一类新的预测模型及其应用

对时间序列的一类预测模型进行了研究,把灰色模型与BP神经网络模型组合建模,通过实例分析取得好的效果。     

时间序列分析及其在岩土工程中的应用

提出了适合岩土工程特点的时间序列分析建模策略，推导了不等时间隔数据序列的模型公式，并结合算例验证。     

径流序列的相空间重构神经网络预测模型

在水文水资源领域中引入混沌理论，将相空间重构理论与神经网络理论相结合，提出了径流时间序列预测模型．通过相空间重构，把一维径流时间序列拓展为多维序列，而多维序列可挖掘更为丰富的信息，有利于神经网络的训练．研究表明，利用神经网络建模可以较好地解决非线性问题，使预测更符合实际．以汉江石泉水库逐月平均入库径流序列为例，建立了径流时间序列相空间重构与神经网络耦合预测模型，计算结果表明，模型有较高的预测精度．     

一种新的组合灰色神经网络预测模型

对GM（1，1）灰色和几种灰色组合模型进行了讨论，针对多个相关序列预测的问题，提出了组合灰色GM（1，1）神经网络预测模型。此方法采用灰色模型对各序列进行预测，然后利用神经网络对预测值进行校正，得到最终预测值。实例表明此种模型在实际应用中的确能够提高预测精度。     

小波变换集遗传算法神经网络的径流预测建模

为获得更精确的径流预报结果,利用dmey小波变换对径流时间序列分解为高频信号和低频信号,再使用遗传算法优化的BP神经网络分别对其进行预测,最后利用dmey小波逆变进行重构,以此建立径流总量预测模型。通过对柳江径流总量进行实例分析,并与遗传算法优化的神经网络模型、BP神经网络模型及传统的时间序列分析方法对比,该方法获得更准确的预测结果。研究结果表明该模型能充分反映径流时间序列趋势,预报稳定性好,预报准确率高,为径流时间序列预测提供一个有效建模方法。     

基于递归神经网络的多频预报方法

为了解决由多层前馈神经网络递推运算获得的多步预报存在的预报误差迭代累积问题，提出了基于局部递归神经网络的多步递归神经网络（MSRN）模型，对时间序列进行了多步预报，用模拟振动数据把MSRN模型用作单步和多步的预报能力，同经典的多层前馈刘经网络进行了比较，并预报了天津石化总公司炼油厂大机组某测点振动的变化趋势，实践表明，用该方法进行多步预报误差小，并具有良好的预报能力。     

两种改进的GM(2,1)模型及其在船舶横摇预报中的应用

实时准确地预报船舶横摇运动是目前船舶运动研究的一个重要课题,对于提高船舶的耐波性和适航性具有重要的意义.灰色GM(2,1)模型有2个指数分量,能反映出序列摆动的运动情况,但预测精度仍然不足.因此在GM(2,1)模型对非线性复杂横摇运动进行建模及预测的基础上,基于误差补偿的思想,用周期外延和神经网络2种方法分别对灰色模型进行改进.仿真结果表明,灰色-周期外延组合预测模型和灰色-BP神经网络组合预测模型均能准确有效地预报船舶横摇运动,进一步提高灰色模型的预测精度,为船舶减摇控制打下了良好基础,具有实用价值.     

基于灰色RBF-NN的陀螺随机漂移误差建模

针对测量中存在的陀螺随机漂移误差,提出了一种基于灰色RBF神经网络的预测建模方法.首先采用时间序列的饱和嵌入维数确定RBF神经网络模型输入层的节点数;其次采用灰色聚类法对输入样本进行分类,以确定RBF神经网络模型隐含层的初始节点数;最后采用灰色关联分析法对RBF神经网络的冗余隐含层节点实施删除,以得到满足精度要求的最小结构的RBF神经网络模型.将其应用到某型挠性陀螺随机漂移误差的预测建模中,可得预测模型的精度为90.33%,实验结果表明了该模型的有效性.     

高阶常微分方程的动态演化建模

提出了采用高阶常微分方程模型代替传统时序分析中所用的ＡＲＭＡ模型来实现一维时间序列的建模和预报。设计的将遗传程序设计与遗传算法相嵌套的动态演化建模算法,用遗传程序设计优化模型结构,以遗传算法优化模型参数,边收集数据边建模边预报,首次成功地实现了时间序列实时预报的程序自动化,两个时间序列的应用实例表明：采用此算法可获得较好的实时预报效果。     

基于灰色理论和神经网络的零件尺寸精度的组合预报

零件的尺寸精度是非常复杂的非线性问题.运用灰色理论的GM(1,1)模型和神经网络BP模型相结合的方法对机械零件的尺寸精度的预测进行了分析研究,同时建立了灰色理论的预测模型和神经网络模型的组合算法,解决了非等时序列的预报问题.仿真实验证明,此方法是可行的,具有一定的实用价值.     

