应用混沌相空间模线性回归模型研究短期负荷预报

在一维 Lyapunov指数预报模型的基础上提出了混沌相空间模线性回归模型 ,并将该模型应用于短期负荷预报 .对厦门市实际负荷时间序列进行预报 ,取得了较满意的结果 .     

Fuzzy控制预报模型及其应用

论述了 Fuzzy控制预报模型的建模方法 ,并探讨了该模型在麦长管蚜发生期预报中的应用 :我们将麦长管蚜发生期的预报过程拟成一个 Fuzzy控制系统 ,预报因子作为系统的输入 ,预报对象作为系统的输出 ,根据历年系统观测资料 ,建立了 Fuzzy控制预报模型 .对历史资料进行回代验证 ,其历史拟合率达 1 0 0 %.将 1 995年观测数据作为独立样本进行试报 ,预测结果与实际一致 .     

基于向量夹角余弦的水文组合预报方法

针对水文预报中单个水文预报模型预报精度不高的问题, 提出基于向量夹角余弦的水文组合预报方法. 该方法采用组合预测理论建立了实测向量、预报向量和权值向量, 形成向量夹角余弦模型; 根据不同的历史水文资料状况, 给出拟合优度和动态逼近两种可变权值计算方法, 完成参数的率定, 并将各参数对预报精度的影响加以分析. 实验表明: 该方法能够有效地克服单个水文预报模型的不足, 通过实现多个单项水文预报模型的组合, 可将预报合格率提升约20%.     

一种基于非线性频谱分析的故障预报技术及应用

首先改进了一种非线性系统广义频率响应函数(GFRF)的辨识算法,提高了辨识结果的精度和鲁棒性,并依此提出了一种基于非线性频谱分析的非线性系统早期故障预报方法.然后,利用该方法对某型直升机并联电动舵机进行了实际故障预报.多次的实际检测结果表明了该早期故障预报方法的有效性.该方法的特点是:算法简单,计算量小,适合于在线故障检测和预报,可为一大类非线性系统的早期故障预报研究提供一种新途径,有着广阔的工程应用前景.     

外汇储备的组合预报法

通过深入研究我国外汇储备季度增量与主要宏观经济变量的计量关系,发现宏观经济形势对外汇储备增长有重要影响.提出R²权重组合预报法, 该方法将R²统计量作为模型预测结果组合的权重, 对不同模型的预测结果进行组合加权,得到了较为稳定而且准确的预报结果:外汇储备规模将会持续增长.对此结果提出了相应的政策建议.     

基于自适应神经网络的边坡位移预测

通过对边坡位移历史数据序列进行特征分析 ,计算出饱和嵌入维数和最大 Lyapunov指数 ,给出了边坡位移的最大可预报时间尺度。在此基础上 ,确定了神经网络的输入节点数 ,建立了基于自适应神经网络的边坡位移预报方法 .通过对三峡升船机高边坡和新滩滑坡实际位移数据进行预测 ,结果令人满意 .这对于建立边坡位移的实时监测 -预警系统有重要意义.     

基于ARIMA模型的短时交通流实时自适应预测

实时、准确的短时交通流量预测是智能交通系统(ITS)中的一个关键问题。基于采用ARIMA(P，d，0)模型结构的时间序列分析方法，提出一种短时交通流实时自适应预测算法。在该算法中采用带遗忘因子的递推最小二乘方法进行参数估计，采用基于线性最小方差预报原理的Astrom预报算法进行预报。针对大量实测数据进行仿真实验，结果表明：减小遗忘因子可以提高一步预测的性能。此外，将该算法分别应用于工作日和双休日的数据时，仿真实验都取得了较好的预测效果，说明该算法对不同交通流状况具有较好的适应性。     

基于LSTM神经网络的短期轨道预报

针对基于动力学模型的轨道预报方法对卫星自主轨道预报与大量非合作目标轨道预报中存在建模成本过高和缺少目标空间环境信息的问题,提出一种基于误差数据驱动的神经网络轨道预报方法.该方法在解析法动力学模型的基础上,使用长短期记忆神经网络对历史轨道预报的误差进行学习,预测未来短期动力学模型的预报误差,以此对预报结果进行修正.选用A...     

基于加权支持向量机的选矿生产指标预报模型

在选矿生产中为了达到规定的目录,选矿工程师需要根据原矿的情况给各生产工序下达合理的生产作务,但由于选矿生产具有大滞后的特点,在选矿工程师决策下达执行前,如果能够对最终的生产结果进行预测则具有重要意义.以某选矿厂为实际背景,在分析了指标之间关系的基础上,采用加权支持向量机建立了相关指标的预报模型,并通过构造重要性函数的方法确定了支持向量机加权系数,最后利用该厂历史数据进行了传真实验     

基于支持向量回归的动态区域迁移建模方法及应用

提出了一种基于支持向量回归的动态区域迁移建模方法,该方法使模型随着区域的动态迁移进行在线更新,并采用动态调整ε的方法对同一区域内的数据给予不同程度的考虑,使得当前时刻加入的新数据要比以前时刻的旧数据在建模中所占的比重大.针对LF炉钢水温度预报问题,将此方法应用于预报建模.研究结果表明,该建模方法十分有效.