牛顿多项式拟合时间序列预测方法的研究

提出一种基于牛顿多项式拟合时间序列预测方法,通过对时间序列的牛顿多项式拟合函数特征化,将时间序列的数据映射到牛顿多项式的系数特征空间,然后根据系数的特征空间采用类似欧氏距离的方法来比较时间序列的相似性,从而进行时间序列的预测.实验验证了该方法比其它几种经典方法预测精度高,稳定性好,而且对给定长度的变化敏感度低,具有较高的实际应用价值.     

基于预测状态空间实现的GPC自适应算法

依据文［１］中提出的ＣＡＲＩＭＡ模型预测状态空间实现，在线辨识被控系统的单位阶跃响应序列和特征多项式系数，直接用辨识出的序列和特征多项式系数构成广义预测控制律．该算法计算量小，鲁棒性好，模型中Ｂ多项式阶次及时延可以未知     

时间序列数据的相似模式抽取

提出一种基于多项式回归分析的相似性度量和时间序列相似模式抽取的系统化方法,其基本思路是用一个分段多项式回归模型近似一个时间序列,把原始序列映射到多项式系数张成的特征空间,并推导出此特征空间的欧几里德距离作为相似性度量,从而自然地把原始序列分为一个不重叠的有序子序列集合,然后对这个子序列集合进行聚类,得到一组不重叠的模式。所提方法还定义了不等长度时间序列相似的概念。说明了一些著名的分段直线表示（PLR）法是所提方法的特例,并给出了理论分析和实验结果。     

基于正交多项式的自适应提升格式

为确定提升格式的预测系数及更新系数,该文以小波分解的细节信号的平方和为目标函数,采用一组正交多项式确定预测系数,使预测系数能够反映分析数据的特征.根据分析数据的相关性来确定最优预测系数和更新系数,使小波能够较好地适应信号特征的变化.理论和仿真结果表明:正交多项式的自适应提升格式的滤波性能明显优于一般拟合方法的提升格式以及传统小波db5,尤其在低信噪比的情况更为明显.     

一类对称三对角矩阵的特征多项式

本文给出了一类特殊的对称三对角矩阵特征多项式的递推公式及其特征多项式序列中各多项式系数之间的递推关系式。证明了该序列的正交性以及此类三对角矩阵特征多项式的整除性质。     

一类对称三对角矩阵的特征多项式

本给出了一类特珠的三对角矩阵特征多项式的递推公式及其特征多项式序列中各多项式系数之间的递推关系式．证明了该序列的正交性以及此类三对角矩阵特征多项式的整除性质。     

一类对称三对角矩阵的特征多项式

本文给出了一类特殊的对称三对角矩阵特征多项式的递推公式及其特征多项式序列中含多项式系数之间的递推关系式．证明了该序列的正交性以及此奥三对角矩阵特征多项式的整除性质．     

一类对称三对角矩阵的特征多项式

本文给出了一类特殊的对称三对角矩阵特征多项式的递推公式及其特征多项式序列中各多项式系数之间的递推关系式，证明了该序列的正交性以及此类三对角矩阵特征多项式的整除性质。     

具限制系数广义多项式集的最佳同时逼近特征

在复赋范线性空间X中考察了具限制系数的广义多项式集G对全有界序列(xv)的加权同时逼近问题.用只含有限个点的序列逼近全有界序列(xv),然后把只含有限个点的序列的逼近问题转化为复值连续函数空间中的Chebyshev逼近问题,在X一致光滑及inf v∈N d(xv,G)>0的条件下,给出了G对(xv)逼近的特征定理.     

基于神经网络和时间序列的河南省老年人口系数的预测

基于河南统计年鉴2001—2013年老年人口系数的数据,利用BP神经网络模型对河南省老龄化指标进行预测,训练效果不理想.因此采用时间序列二次指数平滑法对老年人口系数进行预测,预测结果的相对误差均值为4.97%.为了更加精准地预测老年人口系数,采用时间序列和BP神经网络结合的模型对其进行预测,此方法解决了老年人口系数的非线性的映射关系,预测结果的相对误差基本控制在1%左右,因此这个模型是最优的,更加适合预测河南省老年人口系数.预测结果表明河南省人口老龄化趋势是逐渐上升的.     

金融市场中的交互信息

在金融市场应用方面强调了在构造状态空间时选择最佳时间延滞的重要性,选择时间延滞的单值系统方法具有局限性,分析金融时间序列需要一个测量相关性更一般的方法,运用交互信息准则测量相关性,提出了基于金融时间序列的交互信息准则的新方法,当金融时间序列为高斯分布,选择时间延滞的两种方法具有相同的结果。     

基于多变量相重构的混沌时间序列预测

提出了一种基于多变量相重构的混沌时间序列预测方法.该预测方法从非线性动力学系统中获取与待预测时间序列相关的信息组成多变量时间序列,首先进行多变量相空间重构,然后利用局域多元线性回归模型在相空间中进行预测,最后从预测出的高维相点中分离出时间序列的预测值.由于考虑了动力学系统中多个变量之间相互耦合的关系,从而增加了重构相空间的系统信息量,使得相空间的相点轨迹更加逼近原系统的动力学行为.与采用单变量进行预测的方法相比,基于多变量相重构的预测方法无论是单步预测还是多步预测,都能有效地提高预测精度,且具有嵌入维数的选择对预测精度影响较小的优点.通过对Lorenz混沌信号进行预测,实验结果验证了方法的有效性.     

