基于向量投影测度的区间型组合预测模型

区间型组合预测模型的研究核心是确定各单项预测方法的权重。鉴于向量投影是一个综合性测度,既能反映两个向量指标对象之间距离,又能反映他们之间的夹角,本研究提出了一种新的向量标准化投影测度公式。在向量标准化投影测公式的基础上,定义了区间数向量标准化投影测度的概念,用以描述两个区间数向量的接近程度,以组合预测区间数序列和实际区间数序列的标准化投影测度为最优化准则,构建了两个基于投影测度的全新区间型组合预测模型。并通过两个实例进行了分析：（1）与已有文献的组合预测方法的结果作对比研究,验证了本法所构建的组合预测模型的有效性;（2）对我国2010-2022 风力发电量序列进行拟合和预测建模,结果表明本法构建的组合预测模型有更好的拟合和预测效果,具有一定的可行性和实用性。     

基于多准则的组合预测模型权重研究及其应用

针对传统组合预测模型大多是通过建立单一准则方程进行优化,而没有更好地考虑各单一模型之间互支持信息带来的不确定性问题,建立基于多准则的组合预测模型权重确定算法。首先,通过建立区间数模型构建样本区间距离并进行相关折算归一化生成样本的基本概率分布BPA(basic probability assignment),作为单一预测模型的初级权重;然后,通过对D-S证据理论进行改进,建立证据可信度、证据精度和证据自冲突系数3个准则分别用于评价单一模型自身精度及其之间互相支持信息,通过对3个准则排序得到综合排序值作为单一模型初级权重的权重调整系数;最后,综合多时刻数据归一化后确定单一模型的最终权重用于组合预测。研究结果表明:经过权重调整后的组合预测精度得到显著提高,且经过调整系数R调整后的不变权组合预测模型最优。     

基于IOWHA算子的区间预测模型及应用

针对实际值序列和预测值序列均为区间数的组合预测问题,把区间数的左右端点作为两个独立的时序数列,通过引入诱导有序加权调和平均(IOWHA)算子,分别建立以区间数左右端点的倒数离差相关系数最大化为准则的IOWHA算子的变权系数最优组合预测模型,再通过引入偏好系数把多目标最优化模型转化为单目标最优化模型,并尝试给出各模型最优解的性质.最后利用数据进行分析,并和其他单项预测方法或组合预测方法相比较,从而证明该方法确实能够提高区间预测的精度.     

向量夹角余弦的IOWHA算子的变权系数区间型组合预测模型

客观世界中人们会用区间数来描述不确定和不完备的信息,由此开展区间型的组合预测方法的研究很有意义.将区间数的左、右端点分别视作时间序列,以向量夹角余弦为准则,结合IOWHA信息集结算子,借鉴实数型组合预测的思想,将实际值区间数和变权系数组合预测值区间数的左、右端点序列分别建立最优组合预测模型,最后引入偏好系数转换成单目标最优组合预测模型而实现求解.     

基于自适应模糊时间序列法的光伏发电短期功率预测

针对并网光伏发电系统功率预测问题,提出一种基于自适应模糊时间序列法的并网光伏发电短期功率预测模型.根据光伏发电系统的历史发电数据,进行自适应算法处理,使数据结构与预测模型相适应,确定聚类数目、划分论域并定义论域区间.通过对历史数据进行模糊化处理,确定各模糊关系组,再计算各类模糊关系组的权重向量.按照模糊时间序列的方法进行光伏发电功率预测,并去模糊化得到实际预测结果.结果表明,对比时间序列预测法ARIMA模型,本文预测模型结果误差由13.66%减小到11.34%,并且在处理突变数据上有较大改进.     

应用组合模型对我国能源消费的预测

鉴于我国能源消费系统的复杂性及非线性特征,分别采用神经网络和时间序列两种方法建立我国能源消费总量的单项预测模型,并对各模型进行了检验,模型的检验结果表明建立的模型可以作为预测未来能源消费量的有效工具.根据标准差法对各模型的结果进行权重分配,建立我国能源消费的组合预测模型,组合预测模型既克服单一模型的缺陷,又提高了预测精度,之后应用此模型对我国未来六年的能源消费进行预测,2015年我国能源消费总量将会达到41.9亿吨标准煤.     

基于组合模型对我国能源消费的预测

鉴于我国能源消费系统的复杂性及非线性特征,本文分别采用神经网络和时间序列两种方法建立我国能源消费总量的单项预测模型,并对各模型进行了检验,模型的检验结果表明建立的模型可以作为预测未来能源消费量的有效工具。根据标准差法对各模型的结果进行权重分配,建立我国能源消费的组合预测模型,组合预测模型既克服单一模型的缺陷,又提高了预测精度,之后应用此模型对我国未来六年的能源消费进行预测,2015年我国能源消费总量将会达到41.9亿吨标准煤。     

熵在空气质量指数(AQI)预测中的应用

为了更准确地找出影响空气质量指数的气象因子与提高其预测精度,提出了基于熵、BP神经网络和时间序列模型的组合预测模型。该方法利用增加了特征变量的转移熵方法,得到影响AQI的气象因子及其影响度,将得到的气象因子与AQI实测值作为BP神经网络的输入因子和时间序列分析模型的特征因子,影响度作为BP神经网络输入因子的初始权重,构建BP神经网络预测模型和时间序列分析预测模型,最后用熵值法组合各个预测模型的预测结果。实验表明利用该方法对空气质量指数进行预测可提高其预测精度。     

