一类特殊损失下预测问题的PMC准则

将估计问题中的PMC准则运用到随机变量的预测问题中。在一类特殊损失下证明了中位数无偏预测量为某一给定预测量集合中的Pitman-closest预测量。     

中位数无偏和Pitman准则

利用Pitman准则考虑了随机变量的预测问题。在平方损失及Linex损失下证明了MU预测量是某一给定的预测量集合中的Pitman—closest预测量。     

基于GM（1,1）灰色预测模型的营养液控制仿真研究

应用灰色预测控制理论中的GM(1,1)模型对营养液状态量进行预测,在此基础上进行营养液控制系统的预测控制仿真.仿真结果表明,灰色预测控制能很好地解决营养液系统的非线性、滞后问题,提高系统的控制水平和精度,具有鲁棒性好、跟踪快速和抑制干扰能力强等特点.     

一种基于支持向量机和模型树的回归模型及其在采煤工作面瓦斯涌出量预测中的应用

矿井瓦斯是煤矿生产过程中的主要不安全因素,能否准确预测采煤工作面上的瓦斯涌出量将直接影响矿井开采的经济技术指标.从数据挖掘与机器学习的角度看,瓦斯涌出量的预测问题是回归分析的经典应用.支持向量机和模型树在回归分析方法中显示出了优越的性能,本文应用支持向量机和模型树方法建立采煤工作面瓦斯涌出量的预测模型.实验结果显示,预...     

序限制下的同变预测

在统计决策理论框架内讨论了非对称损失下未知随机变 量的点预测问题, 将估计理论中改进同变估计量方法引入到统计预测问题. 通过利用分布函 数中未知参数之间的序限制, 对无序限制下的最优同变预测量进行了改进, 在一定条件下, 构造出一族改进预测量, 从而解决了常用同变预测量的改进问题. 通过举例给出了具体问题 的改进预测量.     

有限制位置参数下单收缩预测量的改进

考虑有限制位置参数下随机变量的统计预测问题. 利用可得到的相关数据及参数间的两种不同序限制, 对随机变量的单收缩预测量进行改进, 得到了不同序限制下的改进预测量族, 并探讨了改进预测量族之间的关系.     

Stein损失下的统计预测问题

在统计决策理论框架内考虑了Stein损失下的统计预测问题.利用估计问题中对无序限制下参数估计量的改进方法,结合未知分布参数之间的序限制,对通常的最优同变预测量进行了改进,构造了一族改进预测量,从而解决了Stein损失下最优同变预测量的改进问题,并给出了相应的例子.     

灰色模型预测在真空预压工程中的应用研究

结合工程实例,使用灰色模型法对土体最终沉降量进行预测,将预测结果与Asaoka法、三点法和双曲线法的预测结果做了比较,分析了GM(1,1)灰色模型在最终沉降量预测中的可行性.通过对4种方法的预测结果进行的对比,可以得出:灰色模型法在最终沉降量预测中具有较好的稳定性和精度,可以推广使用.     

基于灰色理论与BP神经网络的交通运输量组合预测研究

交通运输量预测是公路规划与管理中的重要问题.结合灰色理论模型与神经网络的优点,基于不同的组合预测思想分别建立了加权算术平均组合、加权平方和平均组合及加权比例平均组合预测模型.利用不同的评价模型对多组数据进行了评价分析研究.结果表明,通过选择合适的组合预测模型及参数估计方法并确定最佳的模型参数,能够有效地提高预测精度.     

矿井瓦斯涌出量预测方法

为解决煤矿瓦斯涌出量预测不准确的问题,提出基于多种方法优化融合的瓦斯涌出量预测方法,建立瓦斯涌出量预测模型.采用适用于瓦斯涌出量系统特点的加权策略函数对最小二乘支持向量机进行改进,利用免疫遗传算法对加权最小二乘支持向量机进行核参数和正则化参数寻优.应用状态转移概率修正预测误差残值,使瓦斯涌出量预测模型的预测精度得到提高.研究结果表明:矿井瓦斯涌出量预测模型具有较好的快速性和准确性,具有广泛的应用前景.     

