考虑节假日因素影响的上海市月入境旅游人数预测

通过对上海市月入境旅游人数时间序列数据特征的分析,提取了该时间序列的成长性趋势项和周期性趋势项,建立了乘法模型,并对乘法模型的预测误差进行分析,发现节假日因素对预测精度有着重要的影响.关于节假日因素对上海市月入境旅游人数的影响,引入相关变量对乘法模型进行修正,将平均相对误差从4.54%下降到4.12%,将最大平均误差从22.81%下降到18.67%,说明在乘法模型中引入节假日因素能有效提高预测精度.     

基于贝叶斯优化注意力机制LSTNet模型的短期电力负荷预测

为更充分挖掘多元负荷序列间的有效信息,从而提高预测精度,提出了一种集成贝叶斯超参数优化算法、注意力机制的长期和短期时间序列网络（long and short-term time-series network with attention,LSTNet-attention）以及误差修正的短期负荷预测模型。首先,构建基于贝叶斯优化的LSTNet-attention模型进行初步预测,利用贝叶斯算法优化模型多个结构参数,降低人工设置参数的随机性,并通过注意力机制合理分配特征权重;然后,通过基于贝叶斯参数优化的极端梯度提升算法(extreme gradient boosting,XGBoost)误差修正模型来挖掘初步预测误差序列中潜在、未被利用的有效信息,进行误差预测和修正,进而得到最终的预测结果。通过使用澳大利亚某地真实负荷数据进行实证分析,实验结果表明,所提预测模型相较于其它模型具有更好的预测效果,可为负荷预测等工作提供一定参考。     

基于误差修正模型的河川年径流量预测研究

对河川径流量预测进行了研究.考虑到年平均水位与年径流量关系密切,误差序列一般不是白噪声序列等因素,用传统的预测模型预测效果不佳.误差修正模型不需要假定误差序列是白噪声序列,只要变量间存在协整关系.利用年平均水位与年径流量的协整关系建立误差修正模型,并加以分析,得到了更好的预测模型.     

基于最大Lyapunov指数的市场出清电价预测

应用相空间重构和最大Lyapunov指数的计算方法对市场出清电价序列特性进行判定.依据最大Lyapunov指数预报模式,构建基于一种新的出清电价预测模型.对某电力市场1999-01-01-1999-08-31的电价进行混沌时间序列判定,采用最大Lyapunov指数预报模型和AR(2)模型进行预测.研究结果表明:采用最大Lyapunov指数预报模型预测所得市场出清电价预测值与实际值的平均绝对误差率为7.234 7％,最大绝对误差率为17.017 5％;采用AR(2)模型预测预测所得市场出清电价预测值与实际值的平均绝对误差率为5.540 8％,最大绝对误差率为11.830 0％;总体上,最大Lyapunov指数预报模型预测结果的精度略比AR(2)模型预测结果的精度低,但绝对误差率大于6％的时点数少于AR(2)的预测数,这表明应用最大Lyapunov指数对出清电价进行预测具有可行性.     

基于负荷预测的电力市场寡头竞争分析

将负荷预测的思想引入到电力市场的竞争分析中,研究了完全信息下的cournot模型中负荷预测对电力市场竞争的影响.首先建立了竞争模型结构,然后获得没有预测情况下的市场均衡电价,应用博弈论获得负荷预测增量对cournot模型下市场力的影响.最后通过数据仿真获得负荷预测增量与市场均衡电价和发电商收益之间的关系.分析表明：负荷预测精度影响发电商收益、市场均衡电价和市场力.预测误差率在33%以内,预测是有用的.所以提高收益的关键是提高负荷预测精度.     

高速公路交通量预测的GM(1,1)残差改进模型

针对传统GM(1,1)模型在预测高速公路交通量中存在误差过大、计算复杂的问题,通过定义残差序列,对预测序列与残差序列进行累加再处理,构造新的序列数据;并且对新序列数据构造GM(1,1)残差改进模型,以进行预测。模型应用于某高速公路某收费站,对9期序列数据进行了模拟预测。结果表明,GM(1,1)残差改进模型的平均预测误差为7.25%,优于传统GM(1,1)模型预测的平均相对误差12.7%。     

基于时序动态分析的油井产量预测研究

针对目前常用的油井产量预测方法效果并不理想的问题，开展时间序列分析来进行油井产量动态预测研究。采用时间序列分析结合残差修正方法，建立具有时序动态分析能力的产量差分自动回归移动平均模型（Autoregressive Integrated Moving Average，ARIMA），得出预测初始值与真实油井产量的残差；通过构建支持向量机（Support Vector Machine，SVM）时序预测模型进行残差修正，获得油井产量组合预测值；并将长短期记忆网络（Long Short-Term Memory，LSTM）模型与上述方法进行对比。实验表明，组合预测模型、LSTM模型的预测结果平均相对误差率分别为9.81%和32.44%。说明组合模型预测更精准，为油井产量的动态预测提供了一种有效方法，可作为油井在生产计划时的快速实时辅助依据，具有实用价值。     

自相似网络流量的处理和分析

为了解决自相似模型难以进行自相似网络流量趋势预测的问题,提出时间序列分析中短时相关模型(自适应自回归模型)的方法用于流量数据的估计;同时为了提高预测精度,提出改进的最小平方格型(modified least square lattice, MLSL)算法,使模型参数不断递推修正,收敛到最佳值.仿真试验结果验证了短时相关模型在网络流量预测应用中的可行性,实现了自相似网络流量的短期预测,该算法比最小平方(least square, LS)算法均方误差减少20%, 具有收敛快、预测精度高的优点,而该算法的计算量减少一半.     

