基于时效信息和深度学习的离港航班延误预测

针对离港航班延误预测问题,利用深度神经网络模型,结合时效航班信息数据和时效气象数据,提出了一种基于时效信息和深度学习的离港航班延误预测模型。利用真实数据开展数值试验,结果表明了所构建的延误预测模型可以在较短时间内获得较高的航班延误预测精度,并且具有较大的航班延误预测时效；同时随着延误时间阈值的增加,预测精度不断提高,损失值不断降低；尤其以60分钟为阈值时,模型的预测精度可以达到91.26%,说明了模型的有效性。     

基于DLENN模型的沈阳地区PM2.5浓度预测

受到重工业发展规模、北温带季风气候、秋冬季燃煤取暖、机动车拥堵状况以及微观气象条件等各种因素影响,沈阳地区PM2.5浓度变化具有趋势性、周期性及随机性特征。针对上述三种特征,论文构建了一种集成双向长短期记忆网络的神经网络预测模型DLENN(Double-LSTM Ensemble Neural Network),内含的两个方向LSTM分别刻画PM2.5浓度变化趋势性和周期性,然后采用线性回归杂合神经网络来捕捉PM2.5浓度变化的随机性。基于沈阳地区11个监测站2016至2017年空气质量和气象条件数据,本文将DLENN模型分别与自回归移动平均ARIMA模型、支持向量机SVM模型、随机森林RF模型和梯度提升树GBDT集成学习方法进行对比实验,结果表明DLENN预测模型稳定优于其他方法,其预测误差RMSE相对于ARIMA、SVM和集成模型分别下降了9.23%、3.83%、5.49%.     

Permissible idealizations for the purpose of prediction

Every model leaves out or distorts some factors that are causally connected to its target phenomenon—the phenomenon that it seeks to predict or explain. If we want to make predictions, and we want to base decisions on those predictions, what is it safe to omit or to simplify, and what ought a causal model to describe fully and correctly? A schematic answer: the factors that matter are those that make a difference to the target phenomenon. There are several ways to understand differencemaking. This paper advances a view as to which is the most relevant to the forecaster and the decision-maker. It turns out that the right notion of differencemaking for thinking about idealization in prediction is also the right notion for thinking about idealization in explanation; this suggests a carefully circumscribed version of Hempel’s famous thesis that there is a symmetry between explanation and prediction.     

混凝土自收缩的测定及若干因素对自收缩影响规律的研究

采用非接触式电涡流位移传感器设计了自密实混凝土自收缩试验方法,进行自密实混凝土自收缩试验,考察粉煤灰单掺、粉煤灰与矿渣复掺、胶结料用量、水胶比对自密实混凝土自收缩的影响规律,并在试验的基础上提出自密实混凝土的自收缩计算模型.研究表明,该模型能够准确地对自密实混凝土的自收缩进行有效预测,可供相关研究人员进行参考.     

混沌动力学模型在火灾损失预测中的应用

为了验证混沌动力学模型在火灾损失预测中是否具有实用价值,以消防部提供的湖南省1990 2001年的火灾损失统计数据为基础,通过建立混沌动力学模型对2002年的火灾损失数值进行了预测,并将预测结果与实际统计数据进行对比,从而得出混沌动力学模型在火灾预测中具有计算量小、精度较高的优点,可以在实际过程中广泛应用.     

Prediction in context: On the comparative epistemic merit of predictive success

The considerations set out in the paper are intended to suggest that in practical contexts predictive power does not play the outstanding roles sometimes accredited to it in an epistemic framework. Rather, predictive power is part of a network of other merits and achievements. Predictive power needs to be judged differently according to the specific conditions that apply. First, predictions need to be part of an explanatory framework if they are supposed to guide actions reliably. Second, in scientific expertise, the demand for accurate predictions is replaced with the objective of specifying a robust corridor of estimates. Finally, it is highly uncertain to predict the success of research projects. The overall purpose of the paper is to enlarge the debate about predictions by addressing specifically the roles of predictions in application-oriented research.     

短时交通流混沌预测方法的比较

针对传统的应用数学模型方法在短时交通流预测精度和实时性方面存在的问题,提出了将Volterra滤波器自适应预测模型用于短时交通流的实时预测。为提高预测精度,在Volterra滤波系数计算过程中采用归一化最小均方自适应算法进行多次训练。应用该预测模型对几个典型的非线性系统进行预测,验证了算法的准确性。然后再用此方法对微观实测交通流的时间序列进行实证分析。仿真结果表明,该预测模型对实测交通流时间序列具有很好的预测效果,可以满足实时交通流预测的需要。     

财务困境预测中的变量筛选——基于平均影响值的SVM方法

在财务困境预测中,如何从大量备选指标中筛选出预警指标是一个重要环节。为了更有效地设计财务困境预测模型,本文将平均影响值方法应用于SVM回归来进行变量筛选,首先对训练集数据用SVM进行训练,然后分别增减每一自变量的10%来进行仿真,对两个仿真结果的差值按样本数平均,得出平均影响值;最后对各个自变量的平均影响值按绝对值大小排序,从而进行变量筛选。实证结果表明,该方法能够以较少的特征变量实现较高的分类精度,是切实有效的。     

霍山县建设用地需求预测研究

随着中国城镇化进程的加快,经济发展对建设用地的需求与日俱增。国家在积极推进经济发展的同时,也在极力强调保持现有耕地面积不减少,严格控制建设用地的利用。建设用地的供求矛盾越来越突出,建设用地需求预测研究对霍山县这样山多地少的地区更为重要。本文依据霍山的土地利用现状和经济发展趋用两种方法研究了其未来对建设用地的需求,为制定科学合理的土地利用规划和经济社会的健康发展提供参考依据。