操纵子预测的生物信息学方法

从生物信息学角度, 对操纵子预测的研究进行了回顾和总结. 概括叙述了多种预测算法所使用的数据源, 介绍了预测操纵子的主要算法. 分析了各种算法的利弊, 指出目前操纵子预测中存在的主要问题, 并针对各种问题提出改进方案, 为操纵子预测的研究提供参考.     

基于ARIMA—ANN的时间序列组合预测模型

目前,时间序列预测主要采用基于传统研究方法或人工神经网络技术的单一预测方法.近年来的研究表明,组合预测方法比单一预测具有更高的预测精度.提出了一种基于BP神经网络和ARIMA组合模型的预测新方法,对中国GDP的变化趋势进行了综合分析与预测,预测结果表明这种方法相对于单一的预测方法具有更高的精度,该模型在非平稳时序的预测中的应用是可行、有效的.     

生物信息学中的MicroRNA预测研究

为microRNA预测的研究提供参考,讨论了生物信息学中有关MicroRNA预测研究的若干问题.根据最新的研究成果,由MicroRNA预测的特征信息和数据源,从结构序列分析方法、比较基因组方法和机器学习方法等方面对MicroRNA预测的生物信息学方法做了回顾和展望,指出了该领域研究的趋势.通过对3类方法的比较结果表明,采用机器学习方法的效果更优越,能较精确地预测出MicroRNA.     

面向MIS的预测支持系统的研究

通过对预测支持系统研究现状的分析,讨论了预测支持系统如何更好的适用于MIS,为其提供预测支持.并提出了更加适应MIS当今和未来发展的预测支持系统构建模式.     

基于瓦斯地质图的工作面突出区域预测技术

为了准确预测工作面的突出危险性,在整理分析工作面瓦斯地质资料的基础上,实测了大量的瓦斯基础参数,研究了15#煤层的吸附特征,提出并确定了工作面区域预测指标及临界值,研究了工作面的瓦斯赋存规律,编制了工作面瓦斯地质图,对工作面进行了区域预测,并对预测结果进行了验证.研究结果表明:15#煤层煤的吸附能力较强,以瓦斯含量10.0 m3/t和绝对涌出量4.0 m3/min作为预测指标和临界值是可靠的,采用瓦斯地质图方法进行工作面突出区域预测和分级管理,瓦斯赋存规律一目了然,预测结果可靠,预测方法简洁有效,便于现场操作.该成果对于防治工作面的煤与瓦斯突出具有一定的参考价值和指导意义.     

基于混沌神经网络理论的机电设备状态趋势预测研究

为了对机电设备的非线性非平稳状态进行有效的趋势预测,运用混沌预测方法和混沌神经网络的预测原理,建立了基于混沌神经网络的预测模型. 以工业现场大型烟气轮机为研究对象,采用混沌神经网络和灰色预测两种方法进行了趋势预测,并对两种方法的预测结果进行了比较. 结果表明,针对烟气轮机的非线性非平稳状态,基于混沌神经网络的预测精度更高、更有效.     

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.     

基于GPS轨迹数据的混合多步Markov位置预测

随着移动设备和定位技术的广泛应用,基于位置服务成为研究热点,位置预测是其重要研究内容.基于GPS轨迹数据,对位置预测方法进行研究.Markov模型可以较好地表示时序数据,因此可较好地用于位置建模和预测.在基于Markov建模的位置预测中,1阶Markov模型存在轨迹信息利用不充分、预测准确率低的问题;而多阶Markov模型存在状态空间急剧膨胀的问题.针对这些问题,提出了基于混合多步Markov模型的位置预测方法,在将原始GPS轨迹转化为区域轨迹的基础上,对各多步模型进行融合,提出了基于Adaboost框架的各多步模型影响系数的生成方法,在保证状态空间不变的情况下提高了预测准确性.真实数据集上的实验验证了所提位置预测方法的有效性.     

城市轨道交通短期客流预测研究进展

为了全面了解城市轨道交通短期客流预测现有的研究进展,结合国内外相关的研究,梳理了近年来的研究状况,归纳了城市轨道交通短期客流预测的研究焦点并分类进行了讨论.重点从客流分析、预测方法、不同情况下预测方法和时间粒度选择3个方面总结归纳现有研究成果.研究结果表明:在客流分析方面,大多采用出行方式链、聚类分析等方法定量分析客流...     

3D地震资料煤层厚度变化规律的研究

煤层在地震勘探中属于薄层,其薄层厚度预测一直是公认的难题之一,传统的预测方法是利用钻孔资料的内插对比获得,精度很低.实际生产中,人们又研究了多种预测技术.本文对小波变换和人工神经网络方法进行了结合应用研究,并提取多地震属性参数来进行煤层厚度定量计算.通过该方法的实际资料运用,研究了煤层厚度变化规律,取得了令人满意的效果.     

