美元/欧元汇率的趋势与波动分析及区间预测

对美元/欧元汇率进行趋势与波动分析并作出区间预测。利用BP神经网络提取趋势,对残差分别运用自回归移动平均模型和广义自回归条件异方差模型分析波动性,将趋势与波动性结合给出区间预测。对2001年7月至2017年10月美元/欧元汇率的研究发现,BP神经网络具有很好的非线性刻画能力,但只有合适的预测精度才能得出较好的预测区间,同时也发现,广义自回归条件异方差模型对波动性的分析效果优于自回归移动平均模型。因此,BP神经网络模型与广义自回归条件异方差模型的组合模型(BP-GARCH模型)更适合时间序列的中长期区间预测。通过调节BP神经网络的参数、误差及预测精度提高组合模型的精度。     

洪水涨落水位-流量分布规律及应用

以河溶水文站为例,采用系统分析法研究受洪水涨落影响绳套关系水位-流量关系轴线摆动变化范围。结果表明:受洪水涨落影响绳套关系水位-流量洪水洪峰水位及相应流量的轴线摆动有一定规律,水位-流量关系走向越接近洪峰水位越向轴线形成有规律的系列,由此可根据洪峰水位与相应流量之间建立回归关系,建立绳套关系水位-流量转换模型应用于洪峰水位预报,有效解决受洪水涨落影响下绳套关系水位-流量关系洪水水位预报瓶颈,满足防汛需求。     

基于凸组合的移动平均线策略应用研究

鉴于随着市场有效性的增强,作为量化投资技术分析中重要指标之一的传统移动平均线策略逐渐失效。基于凸组合思路构建改进移动平均线策略,并给出了策略交易规则。对2005年10月17日-2017年12月31日的日收盘价数据进行不同日期参数的均线策略回测检验,结果表明：基于凸组合的移动平均线策略表现优于传统移动平均线策略,日期参数组合5~20的凸组合策略表现最好,基于凸组合的移动平均线策略具有较好的应用价值。     

基于IOWC-GOWA算子及相对熵的区间型组合预测模型

针对用区间型数据描述不确定现象的组合预测问题,为了提高区间型数据的预测精度,首先采用诱导有序加权连续区间的广义有序加权平均(IOWC-GOWA)算子将区间数集结为实数;然后对集结后的实数进行标准化处理;最后从信息论的角度引入相对熵作为最优准则,提出了基于IOWC-GOWA算子及相对熵的区间型组合预测模型;另外,通过实例分析了该组合预测模型的合理性和有效性;结果表明:该组合预测模型可以有效地提高区间型数据的预测精度,即该模型是合理有效的,并且,参数λ和BUM函数的选取会对模型的预测精度产生一定的影响。     

2014 年全球Top20 集装箱港口预测

海上运输承担着全球80% 以上的货物贸易运输,而集装箱化是大势所趋.因此,集装箱运输业的景气程度是世界经济与贸易发展的晴雨表,集装箱运输业的吞吐量增长情况直接体现着世界贸易的繁荣与发展.集装箱吞吐量预测可以支持政策制定者把握世界经济走势,跟踪经济波动的传导.同时,可以帮助管理部门和企业了解港口发展周期,把握港口发展趋势,科学制定港口发展战略,合理分配港口建设资源,促进当地经济社会发展.本研究基于TEI@I 方法论,对2014 年全球Top20 港口集装箱吞吐量进行了预测,进一步得到相关结论,并分析了2014 年全球各区域港口集装箱吞吐量的增长特点.     

基于人工智能的人民币/美元汇率组合预测模型

针对在人民币/美元汇率收益率的尖峰厚尾、波动性聚集性与杠杆效应等特征,单个预测模型往往难以完全将这些数据特点完全反应,为更有效地利用各个模型的优点,利用协整关系和神经网络的非线性特点将不同的单一模型进行组合。实证表明:组合模型能产生更好的预测精度。     

基于聚类分析的短期负荷智能预测方法研究

短期电力负荷预测作为电网企业的基本工作,其精度的提高对于电网企业运营管理和调度管理具有较大的意义,然而由于电力负荷受到诸多非线性因素的影响,因此得到高精度的电力负荷预测结果是比较困难的.本文首先利用数据挖掘中的k-means聚类技术对训练集的气象数据进行聚类分析,分析提取相似日,在提取相似日的相关历史数据后,建立支持向量机模型进行短期电力负荷预测.经算例结果证明,由该方法得出的预测结果平均相对误差为0.88%,和同结构支持向量机预测的平均相对误差(1.66%)以及ARMA预测的平均相对误差(3.81%)相比,预测精度得到明显的提高,证明了该方法的有效性.     

葛根-丹参组方对动脉粥样硬化鹌鹑血管内皮组织 的影响

目的：考察葛根-丹参(1:1)组方对动脉粥样硬化鹌鹑血管内皮组织的影响. 方法: 连续喂养高脂饲料造模同时给药, 观察葛根-丹参对动脉粥样硬化鹌鹑主动脉组织脂质斑块、内皮及内膜组织的影响. 结果: 葛根-丹参组方配伍后, 无论乙酸乙酯部位还是水提物, 均能较好的减少泡沫细胞及脂质的沉积, 改善内皮细胞的肿胀、变性, 抑制血管内膜的增厚及巨噬细胞的数量, 尤以乙酸乙酯部位作用明显. 结论: 葛根丹参组方配伍具有一定的减少主动脉组织脂质斑块形成, 保护血管内皮细胞作用, 有效地阻止AS的形成与发展.     

一种机械臂运动学研究及3D仿真平台构建

针对川崎机械臂FS03N的构型特点,提出了一种逆运动学的求解方法。采用DH法建立了机械臂的连杆坐标系,得到正运动学方程,通过变量分离将机械臂姿态采用欧拉角表示,得到了机械臂位姿的一组广义坐标。通过对FS03N的构型分析,采用几何法与反变换法相结合的方法,以解的组合关系为基础,得到了机械臂的8组封闭解。建立了基于Matlab的机械臂算法验证与3D仿真运动平台,验证了逆运动学解算的正确性,为机械臂的轨迹与路径规划提供了前提条件。     

Settlement Prediction of Dredger Fill with the Optimal Combination Model

Post-construction settlement has gained increasing attention because it frequently causes engineering problems. A combined model is a commonly used prediction model that overcomes the difficulty of a single model（ i. e., cannot reflect various regulations of settlement at some stages or the entire process）. In this study,the correlation coefficient,maximum error values,and other values were obtained according to the fitting and predicted results of a single model. The coefficient of variation was then introduced to determine the weight of each model forming the combination. The proposed model was used to fit and predict for settlement and overcome the issue of utilizing a single model while determining the weight. The fitting predictive effect was also analyzed using the settlement fitting precision results. The fitting precision of optimizing the combination model is high. The predicted data of the post-construction settlement are closer to the calculated value of the settlement monitoring data. Moreover,the proposed model has good practicability,does not require the interval data of settlement,and restricts the model number. Thus,this model can be applied in the engineering field.