插值新息实时预报方法的改进算法

在对插值新息实时预报算法的稳健性进行试验仿真研究的基础上，提出了一种改进的算法——基于自适应梯度的插值新息预报算法，计算机仿真结果表明，该算法的稳定性优于原来的基本算法，更适用于实时预报系统     

HT46R系列单片机定时问题研究

随着HT46R系列单片机在各种测控系统上的实际应用,定时/计数器的作用也显得越来越重要。介绍了通过程序对HT46R系列单片机内部的可编程定时/计数器的定时方式和工作模式的设定和控制以确定定时时间,并提出了一种扩展定时/计数器定时范围的有效方法。最后,以该定时/计数器方法在全自动电饭煲控制系统中的应用为例,说明该方法使得定时/计数器的应用范围更加广泛,使用更加灵活。     

基于小波分解的设备状态预测方法

首次提出将小波分解应用于非平稳时间序列的预测中,通过小波分解将非平稳时间序列分解为多层近似意义上的平稳时间序列,并且用ＡＲ（ｎ）模型对分解后的时间序列进行预测,进而得到最终的预测结果．将该方法应用于压缩机轴承座磨损的趋势预测中,通过与基于ＢＰ网络的预测方法相比较表明：该方法预测精度高,而且预测速度快,可以有效地应用设备状态的预测和设备故障趋势的分析中．     

HT46R系列单片机定时问题研究

随着HT46R系列单片机在各种测控系统上的实际应用,定时/计数器的作用也显得越来越重要.介绍了通过程序对HT46R系列单片机内部的可编程定时/计数器的定时方式和工作模式的设定和控制以确定定时时间,并提出了一种扩展定时/计数器定时范围的有效方法.最后,以该定时/计数器方法在全自动电饭煲控制系统中的应用为例,说明该方法使得定时/计数器的应用范围更加广泛,使用更加灵活.     

Bayesian-combined wavelet regressive modeling for hydrologic time series forecasting

Wavelet regression (WR) models are used commonly for hydrologic time series forecasting, but they could not consider uncertainty evaluation. In this paper the AM-MCMC (adaptive Metropolis-Markov chain Monte Carlo) algorithm was employed to wavelet regressive modeling processes, and a model called AM-MCMC-WR was proposed for hydrologic time series forecasting. The AM-MCMC algorithm is used to estimate parameters’ uncertainty in WR model, based on which probabilistic forecasting of hydrologic time series can be done. Results of two runoff data at the Huaihe River watershed indicate the identical performances of AM-MCMC-WR and WR models in gaining optimal forecasting result, but they perform better than linear regression models. Differing from the WR model, probabilistic forecasting results can be gained by the proposed model, and uncertainty can be described using proper credible interval. In summary, parameters in WR models generally follow normal probability distribution; series’ correlation characters determine the optimal parameters values, and further determine the uncertain degrees and sensitivities of parameters; more uncertain parameters would lead to more uncertain forecasting results and hard predictability of hydrologic time series.     

公路运输量预测的综合时序分析

在公路网规划中 ,正确地确定区域的公路运输量是一项重要的基础工作 ,公路运输量的时间序列具有复杂的非线性关系 ,难以用单一的模型进行预测 ,针对时间序列具有趋势变动、周期变动和不规则变动的特点 ,文章提出用综合集成的方法分别考虑公路运输量序列中所隐含的 3种变动 ,并针对 3种不同变动的特点分别建立相应的模型进行分析 ,在此基础上再从总体上把握运输量时间序列的变化规律。并结合实例对模型进行了验证 ,表明具有较高的拟合精度 ,为公路运输量的预测提供了一种有效的方法。     

融合VMD和GRU模型的城市道路行程时间预测方法

城市道路交通环境复杂多变,城市道路行程时间具有较强的非线性与非稳定性,为提高城市道路行程时间的预测精度,提出了基于变分模态分解(variational mode decomposition,VMD)与门控循环单元(gated recurrent unit,GRU)相结合的组合预测模型。与传统分解算法相比,VMD拥有非递归求解和自主选择模态个数的优点。首先利用变分模态分解算法将原始行程时间序列分解为若干时间子序列,降低原始序列的非平稳性;然后对每个时间子序列建立GRU预测模型;最后将各个预测结果进行融合,得到行程时间序列预测的最终结果。实验结果表明,变分模态分解与门控循环单元结合的组合模型预测结果要比对照组的单一模型预测结果精准度高,均方根误差(root mean squared Error,RMSE)及下降约3.99～4.37,平均绝对误差(mean absolute error,MAE)下降约3.02～3.35;在组合预测模型中,门控循环单元(GRU)预测效果要比长短期记忆(long short-term memory,LSTM)预测效果表现更佳,均方根误差(root mean squared error,RMSE)下降0.34,平均绝对误差(mean absolute error,MAE)下降0.22。     

基于ε-SVR的用户视听在线人数预测

预测视听在线人数能够帮助厂商提供有价值的信息, 获取更大效益. 从时间序列分析出发, 经过特征调整, 利用支持向量回归对用户视听在线人数进行准确预测. 首先, 对数据进行时间序列分析建模并预测; 然后, 将模型视为线性回归对用户视听在线人数作进一步改进, 结合时间与实际生活中的特征进行调整, 并添加了新的特征; 接着, 对新特征组成的样本进行支持向量回归, 通过社会认知优化寻找径向基函数中的最优参数; 最后, 得到比较理想的预测效果.