基于KPLS的延迟焦化柴油95%点的预测与估计

为了节约人工分析柴油95%点的成本和时间、提高延迟焦化装置调整的效率,在研究延迟焦化装置工艺流程和分析柴油95%点影响因素的基础上,提出了一种基于核偏最小二乘的柴油95%点的预测方法。仿真结果表明该方法能够有效、快速地处理各变量之间的非线性关系,并且预测结果也明显优于偏最小二乘方法等方法。所提出的方法可用于指导实际生产过程,提高企业效益。     

基于偏最小二乘模型的无人机航材需求预测方法

针对无人机航材存在样本数据量少,影响因素多且复杂多变,以及库存需求预测精度不高等问题,对现有经典小样本下航材需求预测方法进行系统分析,并利用偏最小二乘回归方法在处理小样本数据、变量多重相关性等方面的独特优势,提出了基于偏最小二乘的无人机航材需求预测方法.选取无人机的飞行时间、飞行起落次数、操控人员熟练程度、异常环境温度、异常环境湿度、航材故障率、维修人员技术水平、维修资料等参数,对偏最小二乘法进行原理及模型建模步骤分析,构建了无人机航材需求预测模型,并进行航材影响因素研究.实验结果表明:该模型较其它常用预测模型的精度有所提高,预测结果的平均相对误差绝对值为4.87%,表明该方法可以应用于无人机航材需求预测,能够满足实际需要.     

基于PLS-结构方程的顾客满意度评价方法

传统结构方程模型虽然在分析中既能处理测量误差．又可描述潜变量之间的结构关系、但是，在求解结构方程模型的过程中严格依赖协方差矩阵，并且假设测量变量服从正态分布，由于顾客满意的频数分布常常为非正态分布，从而极大限制了该方法在顾客满意度研究方面的应用．本文研究基于PLS的结构方程模型，有效解决了在构造客户满意度模型中所遇到的变量非正态问题．并以肛结构方程原理为支撑，对商品房顾客满意度问题进行了应用研究．     

预测模型中参数估计的最优化方法

为提高预测模型的预测精度 ,从几个角度研究了预测模型中参数估计的优化方法 ,并利用欧氏空间的距离将建立趋势预测模型的折扣最小一乘法推广到建立一般因果关系的回归预测模型 .     

基于多个潜变量PLS算法的一种迭代方法

在两个潜变量的偏最小二乘法(PLS)基础上,研究了如何将PLS算法从两个潜变量扩展到多个潜变量的一套完整方法(包括具体的形式规范和迭代步骤);以及在多个潜变量PLS算法上的符号检验.并在MATLAB上实现了完整的多个潜变量PLS算法,验证了该迭代方法的有效性.     

结构方程模型迭代算法研究

对结构方程模型——偏最小二乘法分析的模型结构、迭代原理进行了具体研究.首先,详细介绍了结构方程模型的结构关系组成,并针对2个结构2个潜变量的结构方程模型进行了推导,研究了相应迭代算法并开发了实现程序.最后,通过算例验证了迭代算法的有效性.     

时用水量预测的自适应组合动态建模方法

利用随机过程及时间序列分析手段,根据用水量序列季节性、趋势性及随机扰动性的特点,建立了用水量预测的自适应组合平滑模型。利用递推最小二乘算法及卡尔曼滤波算法解决了模型参数的动态估计问题。该法经实例验证,预测误差较小,可满足供水系统调度的实际需要。     

一种拟合型的提升小波预测方法

研究提升小波的关键是确定预测算子及更新算子,目前大多数的预测方法属于插值型的,从多项式拟合的角度,采用基于切比雪夫多项式的最小二乘预测方法,理论及仿真实例表明,该方法是非常有效的。     

基于偏最小二乘回归的可靠性增长费用分析

为消除武器装备可靠性增长费用建模中自变量之间的多重相关性,引入了偏最小二乘回归分析,并针对某型现役装备使用阶段可靠性增长费用数据进行了建模与分析。结果表明,与一般的多元回归分析相比,偏最小二乘回归分析避免了自变量之间多重相关性带来的问题,能够得到与实际经验相符合的模型。     