基于S型增长曲线组合预测模型的滑坡变形预测研究

为了提高滑坡变形预测工作中的预测精度,采取基于S型增长曲线的组合预测方法,通过最优权重来组合滑坡预警预报中常用的Verhulst模型、Pearl模型,并将组合预测模型应用于历史滑坡的变形预测中进行验证研究。结果表明:单一预测模型中,Verhulst模型的预测效果较Pearl模型好,但拟合效果则是Pearl模型较佳;而基于最优权重的组合预测模型能充分利用单一预测模型的优势,能有效地提高滑坡变形预测的精确性。     

基于区间数距离的区间组合预测模型

针对预测值为区间数形式,引入区间数距离,提出一种确定区间组合预测权系数的方法.给出两个区间序列的距离公式,以实际观测序列与组合预测序列的距离最小为准则,建立规划模型,求解得到权系数.最后,通过实例,证明模型能够有效提高预测的精度.     

毁伤时间与射击时间及弹头飞行时间的关系

该文考虑了有延迟射击过程中，毁伤目标所需时间与射击时间间隔和弹头飞行时间数字特征之间的关系，得到了实用简单的计算公式．     

与时间相关系统的Petri网模型

首先简介一般加时间Ｐｅｔｒｉ网模型及其使能规则和点火规则,然后给出几种典型的加时间的Ｐｅｔｒｉ网模型及其动态行为及点火规则,其中,通讯时间Ｐｅｔｒｉ网侧重于网与环境之间的通讯;ＴＣＰＮ侧重于讨论变迁的最早和最晚点火时间以及点火持续时间;ＧＳＰＮ侧重于从概率的角度讨论变迁的点火时间问题,本还给出三种具有代表性的用于描述多媒体同步的Ｐｅｔｒｉ网模型及其点火规则。     

时间管理

时间管理：是有效地运用时间，降低变动性。时间管理最重要的功能：是透过事先的规划，作为一种提醒与指引。最新的时间管理概念——GTD GTD是Getting Things Done（完成每一件事）的缩写。GTD的基本方法：GTD的具体做法可以分成收集、整理、组织、回顾与执行五个步骤：     

嵌入式实时操作系统的时间性能测试

时间性能是嵌入式实时操作系统一个非常重要的参数,而任务切换时间和中断响应时间则是其中的关键因素.为了评估嵌入式实时操作系统的时间性能,设计了结合硬件的测试方法,采用示波器对其时间性能进行测量.针对汽车电子产业的嵌入式硬实时操作系统Reworks的实测结果表明,该方法是可行的.     

带有延迟的离散时间非线性系统的镇定

研究了一类带有延迟的多输入离散时间非线性系统，利用Lyapunov方法建立了闭环系统稳定的充分条件，并给出了使系统全局(或局部)渐近稳定的状态反馈控制律，从而延伸若干已有结果．     

公交出行换乘时间模型及时间阈值研究

针对利用公交出行换乘时间阈值可更加准确区别换乘行为和二次出行行为,提高利用公交IC卡数据自动提取公交换乘时间方法的精确性,进而提升城市交通的整体规划和公交整体服务水平. 通过实际调查,首先对公交出行换乘方式进行了分类,分析了各类公交出行方式的换乘时间影响因素及其影响机理. 在此基础上从微观的角度建立了公交出行时间与各影响因素之间的关系模型,并通过实际调查数据验证了该模型的准确性,应用公交出行换乘时间模型得到了基于GIS公交网络要素分类的各类换乘方式的公交换乘时间阈值.     

时间依赖问题的时空有限元法

以 Ｎａｖｉｅｒ Ｓｔｏｋｅｓ 方程为例，介绍了时空有限元的基本理论，并给出了 Ｂｕｒｇｅｒｓ′方程的一些计算结果．结果表明时空有限元法对解决具有高 Ｒｅｙｎｏｌｄ 数的非线性问题是卓有成效的     

气候变量时间序列的尺度分解的讨论

从理论和实例两方面,对采用不同方式进行气候变量时间序列的尺度分解时,所得结果出现的差异及其原因进行了分析讨论。结果表明,采用不同时间分辨率的序列进行时间尺度分解的结果的真正物理意义是有差别的。另外,个例分析还发现,对时间分辨率高的序列进行时间尺度分解产生的截断误差较小,而时间分辨率低的序列的截断误差较大。     

绝对静止系形式时间及时间疑难

本文定义的绝对静止系不同牛顿的绝对静止系,阐述了形式时间的本质,讨论了洛伦兹变换的物理意义。揭示了狭义相对论中与广义相对论无关的时间疑难和空间疑难,指出了“尺缩效应”是“钟慢效应”的一种表现形式。     

时间的思考

讨论了认识时间所经历的曲折漫长过程。指出了物理学自身,以及物理学和哲学关于时间问题所存在的困难和矛盾,同时指出随着这些困难和矛盾的解决,必将对物理学和哲学的发展产生巨大推动作用。