采用分段思想的中段弹道预测算法

针对传统弹道预测方法存在的不足,提出了基于分段思想的弹道轨迹预测改进方法。介绍了中段弹道预测的一般方法,并对其误差产生的原因进行了分析;提出分段的思想,即将前一段新获得的预测终点作为下一段预测的起始点,来减少预测误差的积累,进而给出弹道轨迹预测的改进方法。对相关算法和流程进行了仿真验证及结果分析,结果表明:改进后的预测方法比传统方法误差减小了19%,验证了所提算法的有效性。     

递归神经网络预测在库存管理决策中的应用

为解决供应链中库存管理的不确定性问题，建立了基于递归神经网络技术的需求预测模型，并在此基础上提出了该模型的学习算法．通过实验仿真将该模型同经典多层前馈神经网络模型的预测效果相比较，得出了该模型在多步预测方面比较优越的结论．利用某企业的销量预测进行了实例验证，效果良好．     

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。     

动态非线性模型参数多层递阶估计法

针对目前通用的动态系统状态预报方法的不足,提出关于动态非线性模型参数估计的多层递阶估计法,并对预报误差的原因进行分析,使预报精度得到提高。     

混合算法在港口吞吐量预测中的应用

针对单一预测方法存在的不足,采用一种联合时间序列法和因果分析法的混合算法预测港口吞吐量.并以宿迁港吞吐量预测为例,对这种方法进行了详细说明.预测过程中借助主成分分析法提取出影响港口吞吐量的关键因子,利用改进的灰色模型理论对关键因子中远期未来值做出预估,最后通过吞吐量与关键因子的线性回归得出宿迁港在预测年份的吞吐量值.通过对混合算法预测模型误差的检验发现,此预测方法的模型精度较高,能够满足港口吞吐量预测的要求,可以推广到类似港口吞吐量的预测中.     

自适应变异粒子群优化BP的短期风电功率预测模型

针对反向传播(BP)神经网络预测模型在风电预测中预测精度低、输入变量多的问题,提出一种基于互信息的自适应变异粒子群优化BP的短期风电功率预测模型.首先,采用互信息筛选出原始数据中与输出功率相关度较大的影响因素,减少冗余信息;然后,引入具有自适应惯性权重系数和变异因子思想的粒子群算法对预测模型进行优化.结果表明:与传统预测模型相比,该预测模型具有收敛速度快、预测精度高等特点.     

支持向量机在航空兵部队油料消耗量预测中的应用

分析了支持向量机的基本原理及算法,确定了航空兵部队油料消耗量预测模型的样本输入量,构造了航空兵部队作战油料消耗量预测函数,采用LibSVM Matlab工具箱对模型进行编程求解,选用3个指标对预测结果进行评价。并以某空军航空兵部队油料消耗量为例,运用基于SVM的航空兵部队油料消耗量预测模型,对2009年演习的油料消耗量进行了预测,预测结果与实际值进行比较,预测精度高,为科学预测战场油料消耗量提供了科学定量的分析方法。     

基于遗传规划方法的集装箱吞吐量预测

在对现有各种预测方法进行简要回顾的基础上，对遗传规划方法进行了研究，提出了应用于集装箱吞吐量预测的计算模型和相关参数的确定方法，并完成了算法设计和编程工作。在此基础上，以宁波港集装箱吞吐量的历史数据为样本，开展了预测计算试验，找到了能够反映宁波港目前集装箱吞吐量发展规律的样本集，并对宁波港未来九年的集装箱吞吐量进行了预报。结果表明，本算法合理、改良自动化程度高，为解决集装箱吞吐量等非线性系统预测提供了一条新的途径。     

通货膨胀的预期不确定性

采用不确定性和预期等方法研究了通货膨胀．通过引入自回归条件异方差（ＡＲＣＨ）模型对我国近年来通货膨胀的预测不确定性问题进行讨论,对通货膨胀预期不确定性的估计及不确定性与通货膨胀水平及其变动的关系进行分析．研究发现,经济增长与通货膨胀之间并不存在此消彼涨的确定关系,通货膨胀的预期不确定性比高通货膨胀本身更易造成对经济增长的危害．从而表明,政府在制定政策时,应注意保持通货膨胀的稳定性．     

基于灰色马尔可夫模型的施工质量成本预测

针对随机波动较大的施工质量成本预测问题,结合灰色SCGM(1,1)预测模型和马尔可夫预测模型的优点,建立了灰色马尔可夫SCGM(1,1)预测模型,并以实例证明灰色马尔可夫预测模型对随机波动性较大的施工质量成本的数据列的预测,具有较高的准确性.