的技巧，推导出了将二阶变系数线性常微分方程化为常系数方程，或化为欧拉方程，贝塞尔方程等一些已知类型方程的充分条件．     

基于PRIN描述子的肽毛细管区带电泳迁移率支持向量回归预测模型

基于氨基酸描述子PRIN,利用加和法构建了102个混杂肽(从2肽到14肽)毛细管区带电泳迁移率的支持向量回归(SVR)预测模型(ε=0.012、σ=5和C=5),并与多元线性回归作了比较研究,结果表明SVR要好于多元线性回归方法,SVR方法对训练集和预测集的预测残差平方和(PRESS)分别是0.0097和0.0135及预测复相关系数分别为0.9774和0.9419,其预测结果与实验值一致,且提出了一个简单的方法并指出迁移率与描述肽的分子结构信息的PRIN参数存在着非线性关系。     

基于多元回归模型的甘肃省CPI影响因素分析

以1999～2010年甘肃省CPI及影响因素的数据为基础,应用多元线性回归方法建立了甘肃省CPI的回归模型,并对其进行理论阐述和分析检验,得出该模型的校正可决系数R珚2=0.998 4,说明模型与数据的拟合度很高;通过运用方差分析和数据模拟检验方法对甘肃省CPI的回归模型进行了实际检验,结果显示该模型的精确度达到了99.462 6%,可用于甘肃省CPI的预测.     

基于量子粒子群优化支持向量 回归算法计算煤层气体含量的预测

煤层气是近一二十年在国际上崛起的洁净、优质能源和化石能源的新矿种,其地质研究对能源的补充意义重大.该文对煤层气的含量提出基于量子粒子群优化的支持向量回归算法进行预测.支持向量回归算法是一种非线性的基于内核的回归方法,它可以采用良好的函数逼近,并具有泛化能力.由于支持向量回归算法的参数对预测性能影响很大,量子粒子群优化在本研究中可用于选择支持向量回归算法参数.本文选用基岩深度,煤层的厚度,断层间的水平距离,煤的挥发分作为煤层气含量的预测模型的输入向量,经过比较量子粒子群优化的支持向量回归算法和支持向量回归算法之间的煤层气体含量的预测误差表明,量子粒子群优化得到的煤层气体含量的预测精度均高于支持向量回归算法的精度.     

哈尔滨市空气质量变化趋势研究

对哈尔滨市2014～2018年的空气质量进行了研究和分析,建立变系数部分线性模型,分析供暖、秸秆焚烧、温度、风级、湿度五个因素对哈尔滨市空气质量变化的影响,通过轮廓过最小二乘方法对常系数和变系数进行估计.结果表明:哈尔滨市的空气质量指数变化与时间变化关系明显,秋冬季节供暖和秸秆焚烧的排放物对空气质量影响显著,哈尔滨市十月份到三月份的空气质量指数明显高于其他月份,且空气质量指数呈逐年下降趋势.     

二阶变系数线性微分方程的积分因子解法

通过寻求积分因子,求解某些类型的二阶变系数线性微分方程,给出通解公式.该方法也适于求解二阶常系数线性微分方程和二阶Euler方程.     

时空变系数半参数模型的轮廓最小二乘估计

就时空变系数半参数模型进行研究,给出了该类模型的轮廓最小二乘估计方法,得到模型中时空变系数及常值系数估计的解析表达式,并进行数值模拟予以验证.结果表明,常系数的估计具有无偏性,响应变量估计值与真实值拟合程度较好,相对误差较小.