基于瞬态修正的车辆燃油消耗模型建模

针对稳态油耗特性的稳态模型使得车辆工作在瞬态条件时的油耗估计与实际燃油消耗偏差较大的问题.在稳态油耗模型的基础上引入瞬态修正模块,建立了一种新的瞬态油耗模型BIT-TFCM.利用真实油耗数据对BIT-TFCM做了验证.结果表明,引入瞬态修正模块后,BIT-TFCM的平均预测误差比没有瞬态修正的稳态模型低了约11.44%~19.28%.此外,与经典的VT-Micro模型相比,BIT-TFCM预测更接近实测值.      

线性/非线性时间序列模型一般表达式及其工程应用

提出一种线性/非线性时间序列模型的一般表达式(GNAR),论述其线性和非线性特性.对3种典型的非线性、非平稳时间序列进行试验及应用研究.将样本数据分成训练集和测试集,在训练集上建立GNAR模型,采用最小二乘方法以及结合预测误差的修正AIC准则实现其参数估计和模型定阶.在测试集上进行预测,进而验证模型.结果表明该模型对3组数据跟踪性能良好,预测预报精度优于传统时序模型,因此该模型有良好的适应性和有效性,能应用于工程实际.     

一种基于灰色模型和机理模型集成的质量预测模型及其应用

针对长流程工业过程中产品质量难以实时检测且不易实现优化控制的难题,通过对生产数据特性和质量预测要求的分析,提出了一种基于GM(1,1)灰色模型和机理模型集成的质量预测模型.首先根据过程机理知识建立了粗糙质量预测模型;然后运用灰色预测中的残差辨识理论,用机理预测模型的残差时间序列建立残差GM(1,1)模型,其预测结果补偿机理模型的预测值.验证结果表明,该质量预测模型能获得较理想的质量预测精度,其应用可使产品质量得到显著的提高.     

夸克蜕定域色屏蔽模型、双夸克模型和五夸克态

将夸克蜕定域色屏蔽模型和双夸克模型结合起来,研究了五夸克共振态.计算结果表明,正、负宇称态都存在等效吸引,但在能够描述重子谱和重子-重子相互作用的要求下,得到的能量偏高,并且负宇称态的能量低于正宇称态.     

Ramsauer模型与球型光学模型的比较

Ramsauser模型[1]是计算中子全截面的经验模型,根据Ramsauser模型计算27-Co-59,41-Nb-93,83-Bi-209,五个核的中子全截面.APMN[2]程序中的球型光学模型是理论模型,通过它再次计算27-Co-59的中子全截面,然后两种模型进行比较,并对两种模型的计算结果做出分析结果.     

一种可直观操作的单向依赖模型及操作模型

提出了一种对象的单向依赖模型,在这种模型中,将对复杂信息的增删改操作分解为对单个对象的增删改来实现,并分析了由其他常见模型向本模型转换的方法。     

智能决策支持系统中的模型库及其管理系统

给出了模型、模型章及模型库管理系统的基本概念,介绍了模型的常用分类,阐述了模型的表示方法,对模型的生成进行了分类及详细的探讨,最后指出了模型系统的发展方向。     

S-clay1模型与剑桥模型的分析比较

土体的本构模型是高等土力学的重要内容,其中最经典的模型当属剑桥模型.英国剑桥大学的Roscoe于1963年提出了用于正常固结或者弱超固结粘土的剑桥模型,可以被视为现代土力学的开端.在此以后很多学者都在本构模型方面做出了很多研究,提出了很多新的模型,如拉德-邓肯模型、空间滑动面模型、S-clay1模型等.本文主要介绍S-clay1模型与剑桥模型的比较,并结合试验进行分析.本次试验采用的是GDS标准应力路径三轴试验系统,该系统测量精度高而且可以数字化操作,在测量精度和自动化程度上都比常规三轴试验先进很多.     

结合聚类模型和自适应模型的遗传算法

在进化后期,自适应遗传算法有助于保存种群中的优秀模式;但在进化初期,对适应度值大的个体的保护,易降低种群的多样性、减弱算法的搜索性能。基于聚类的遗传算法可以提高遗传算法的收敛速度和搜索性能,但交叉概率和变异概率取定值,易使优秀模式在进化后期遭到破坏,难以收敛到全局最优。在遗传算法中同时引入聚类模型和自适应模型,有利于继承两类改进型遗传算法的优点,克服各自的不足。使用经典的测试函数对引入聚类模型和自适应模型的遗传算法进行测试,仿真结果表明:同时引入聚类模型和自适应模型的遗传算法比引入聚类模型或自适应模型的遗传算法具有更好的收敛速度和寻优能力。     

混凝土的连续损伤模型和弥散裂缝模型

将经典的混凝土弥散裂缝模型应用到所建议的一类基于能量的弹塑性损伤本构模型的统一理论框架中 ,并推导了剪切模量和剪力保持因子与受剪损伤变量的关系式 .模型可以直接应用于多维应力状态下 ,避免了弥散裂缝模型中存在的参数经验取值问题 .最后 ,通过一个钢筋混凝土单向板的数值算例 ,验证了模型的有效性 .     

基于遗传算法的Logistic模型与McDill-amateis模型比较研究

Logistic模型与McDill-amateis模型的参数有明确的生物学意义,能较好的反映林木的生长过程,其参数的拟合有多种方法,应用基于实数编码的遗传算法目标适应函数采用误差平方和比例数取得了理想的结论.     

改进的阻抗函数及方式划分配流模型

城市公共交通有着多样化的特点,笔者对两类不同的公共交通进行了研究.首先对两类车相互影响的阻抗函数进行了改进,然后给出了公共交通工具之间相互影响的方式分离与运量配流的组合模型和算法,最后证明了该模型满足Wardrop用户平衡原则和方式分离函数.