多维时序模型建模方法的探讨

本文在对ARMAV模型进行预处理的基础上,根据采样向量序列的协方差函数提出了一种向量ARMAV模型的参数线性估计方法:矩阵递推法,包括低阶模型到高阶模型的矩阵递推和同阶模型的矩阵递推。并讨论了模型适用性的检验问题。     

多维尺度模型算法实现及其配水模型应用

介绍了多维尺度(MDS)配水模型算法的实现,并针对传统配水模型只能考虑一个变量的缺点,用多维尺度模型构造了实时动态配水模型。MDS配水模型适用于包含配水水量、用水区位置和用水区需水概率等多变量的实时动态配水,它对传统一维配水模型是一个重要的补充和发展。基于MDS的配水模型,可以实现大型流域实时动态配水,为流域的规划和管理提供参考。     

智能时序控制器及其在教学管理中的应用

本文提出了应用TP801 单板机实现时序控制器的新方法,阐述了实时时钟的建立、时刻标志字的设置以及应软件编制的方法和技巧等共性问题。所介绍的设计思想和系统设计中的一些规律可以推广到其它应用领域,因此具有一定的通用性.     

灰色系统与时序组合模型在高层建筑沉降预测中的应用

将高层建筑沉降监测数据视为具有确定性趋势的非平稳时间序列，运用灰色GM(1，1)模型提取其中的趋势项，用AR(n)模型表示随机残差项，利用灰色-时序组合模型进行沉降预测．算例结果表明，该组合模型具有较高的预测精度，是一种简单、实用的高层建筑沉降预测方法．     

青海省人口城市化Logistic模型及其应用

城市化是走向现代化的必经阶段。本文基于现有研究成果和理论分析基础之上,探讨了Logistic模型描述青海省城市化过程中的合理性。通过模型参数估计,计算和预测了青海的城市化水平及其发展趋势。     

城市人口分布空间结构模型及其应用研究

影响人口分布的因素很多,为了寻求工作职位而迁移是主要的因素,也正是符合当前我国劳动力向城市转移的根本因素。本文引用了国外人口分布模型。选取了适当的参数、用该模型进行了人口分布预测;通过预测结果的分析,可以了解人口分布的变化趋势,有助于建立相应的宏观城市人口调控政策。这不仅对城市管理有很大的帮助,在理论研究方面也有显著的意义。     

多尺度正交时序模型及其在网络化设备预维护中的应用

针对设备智能维护领域中网络化趋势所引起的分布计算及传输问题,提出一种多尺度正交时序预测模型.利用正交小波变换的去相关特性,对各尺度上的分解系数序列分别建立相互独立的时序模型,以得到多尺度正交时间序列模型.将其作为预测模型应用于智能维护,通过实测数据验证了该模型的可行性.与单一时序建模方法相比,多尺度正交时间序列模型充分利用分布式特点,更适用于网络化设备的预维护.     

时序Rough逻辑及其在数据分析中的应用

提出一种时序Rough逻辑,定义了时序算子及其作用于Rough逻辑公式上的意义．描述了这种逻辑的语法和语义．论述了时序Rough逻辑中的语义模型是一个无限状态序列,其中每一状态都描述了当前时刻和场景点上信息系统的信息．从当前状态到下一状态的变换是遵循时序Rough逻辑演算的,它必须保持知识不变,也就是属性和讨论的对象不变,而属性关于对象的特征值,即属性值随着时间和场景变化而可以变化．因此。在信息系统上作决策、数据约简和信息粒化等都将产生影响,由此可见时序Rough逻辑将是动态地处理信息系统的理论工具,也将是合理地解决和处理不一致信息表的较好方法．     

多维球面模型及其在股市场分析中的应用——金融数学的新思考

多维球面模型是从资源监测发展起来的,基于向量的多元分析方法,向量是既有量值,又有方向的变量,多维球面模型把传统的向量分析从三维扩展到任意多维,可以同时处理任意多个变量。多维球面模型定义了向最除法,可以处理指数增长,因此特别适用于生物、金融、信息、经济等领域的谱量,应用于基因市场时,模型以基金为坐标轴建立多维基金空间,用多元向量表示基金市场;以向量长度做指数表示市场的理值,以向量的方向表示市场状态;并用后前余弦的商表示市场的动态,称多维即时趋势;进而根据趋势值将基金排序,根据基金的序位决定售购,在7个月（1998.6.19－1999.1.29）的投资实验中,多维球面模型指导的个人退休基金的增率是25.82％,这个增率不仅超过了20个基金市场的平均增率（2.64％）,而且超过了市场中最好的基金的增率（18.98％）。目前,沿不能用传统的风险或投机的概念来解释MDSM的高增率,多维球面模型假定变量夫关,所以它的应用可以被扩展到任意多支基金。     