一种改进结构的Smith预估器及在轧机AGC中的应用

在研究了控制纯滞后对象的Smith预估器的基本原理的基础上 ,提出了一种改进的Smith预估器形式 ,然后推导了主要结果和分析了其机理 ,并应用于实际轧机厚度自动控制系统 (AGC)中做了研究 ,通过仿真表明 ,此种形式的预估器具有很好的鲁棒性和抑制干扰能力     

一种简单实用的时滞控制器

在传统Smith预估结构的基础上,用p(0)代替了原来的p(s),从而提高整个控制系统的动态性能,形成一种改进的预估控制器.针对实际对象和预估模型的各个参数的失配情况,进行理论分析和实例仿真.从改进前后系统根轨迹的对比以及仿真实验可以看出,改进的Smith预估器结构简单、鲁棒性好、参数易整定,且控制品质优于传统的Smith预估器,易于在实际的数字控制器或DCS中实现,具有明显的应用价值.图8,表1,参7.     

增强型步长值预测器研究

研究了增强型步长值预测器.通过对传统步长值预测器的改进,可对部分重复型非等步长数据序列作出正确预测,提升性能.文中讨论了增强型步长值预测器的诸设计因素,如信心系统机制和公共子数据存储等.模拟结果表明,增强型步长值预测器能够对绝大部分适于值预测的数据序列作出正确预测.     

基于扰动跟踪的Smith预估器

在讨论了Smith预估器优缺点的基础上，提出了一种修正的Smith预估器．该预估器引入闭环反馈控制，结构简单，且能跟踪扰动．对含有积分环节的对象，进行了仿真．仿真结果表明，模型匹配时具有同Smith预估器同样的效果：当模型不完全匹配时通过校正，使得系统的工作更加稳定．     

基于局部RBF网络的复杂时间序列预测方法研究

针对复杂时间序列全局预测模型建模效率低、预测性能不佳等问题,提出一种基于局部RBF神经网络的新型预测模型.该模型采用K最近邻搜索方法得到待预测样本的K个近邻,用近邻样本进行RBF神经网络建模,用训练好的RBF神经网络对待预测样本进行预测.实验结果显示该模型在复杂时间序列预测上有良好的性能.     

MLP语音信号非线性预测器

讨论了MLP（Multi-Layer Perceptron)语音信号非线性预测器的实现。为了使MLP能够适用于语音信号预测,对MLP的误差准则进行了修正以减轻神经网络模型与语音模型之间的过匹配。为了提高MLP的训练速度,提出了一种线性化逐层优化（LOLL）MLP训练算法。实验结果显示该非线性预测器的预测信噪比约比线性预测器提高2dB,而且它还可以同时完成长时预测器的功能;误差准则修正使非线性预测器的预测信噪比提高了0.35dB。     

增长曲线模型中线性预测的泛容许性

在二次损失情况下,研究一般增长曲线模型中未来观察值线性预测的泛容许性.根据线性可预测变量泛容许预测的定义,得到了齐次线性预测和非齐次线性预测在对应的线性预测类中是泛容许预测时的充分必要条件.     

一种改进的自适应质心跟踪算法

针对自适应质心跟踪算法对扩展目标跟踪时,易出现目标丢失的问题,提出了在自适应质心跟踪算法中,加入3点线性预测器和5点平方预测器构成综合预测器,对所跟踪目标的位置参数进行预测.通过估计目标区内背景所占比例,解算出目标的直方图分布函数,利用Bayias决策找出目标和背景像素的分类,从背景图像中分离目标像素,获得目标的质心坐标.改进算法可以实现对小目标直至扩展目标的跟踪,且基本不受目标大小、旋转变化的影响,其稳定性、可靠性和精度都较高.实验结果也表明,改进算法较好地克服了原算法跟踪时易丢失扩展目标的问题,不但扩展了自适应质心跟踪算法的适应范围,而且提高了跟踪精度.为有效提高导弹图像末制导的攻击精度提供了一定的参考.     

一种具有大纯滞后系统的Smith控制

以水泥质量过程控制为背景，对大纯滞后系统的控制问题进行了深入的研究。在充分讨论Ｓｍｉｔｈ算法的基础上，提出了时滞跟踪的Ｓｍｉｔｈ算法。实验证明了新算法的优越性     

组织承诺作为护理人员离职预测变量的国外研究综述

尽管有证据表明组织承诺是一个可靠的预测变量,但在护理人员离职研究中没有被经常选用。通过对组织承诺与离职研究背景、组织承诺概念背景进行了回顾并对组织承诺和工作满意度作为护理人员离职预测变量进行了比较,结果表明:组织承诺对护理人员离职有强大的间接预测能力;组织承诺比工作满意度有更强的预测能力。结论:在护理人员离职调查研究中组织承诺是一个有用的预测变量;组织承诺变量应该经常用于护理人员离职调查研究。