基于小波分析与卡尔曼滤波的网络流量估计和预测方法

将目标状态的小波变换系数向量描述为卡尔曼滤波方法的状态变量,进而建立了网络流量估计和预测模型,能够实现周期内的实时跟踪和动态多步预测.利用CERNET华中地区主干网的实测流量数据对该模型进行检验,所有检验周期网络流量预测值的相对误差均值为4.58%,表明网络流量估计和预测模型具有较强的适用性.     

基于改进多孔算法的时间序列预测

针对小波分析技术存在的边界问题,提出一种改进的多孔算法。使用该算法得到的系数序列,在具备时移不变性的同时,消除了右侧边界存在数据畸变的现象,使小波分析技术结合神经网络等传统预测模型的方法应用于单变量时间序列预测任务具备可行性。为进一步提高预测精度,引入了神经网络集成技术以改善网络泛化能力。实验表明,这种组合预测模型预测效果与稳定性优于传统预测模型。     

基于非线性跟踪—微分器的金融时间序列预测

基于非线性跟踪-微分器的基本原理,开拓性地用二阶离散和三阶离散非线性跟踪-微分器对上证综指进行了预测.从预测结果来看,二阶非线性离散跟踪-微分器预测相对误差控制在8%以内,三阶离散非线性跟踪-微分器预测相对误差控制在5%以内,显示了较好的预测效果.     

基于改进BP神经网络和工业重构理论的用电增长预测方法

运用改进BP神经网络方法和工业重构理论,建立新型工业化与用电增长的关系,提出附加动量和自适应学习率的改进BP神经网络构建工业用电增速的预测模型,利用该模型对未来工业用电增长的趋势进行判断。利用Matlab7．0对该模型进行设计,并运用该模型对工业用电增长趋势进行仿真。与传统的BP神经网络模型相比,采用改进后的预测方法仅经过47次训练就满足预定误差要求,而采用传统的预测模型易陷入局部极小点,很难满足预定误差要求;改进预测模型的预测值与实际值拟合程度好,平均预测精度比传统模型预测精度高1％～3％。此外,验证了改进模型的优越性和合理性。     

基于多输出支持向量回归算法的股市预测

提出了一种新的多输出支持向量回归算法,给出了定义在超球上的损失函数,并将训练SVM转化为迭代解线性方程组,在求解过程中采用边计算边使矩阵降阶的方法,加快了运算速度.建立了该算法应用于股市预测的模型,对上证指数的建模与预测表明:与单输出支持向量回归算法建立的模型相比,该算法具有更好的整体预测精度和抗噪性能,是对股市进行分析和预测的一种可行而有效的方法.     

多光谱卫星云图降水区域与强度估计的模糊推理模型

在卫星云图降水分析中,针对降水天气和降水强度具有明显的"模糊"特性,提出了云图降水的模糊推理模型.从不同云类降水的经验知识和降水天气的卫星云图样本中,提取出若干云类降水规则.在此基础上,引入模糊推理方法,建立了卫星云图降水分布和降水强度估计的模糊推理模型.实际应用中,对卫星云图进行云分类,根据云分类结果,去除不可能产生降水的云类区域.对可能产生降水的云类区域,通过提取多光谱云图的灰度等特征进行推理判别,进而得出该区域是否降水以及降水强度和降水分布的估算.试验结果表明,该方法在客观性、定量性和自动化程度方面优于传统的降水估计方法,且建模所需的样本少,可适用于多种类型的气象卫星云图.     

2005年运城市长连阴雨过程分析

在介绍运城市2005年秋季连阴雨雨情的基础上,对环流形势、影响系统、物理量特征、西太平洋副热带高压特征进行了分析,并提出了预报着眼点。     

两类数据挖掘工具评估分析的定量化

针对企业是否采用数据挖掘工具以及采用何种数据挖掘工具的问题,提出了评估数据挖掘工具价值的定量化分析方法;利用马尔可夫转移概率矩阵与数学规划模型对分类型数据挖掘工具进行价值评估,确定分类型数据挖掘工具带来的价值;利用分布密度函数和信息熵对预测型数据挖掘工具进行价值评估,确定预测型数据挖掘带来的价值;再通过采用数据挖掘工具需要的成本,最终建立了评估两类数据挖掘工具(分类与预测)的效益模型,为企业成功实施数据挖掘提供保证.     

企业总产值的组合预测方法与应用

为了选择灰色预测系统的最佳解释变量,并使其代表原始数据的绝大部分信息,将主成份分析方法与灰色系统理论进行有机地结合,形成一种组合预测方法。主成份的作用就在于对原始数据寻求基本结构、简化观测系统,并用一个有代表性的变量子集来解释整个问题,使GM(1,h)模型反映出影响某个经济现象的关键因素,更加有效地揭示了系统的发展趋势和动态变化规律,该方法具有很强的可靠性和实用性。     

高韧性易燃特厚煤层巷道自燃监测预报技术

针对磁窑堡二矿自然发火期短且为高韧性特厚易自燃煤层,且综放面回风顺槽与多个旧巷贯通或相邻,使得巷道掘进及回采期间自燃危险性增大的特点,对巷道掘进期间实施了有效的防灭火措施方案,保障综放面安全顺利开采。