泉水月流量预报模型研究

泉水系统属非线性动力系统,泉水月流量序列具有季节波动的特点.借助季节变动模型建模思想,采用灰色趋势预测模型与神经网络模型,分别对其长期变动趋势与季节变动的非线性进行估计,经实例验证,表明提出的灰色季节神经网络耦合模型,其拟合、预测精度均优于独立应用灰色季节模型或神经网络模型的精度.     

陀螺随机漂移的神经网络预报方法研究

针对惯性导航系统中陀螺仪的漂移特性,在时间序列分析及神经网络理论的基础上提出了一种时间序列神经网络结构,并采用此种网络模型对某捷联惯导系统中所用的陀螺仪漂移数据进行了预报。预测结果表明,这种预测方法对于陀螺漂移建模及预报是可行的。     

基于动态灰色模型的地下工程地面沉降预测

对地下工程引起的地面沉降作实时准确的预报对指导施工有重要意义,利用动态灰色模型(MGM),可以根据适时更新的观测值建立实时的预报模型,从而使预报精度提高。文章通过工程实例,表明该模型能较好地应用于沉降预报,这对地下工程及岩土工程施工有一定的参考价值。     

精度内圆磨削过程建模与质量控制系统

根据建模速度及预报精度，重点分析了内圆磨过程的时间序列ＡＲ（ｎ）模型，离散勒主德多项式Ｌ（ｍ，ｎ）模型和用灰色系统理论对内圆磨削过程建模的可能性，计算机的模拟结果证明：ＡＲ（ｎ）模型、Ｌ（ｍ，ｎ）模型和灰色模型ＧＭ（１，１）均可适于内圆磨削过程，在此基础上，设计了旨在提高轴内圈加工质量和生产率的质量控制系统。     

基于递归神经网络的多步预报方法

为了解决由多层前馈神经网络递推运算获得的多步预报存在的预报误差迭代累积问题 ,提出了基于局部递归神经网络的多步递归神经网络 (MSRN)模型 ,对时间序列进行了多步预报 .用模拟振动数据把MSRN模型用作单步和多步的预报能力 ,同经典的多层前馈神经网络进行了比较 ,并预报了天津石化总公司炼油厂大机组某测点振动的变化趋势 实践表明 ,用该方法进行多步预报误差小 ,并具有良好的预报能力 .     

灰色GM(0,h)模型应用于台风预报

应用灰色系统理论,建立了我国华南沿海登陆台风预报模型。该模型在对前期因子数据序列和预报量的前期数据的映射序列,分别作累加生成的基础上,应用灰色GM(0,h)建模,建立前期因子与后期预报变量之间的量化关系,并通过残差辨识提高了拟合率。     

非等间隔灰色模型及应用

本文提出了非等间隔灰色过程的概念，实现了对灰色模型ＧＭ在时序要求上的拓展，探讨了非等间隔灰色模型的建模方法和模型方程，为描述时间序列间隔不等的灰色过程和解决工程上的问题提供了一个新的工具．非等间隔灰色过程的建模主要包括两步：（１）用最小二乘法和插值法由原始数据计算ｔｎ（ｉ）及（ｉ）数列，（２）由ｔｎ（ｉ）及（ｉ）计算模型响应式．文中给出了应用实例及误差分析．     

建筑物沉降的时间序列分析与预报

首先对建筑物沉降数据序列进行了平稳化处理,然后研究了平稳化序列的建模和预报方法,最后结合建筑物沉降监测的具体实例进行了时间序列的分析与预报.结果表明:将时间序列分析方法应用于建筑物沉降监测,具有建模容易、计算简单、预报快速的特点;时间序列分析方法对建筑物沉降具有较高的模型拟合及预报精度,尤其是短期预报,效果更佳;应尽量避免使用时间序列进行中长期预报,要根据实测数据对所建模型进行实时更新.     

浅谈数学建模中预测方法

针对近年来数学建模竞赛题中往往需要建立合理的预测模型等问题,本文就常用的数据预测方法,包括趋势外推预测法、时间序列预测法、回归预测法、灰色模型预测法、神经网络预测法等方法进行综述,并分析了其各自特点及其应用范围。     

岩土工程中应用神经网络的思路研究

本文基于笔者多年从事岩土工程相关工作的经验,以岩土工程中神经网络应用为研究对象,在参考大量相关文献的基础上,分析探讨了神经网络方法在岩土工程中应用的渊源,神经网络的基本特征和神经网络在岩土工程中的应用和建模方法,全文是笔者长期工作实践基础上的理论升华,相信对从事相关工作的同行有着重要的参考价值和借鉴意义。