预测三因子论初探——关于预测论的探讨

通常,预测主要是对事物未来的发展、变化进行预先推断。本文提出广义预测的概念,包含了正向预测与逆向预测内容。分析了预测的不确定性及论述了预测的哲学基础是辩证唯物论的认识论,提出了预测三因子论,即能否预测取决于对预测的核心因子、诱导因子、不确定因子的了解与掌握程度。并运用预测三因子论对地震预测、彩票预测、油价预测三大预测难题进行了分析。     

基于灰色模型的动态功率管理空闲预测算法

为提高空闲预测的准确性,提出基于灰色模型的空闲预测算法.该算法对预测样本的数量和分布特征没有苛刻要求,仅使用少量样本数据就能够进行预测.预测过程可以动态调整预测参数,实现自适应预测,提高预测的准确性.实验结果表明,使用该算法进行预测得到的预测值接近真实值,准确性高于指数平均预测算法.     

实时交通量的灰色马尔柯夫预测方法

灰色预测适合于原始数据序列按指数规律变化的问题,而马尔柯夫适用于预测随机波动大的动态过程．有机地结合两者构成灰色马尔柯夫预测方法,可发挥两者的优势,从而提高预测精度．该方法首先用GM（1,1）模型进行预测,而后对相对误差序列进行马尔柯夫预测,最后用该预测值修正GM（1,1）的预测结果,因而具有较高的预测精度．使用灰色马尔柯夫预测方法对苏州某交叉口实时交通量进行预测,预测结果优于单一灰色GM（1,1）预测．实验表明,灰色马尔柯夫预测方法用于交通量预测是有效可行的．     

基于自适应滤波的日负荷预测新陈代谢模型

提出了对日负荷进行预测的新方法。基于自适应滤波算法进行预测,在预测过程中对原始数据进行新陈代谢处理,且根据预测日的属性对预测结果进行加权,并依据历史负荷中负荷的变动情况对结果进行校正,以求最佳预测效果。利用自适应滤波预测结果的残差建立时间序列的AR(p)模型,与自适应滤波模型形成组合模型,从而实现了短期电力负荷样本资料随时间变化而更新、样本量和计算量不增加而预测精度能得到保证的目标。与传统的预测方法相比较,该模型用于日负荷预测具有计算迅速、精度高的优点。     

谨防数学方法预测常住人口出生率的偏误

对一项运用数学方法进行上海市2050年前常住人口出生率预测所得结果进行比较分析,提出更优的预测方法.通过线性回归和10种曲线回归模型,使用低生育率阶段的数据,结合人口学方法进行新的预测,总结出可靠性更高的预测方法.预测结果表明,缩小数据范围,并使用人口预测软件,平均预测精度有较大提升,预测准确性更高.研究结果说明:单纯依靠数学方法预测常住人口出生率存在较大局限,不宜多加使用,尤其不适合对人口出生率进行长期预测;回归人口本身的发展规律,依据人口学方法可有效提高预测精度.     

中国人口发展的灰色预测模型

应用灰色系统理论对我国的人口数量进行预测,首先预测净增人口数量,进而预测总人口数量,给出了不同维数的预测结果并进行对比,对比结果表明,7维灰色预测模型为最佳模型,最后利用其对我国的总人口进行预测。     

基于灰色预测模型的公路运输量预测

为了准确预测公路运输量,提高公路运输行业的管理水平,在运输业近年运量统计数据的基础上,利用灰色预测理论的GM(1,1)模型,给出了运用GM(1,1)模型进行预测的详细步骤,并以浙江省公路运输量预测为例进行了实际应用,对预测结果进行误差检验,表明预测结果具有较高的精度.     

基于最优组合预测模型的电力负荷预测研究

电力负荷预测是电力规划及安全运行的基础,提高预测精度是电力负荷预测研究的重点,由于负荷预测的变化性和不确定性,单一的预测模型很难满足所有的预测情况;组合预测是将各个单项预测所得的结果选取适当的权系数进行加权平均的一种预测方法;采用灰色和时间序列作为单项预测模型,然后进行最优组合建立组合预测模型进行电力系统短期负荷预测;仿真实例表明:最优组合预测模型比单项预测模型具有更高的预测精度,具有一定的优越性。     

物流网络中多地区配送需求预测方法研究

物流网络较为复杂,当前预测方法只采用一种方法对物流网络中多地区配送需求进行预测,无法保证预测精度。提出一种新的需求预测方法, 通过两个或两个以上不一样的预测方法,对物流网络中多地区配送需求进行预测,构建物流网络中多地区配送需求组合预测模型,对不同方法进行加权组合,通过熵值法对组合预测模型的组合权重进行计算,充分利用不同预测方法的优点,获取较优的预测结果。通过残差检验和后验差检验,对组合预测模型的配送需求预测能力进行评价。实验结果表明,所提方法具有很高的预测精度。     