基于LSTM-SVR模型的航空旅客出行指数预测

航空旅客出行的情况对民用航空机场建设与运营具有重大意义,定义了一种航空旅客出行指数,运用机器学习方法对航空旅客出行指数进行预测,克服了单一预测模型精度的不足,提出一种将长短期记忆网络(LSTM)与支持向量回归(SVR)相结合的航空旅客出行指数组合预测模型,并对预测结果集进行聚类分析。以上海机场航空旅客数据为实证,验证了LSTM-SVR组合预测模型可行性与有效性,实验结果显示：LSTM-SVR组合预测模型较传统单一预测模型具有更高的精度;同时,LSTM-SVR组合预测模型与其他组合预测模型相比也有较明显优势。此外,基于K-均值算法对航空旅客出行指数进行聚类分析并给出评级,此举为机场运营管理及旅客出行提供一定的决策支持。     

垄断企业的顾客忠诚研究

尽管顾客忠诚对于企业具有重要的意义,在垄断行业内却对其缺乏足够的重视。以某居民供电企业为例,研究了垄断环境下顾客忠诚的维度结构,以及其同服务质量、顾客满意之间的关系。结果表明,垄断企业应了解并超出顾客的期望,通过提高服务质量和顾客满意水平,增强顾客对企业的信任度、合作度、宣传度和价格承受度,将虚假忠诚转化为真正的忠诚。     

基于最小二乘支持向量机的交通安全预测模型

分析了最小二乘支持向量机(LS-SVM)在交通安全预测中的优势,确定输入向量集合和输出向量集合,利用LS-SVM建立交通安全预测模型.将1953～2006年全国交通安全相关数据分为训练集和测试集,利用Matlab 7.0进行仿真测试.通过训练LS-SVM得到模型具体参数值,然后对测试集数据进行预测,计算预测误差,并与神经网络模型、SVM模型预测结果进行对比.仿真结果表明,基于LS-SVM建立的交通安全预测模型比神经网络预测模型、SVM模型具有更高的运算速度和预测精确度.     

SVM方法及其在客户流失预测中的应用研究

客户流失分析与预测是客户关系管理的重要内容.针对客户流失问题,建立了支持向量机预测模型.针对实际客户流失数据中正负样本数量不平衡而且数据量大的特点,提出带有不同类权重参数的支持向量机算法CW-SVM,通过调整类权重参数改变分类面位置,提高算法分类准确性;将标准支持向量机训练问题转化为运算效率更高的核向量机问题,提出处理不平衡海量数据集的CWC-SVM算法.通过实际银行信贷客户数据集测试,该算法与传统预测算法比较,更适合解决大数据集和不平衡数据,取得较好的客户流失预测效果.     

顾客满意度指数述评

顾客满意度指数(CSI)是近年来产生的一种衡量经济产出质量的宏观指标。本文对CSI的理论基础、指数构造方法以及在不同国家的应用情况进行了述评,并分析了目前研究和实践中存在的主要问题,提出了未来的主要研究方向。     

A Forward Selection Method on Customer Credit

In this paper, we discuss a selection and evaluation method of customer credit for the commercial bank loans operation, and put forth a forward selection model by optimization techniques. At last, we also give an example to analyze its application.     

基于汇集预测的随机客户需求配送车辆调度问题

针对物流配送过程中客户需求随机出现的车辆调度问题，结合客户随机需求信息和经验数据，运用汇集预测方法，生成合理的虚拟客户出现的概率及其位置和需求量；在分析客户不满意度函数的基础上，综合考虑配送车辆调度方案的经济性和客户满意度两方面因素，提出了加权广义配送总费用最小化目标；依照车辆先真实后虚拟客户配送的原则，建立了配送车辆调度模型，设计了与局部搜索相结合的改进遗传算法。Solomon标准测试算例验证了模型与算法的有效性与适用性，结果表明，相比于现有的其他方法，本文方法制定的配送车辆调度方案不仅能有效降低物流企业的总配送成本，而且能快速响应客户需求，提高客户满意度和服务水平。     

基于整体最小二乘的单次快拍线性预测空域谱估计方法分析

本文基于时间域前、后向线性预测方程,利用整体最小二乘方法来分析单次快拍空域谱估计问题。这种方法同时考虑数据矩阵与观察矢量噪声扰动的影响,所以,在低信噪比情况下,性能优于MUSIC等大多数高分辨空域谱估计方法。另外,由于它利用了数据矩阵奇异值分解技术,所以,对相干信号源也能实现良好分辨。本文摸拟实验结果证明了这一点。     

顾客价值驱动的需求状态转移知识模型研究

构建顾客需求知识模型是供应厂商需求响应决策关键,论文从顾客价值角度,分析了顾客需求问题结构特性,提出需求目标、需求个体能力和需求环境是影响顾客显性与隐性需求形成,导致感知价值差异的主要要素.在此基础上,建立了顾客需求状态转移过程性知识模型,以及知识模型的"规则+框架"表达模式.