投影时序逻辑在系统建模中的应用

目的为了解决形式化验证时需要分别使用不同工具进行系统建模和性质描述的问题。方法利用投影时序逻辑PTL(projection temporal logic)在同一逻辑框架内完成待验证系统的建模和性质的描述。结果对PTL投影操作符的特点和用途进行了详细分析,并结合实例展示了PTL系统建模的使用。结论 PTL具备强大的表达能力,可广泛的应用于各类软硬件系统的验证。     

基于递推合成BP网络的多变量时间序列预测模型

提供了一种基于递推合成BP网络的非线性时间序列预测方法,并针对具体实例建立多变量时间序列模型.将其预测结果与灰色预测模型及常规BP网络的多变量时间序列预测模型的结果进行比较,其仿真实验结果表明该网络具有很强的学习特性和泛化能力,适合进行非线性时间序列建模及预测.     

时间序列联立方程模型及其应用

给出时间序列联立方程模型,并以我国经济现状为研究对象,用时间序列联立方程和向量自回归两种模型对1996年形势进行模拟,预测1997年冬季度经济指标的发展情况,并对两种模型的结果进行对比分析．     

时间序列预测及在汇率市场中的应用

遗传编程(GP)和基因表达式编程(GEP)是在遗传算法的基础上发展而来的遗传算法的新分支,它在个体的表示、个体的处理和结果的形式等方面与传统遗传算法有着显著的区别和优势.本文针对汇率市场对象的特点,分别研究了用遗传算法,遗传编程,基因表达式编程进行预测,取得了满意的效果.     

改进SVM及其在时间序列数据预测中的应用

运用标准支持向量机预测海量金融时间序列数据会出现训练速度慢、内存开销大的问题,文中提出一种分解合作加权的回归支持向量机,将大样本集分解成若干工作子集,分段提炼出支持向量机,同时根据支持向量的重要性给出不同的错误惩罚度,并将其应用于证券指数预测．与标准算法相比较,文中方法在保证泛化精度一致的前提下,极大地加快了训练速度．     

基于GARCH误差修正的时间序列季节预测模型及应用

针对神经网络、支持向量机等方法对数据样本容量要求较高的问题,以及一般时间序列预测模型对最大负荷等随机因素拟合不足的问题,应用时间序列的季节乘法模型对地区月度最大负荷做预测,并用GARCH模型对预测误差进行修正.用某电网的真实数据作案例,结果表明,误差率仅为2%,预测精度良好.相比修正前的模型,误差率下降0.5%,证明误差修正模型有效.     

时间序列分析在居民消费水平指数预测中的应用

该文利用SAS统计软件对我国1978-2009年的居民消费水平指数数据进行分析,分别建立了ARIMA模型和Auto-Regressive模型,并给出了反映各个模型拟合精度的AIC值和SBC值,进而确立了一个反映居民消费水平指数变化规律的较优模型.最后,利用该模型对2010年到2014年的全国居民消费水平指数进行了预测.结果表明ARIMA((2),2,0)模型在短期预测中达到了较高的精度.     

电力负荷时间序列预测的应用与研究

时间序列预测是电力负荷预测的重要方法。但是它对天气、节日等影响电力负荷变化的因素不敏感,对非平稳序列的处理需要多次差分运算达到基本平稳后才能进一步建立预测模型。因此,提出基于属性分类的时间序列预测方案。该方案把电力负荷按影响因素进行分类,预测时按预测对象的属性来选取预测样本。基于属性分类的电力负荷时序预测方案把时刻、天气、节日等因素考虑到了预测过程中,弥补了电力负荷时序预测的缺陷。实验证明该方法提高了电力负荷时序预测的速度和准确度。     

均值生成时序及SCGMmv(1.1)预测模型

分析了均值生成时序，按SCGM(1，h)建模原理构造了基于均值生成时序的SCGMmv(1，1)模型．该模型的预测精度高，计算量少，适应于动态过程快速建模。示例表明：SCGMmv(1，1)的拟合、预测效果是令人相当满意的。     

多变量时间序列CAR模型在交通负荷短期预测中的应用

交通负荷是影响交通通行寿命和可靠度的一个重要因素,交通负荷变化具有明显的周期性。本文针对多变量定性计算的交通负荷难题,利用时间序列的多变量自回归CARMA模型对交通负荷进行建模、预测的理论和方法,对动态系统实行统一建模。我们用递推最小二乘法的多变量自回归模型对交通负荷参数进行估计,并用DPS系统对模型进行预测和分析,测试结果证明了方法的有效性。     

我国社会消费品饮食类零售总额的预测模型研究

文章运用时间序列乘积季节模型。在SPSS系统下对我国2004年1月至2009年12月共72个月份的社会消费品饮食类零售总额进行实证分析,从模型识别、参数估计、适应性检验和实际拟合4个方面确定了无常数项的统计预测模型,并对模型的预测效果进行检验,结果分析表明,该模型能较好地反应零售总额的变化规律．