定性预测与定量预测的综合运用研究

定性预测和定量预测各有其优点和缺点。这里介绍了它们各自的特点，并介绍了3种综合运用定性预测和定量预测的方法，在此基础上通过具体事例解释了它们的应用，然后比较了3种综合方法的相对适用情形。     

用户预测在无线网络规划中的方法研究

用户预测在无线网络规划中具有举足轻重的作用，本文介绍了用户预测的各种方法，并给出了具体实例。     

NWS预测子系统的应用

利用性能的历史测量信息预测短期内的网络性能，可以动态监视和预测特定网络和计算资源在应用层的可用性。介绍了网络预测服务及其体系结构，讨论了其关键技术，对预测方法和自适应动态预测器选择方法进行了讨论，研究了动态自适应预测技术在网络性能服务器中的具体实现。仿真分析表明，使用该方法可以在较低开销的条件下获得最好的预测结果，实验验证了这一结论。     

电力系统负荷预测

负荷预测在电力系统规划和运行方面能发挥重要的作用，产生明显的经济效益，负荷预测实质上时对电力市场需求的预测。本文系统介绍和分析了负荷预测的基本概念、种类、和预测方法。     

电力负荷预测方法

简要介绍了电力负荷预测技术的发展情况，具体介绍了电力负荷预测的几种常用方法，并详细分析了各种负荷预测方法的优点和缺点。     

改进的DPCM在图像压缩中的应用

就传统的DPCM在图像压缩中的应用进行了介绍。通过改进的DPCM预测方法说明，自适应预测提高了图像的压缩效率。     

经济系统预测精度及有效性分析

本文讨论了预测误差的根源，给出了点或区间预测精度的测度准则，分析了目前人们给出的预测精度测度，以及评价预测方法的有效性测度，为不确定性系统预测方法评价提供了可行的工具。     

企业人力资源预测的方法与步骤

人力资源预测是指在企业的评估和预言的基础上，对未来一定时期内人力资源状况的假设。做好人力资源预测是企业人力资源管理的重要内容。本文介绍了人力资源预测的定义、内容、方法，并探讨了人力资源预测的实施步骤。     

基于SVM的分类预测

简单介绍了SVM的理论背景，详细介绍了基于SVM的分类预测方法。给出了基于SVM的分类预测技术的性能测试结果。指出该分类预测技术可将实际问题通过非线性变换转换到高维的特征空间，在高维空间中构造线性辨别函数来实现原空间中非线性辨别函数。     

情报信息预测中定性方法与定量方法的结合

通过阐述定性预测方法和定量预测方法的优点和缺陷，探讨了在情报信息预测中两种方法之间的内在联系和有机结合，指出只有两种方法相结合，才能使预测对象的各方面因素融合在预测结果之中，从而提高情报信息预测的精确度。     

基于小波分解的色噪声预测

研究色噪声的预测．将小波分析理论与神经网络建模预测基本原理相结合，提出了基于小波分解的神经网络预测方法．通过对年平均太阳黑子数典型统计模型的预测，验证了该方法的预测效果．将该预测方法用于色噪声的预测研究，通过改变对色噪声的采样速率，分析了色噪声预测的可能性和效果．研究结果表明，色噪声是可以预测的；对其预测的误差随采样率的提高而减小；基于小波分解的神经网络预测方法的预测精度优于线性神经网络预测方法．     

数控机床热误差的混合预测模型及应用

基于机床热变形误差的产生机理及其表现形式的复杂性,综合时序分析方法建模和灰色系统理论建模的优点,研究了一种智能混合预测模型.将该模型应用于一台数控车削加工中心进行热误差趋势预测,以进行机床热误差补偿研究.结果表明,混合预测模型预测精度高于时序分析模型和灰色系统模型,其优异的预测性能可使数控机床进行实时补偿更加有效,从而大大提高机床热误差的补偿精度.     

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．     

PCR-RBF-SVM预测模型在财政数据中的应用

通过使用支持向量机算法将主成分回归的线性预测结果和径向基神经网络的非线性预测结果相结合, 提出一种新的预测模型, 该模型提高了预测精
度, 解决了预测方式单一的问题. 将新预测模型应用于财政数据预测结果表明, 与传统主成分回归和径向基神经网络方法相比, 该模型预测效果更好.     

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。     

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.     

基于CEEMD-BiLSTM-RFR的短期光伏功率预测

由于短期光伏预测中气象因素的时间尺度不同,直接分析其对光伏功率的相关性,易忽略时间尺度的影响,进而导致预测模型误差。为提高光伏功率预测精度,构建了预测模型。首先,利用互补集合经验模态分解(complementary empirical mode decomposition, CEEMD)将光伏序列进行分解,得到在不同时间尺度上的光伏分量;然后,通过Pearson相关系数分析各光伏分量与空气温度、太阳辐射度、风速、风向和空气湿度的关系,对于强相关分量建立关于气象因素的随机森林回归(random forest regression, RFR)预测模型,弱相关分量直接通过双向长短期记忆网络(bidirectional long short-term memory neural network, BiLSTM)进行预测;并将预测求和输出。通过安徽省蚌埠市光伏电站7月实测数据进行验证,实验结果表明,所提预测模型CEEMD-BiLSTM-RFR相比传统预测模型有较好的预测精度。     

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。     

一种新的遗传策略在含“开关”过程的集合预报中的有效应用

针对初值及模式的不确定性,进行了初值扰动集合预报和模式扰动集合预报。在初值扰动集合预报中,将一种新的遗传策略用于四维变分资料同化生成集合预报的分析场,求解条件非线-}生最优扰动,并结合第二、第三主奇异向量（SVs）生成集合预报的初始扰动。为了检验该方法的有效性,采用一个含“开关”过程的偏微分方程的预报模式,设计了3种比较数值试验方案。结果表明：采用第3方案的集合预报在预报技巧上明显高于其他两种方案。第2方案和第1方案相比,由于“开关”的影响,集合预报技巧提高并不明显。在模式扰动集合预报数值实验中,为了模拟模式的不确定性,在控制方程右端添加6个随机的误差项模拟由于物理参数化方案的不同而带来的模式扰动,采用新的遗传策略在扰动模式中同化出6个对应于扰动模式的分析场后进行集合预报,并与基于伴随技术的方法进行比较。结果表明,基于遗传算法的扰动模式集合预报的预报技巧明显优于伴随方法,且这种优势随着预报时间的增加愈发明显。     

基于Copula的回归预测

针对回归预测问题,分别引入Copula回归函数和Copula τ分位数来对因变量进行点预测和区间预测,相应的通过均方误差和区间的平均长度作为预测准确性的评价指标,最后通过实证研究并与线性回归预测做比较表明：基于Copula的回归预测方法效果更好.