物流网络中多地区配送需求预测方法

物流网络较为复杂,当前预测方法只采用一种方法对物流网络中多地区配送需求进行预测,无法保证预测精度。提出一种新的需求预测方法,通过两个或两个以上不一样的预测方法,对物流网络中多地区配送需求进行预测,构建物流网络中多地区配送需求组合预测模型,对不同方法进行加权组合,通过熵值法对组合预测模型的组合权重进行计算,充分利用不同预测方法的优点,获取较优的预测结果。通过残差检验和后验差检验,对组合预测模型的配送需求预测能力进行评价。实验结果表明,所提方法具有很高的预测精度。     

应用"拟合--马尔柯夫"进行火灾发生起数的预测分析

本文针对新疆地区火灾发生起数的预测分析，通过建立“拟合——马尔柯夫”模型，证明该预测方法能较准确地预测未来火灾发生起数，是实用可行的。     

汉中地区交通事故GM（1，1）预测模型及目标制定

本文应用ＧＭ（１，１）模型，对汉中地区９４－９５年交通事故进行了预测，并相应制定了交通安全目标。模型预测精度高，计算结果可信、可靠，能为汉中地区交通事故预防，加强交通安全管理和决策，提供科学的定量依据。     

灰色预测在高层建筑沉降中的应用

针对已获得的高层建筑沉降的监测数据,运用灰色系统理论建立了沉降的灰色预测模型,从而对系统进行未来隐患的预测。     

系统安全性预测模型与系统的建立

系统安全性预测对预防事故起到至关重要的作用，而预测模型的正确选择是预测的关键。本文就目前安全性预测的原则、预测模型的复杂程度、特点和选择等若干问题进行了分析，并就系统安全性预测中如何处理这些问题进行了探讨。在综合分析的基础上，建立了合理的预测系统。组合预测利用各种预测方法提供的有用信息，有效提高了预测精度，改变由于预测模型选择不合理而带来得预测误差。     

基于灰色支持向量机的矿山安全事故预测研究

为了提高矿山安全事故预测的可靠性,在灰色预测模型GM(1,1)和支持向量机SVM的基础上,提出了矿山安全事故次数的灰色支持向量机G-SVM的组合预测模型.首先采用GM(1,1)进行数据趋势预测,然后对于残差序列采用支持向量机预测进行捕获,最后将两种模型的结果进行融合,得到组合预测结果.结果表明,组合模型比单一的GM(1,1)模型和SVM模型具有更高的预测精度.     

人工神经元网络在安全事故趋势预测中的应用

安全事故的发生有着一定的随机性,因此如何有效利用有限的资源来防止安全事故的发生和完善救援措施一直是一个难题.但长期的研究工作表明安全事故的发生也存在着一定规律,正确的认识这些规律对企业的安全管理具有重要意义.人工神经元网络(ANN)在理论上能够无限的逼近任何非线性函数,同时又较强的适应性和抗干扰能力.适合解决事故预测这类的问题.     

北京市气象条件和空气质量指数与车辆行驶事故的关系

运用皮尔逊相关分析,采用保险调查数据,综合研究了北京市日车辆行驶事故数量与日平均气温、日降水量、日空气质量指数的关系,得到以下结果: 1)10月份行驶事故数量占全年的比例最高,2月份最低; 2)年尺度数据分析显示,日行驶事故数量分别与日平均温度和日降水数量呈显著负相关,与日空气质量指数呈显著正相关; 3)季节和月份尺度数据分析结果表明,日车辆行驶事故数量与日降水量无显著相关关系,夏季日平均温度与日行驶事故数量之间呈显著正相关关系; 4)夏季营造良好车内环境、秋冬季节改善道路条件、污染天气限行制度、行驶事故风险预警等,有利于减少车辆行驶事故,改善交通拥堵现象.      

最优组合预测及其在瓦斯浓度预测中的应用

瓦斯浓度预测是预防煤矿瓦斯事故的关键技术之一,以预测误差平方和最小为准则确定最优组合预测模型中的权系数,实现瓦斯浓度预测模型的最优组合,利用实际数据、通过与单一时间序列模型、线性回归模型及人工神经网络模型的预测精度对比分析,验证了瓦斯浓度最优组合预测模型的有效性和实用性。     

一种基于视频的交通事故检测方法

针对目前交通事故检测中存在因疲劳等原因造成交通事故漏检的现象,提出一种基于视频的交通事故检测方法。该方法包括3部分:预处理模块,检测车辆和分析车辆状态;交通事故检测模块,判断是否会发生碰撞;报警模块,主要进行事故实时报警且实时存储事发图片。以车流量较小的路口为例进行仿真实验,结果表明,该系统能准确地预测并判断交通事故的发生。     

应用神经网络技术诊断钻井事故

针对钻井过程的复杂性、不确定性等特点,提出了基于人工神经网络钻井事故预测与诊断模型.以钻井过程工况参数构成神经网络的输入特征向量,以钻井过程正常运行模式及常见事故模式的监测数据作为训练及检验样本,根据钻井事故诊断特点,确定了神经网络的结构与参数,采用改进算法和学习规则,实现对神经网络系统的训练和模拟,建立能够准确预测事故的神经网络模型.该方案的提出可使现场工作人员及时监测钻井过程,降低事故发生率,节约钻井成本,提高效率.