首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 93 毫秒
1.
基于L_1范数的加权几何平均组合预测方法   总被引:1,自引:0,他引:1  
加权几何平均的组合预测是一种非线性的组合预测方法,在传统的组合预测模型的基础上,建立了基于L1范数的加权几何平均的组合预测模型,提出优性组合预测的概念,并给出其计算组合预测权系数的线性规划的解法。实例分析指出该模型给出的组合预测方法为优性组合预测,从而表明该模型的有效性。  相似文献   

2.
基于L1范数的加权几何平均组合预测模型的性质   总被引:4,自引:0,他引:4  
提出了基于L1范数的加权几何平均的组合预测模型,针对该模型定义了优性组合预测、预测方法优超和组合预测冗余度等新概念;指出模型的任一个可行解对应的组合预测至少是非劣性组合预测, 探讨简单等权平均组合预测方法为最优性组合预测方法和优性组合预测存在的充分条件;论证预测冗余信息的可能存在性并给出冗余预测方法出现的一个判定定理.最后进行了实例分析,结果表明该方法是一种有效的组合预测方法.  相似文献   

3.
近几年我国新生儿数量持续下降的现象已引起政府有关部门的高度重视,科学预测未来几年我国新生儿的数量,已成为政府制定相关政策的关键所在.基于2000—2020年新生儿出生量数据,分别采用时间序列预测模型与灰色预测模型进行单项预测,并使用均方误差倒数法构造对应权重,对我国未来3年的新生儿数量进行组合预测.为适应三孩政策带来的...  相似文献   

4.
《河南科学》2016,(8):1374-1379
对数据进行建模预测分析时,较多采用单个模型,而单个模型难以全面反映数据的变化规律.为发挥单个模型自身优势,利用组合原理将单模型组合形成组合预测模型,以提高预测精度.组合模型中常采用线性组合方法,然而被组合模型拟合值与原始数据不具有线性关系时采用该方法效果较差.利用神经网络的高度非线性拟合能力,构建BP神经网络的非线性组合模型,并应用到我国节水灌溉面积年度数据预测上.实证表明,非线性组合预测模型精度优于单模型及基于最优加权的线性组合预测模型.  相似文献   

5.
研究了L1范数法诊断线性电阻电路故障的视神经网络方法。基于Hopfield网络原理导出了相应的神经网络电路结构,该法具有在线计算量少、故障诊断速度快等特点。计算机模拟结果表明,本文所提方法是可行的。  相似文献   

6.
基于GM-PLS组合模型预测一次能源消费   总被引:1,自引:1,他引:1  
为了预测一次能源消费量及其由此引起的污染物排放量,建立了偏最小二乘回归与GM(1,1)优化组合模型(GM—PLS)。用大连市历史年的一次能源数据分别建立了单项模型和优化组合模型并进行了验证比较。结果表明,组合预测的相对误差仅为1.70%,高于两种方法单独预测时的精度。选取了国内生产总值GDP、总人口数、第二产业占国民经济的比重及煤炭消费占一次能源消费的比重4个自变量用组合模型对大连市规划年的一次能源消费量进行了预测。结果表明,一次能源消费将会逐年增加。如果天然气的供给量能达到预测值,用其替代煤,则2020年由一次能源产生污染物的量将减少15.53万t。  相似文献   

7.
近几年,中小型电商企业迅速崛起,库存成本过高遏制着中小型电商企业进一步发展。精确的短期需求预测可以帮助中小电商企业减少库存积压,节约库存成本。为了准确预测中小电商企业产品的短期需求量,通过建立关于GM(1,N)多维灰色模型和GA-BP神经网络模型的组合模型,将三个模型运用到实例中进行预测,对比预测结果以验证组合模型预测效果。预测结果显示,组合模型较GA-BP模型、GM(1,N)模型具有更高的预测性,具有较好的预测效果,对中小电商企业库存管理有重要应用价值。  相似文献   

8.
为了对飞机刹车系统进行性能趋势预测分析,提出一种灰色关联分析确定权重的组合预测方法。首先,利用BP神经网络(back propagation network,BP)对刹车片的累积磨损量进行预测,得到网络输出序列与向后预测序列。对于灰色预测(grey model,GM)模型利用粒子群(particle swarm optimization,PSO)对其优化;用粒子群优化灰色模型(particle swarm optimization-grey model,PSO-GM)进行预测得到拟合序列与向后预测序列。在此基础上对BP网络输出序列、PSO-GM(1,1)拟合序列与原始数据序列进行灰色关联分析,确定组合加权的权重。最后对各预测模型的向后预测序列用灰色关联分析法得到的权重进行组合加权,得到最终的刹车片累积磨损量趋势预测值。仿真结果表明,采用灰色关联分析确定权重的组合预测方法具有比单预测模型更好的趋势预测效果,具有对刹车系统性能趋势预测分析很好的实际应用价值。  相似文献   

9.
何成琼 《科技信息》2013,(26):156-157
近几年来,我国经济稳定增长,金融业人才需求持续高涨,金融及金融服务业的外部招聘需求几乎翻倍增长。为此本文通过对2006至2011年金融业职工人数变化趋势的研究,运用灰色系统理论,建立了灰色系统的预测GM(1,1)模型,对2015年的金融业职工人数做出预测。  相似文献   

10.
针对城轨车辆门密封胶条提前更换而导致未全寿命使用的问题,对密封胶条寿命进行多模型组合预测,为密封胶条维护提供寿命指标.基于密封胶条样本的拉断伸长率检测数据,构建单项预测模型,用最优权数法进行组合预测;提出一种权数变换方法解决最优权数法计算权数为负值的问题;以平均绝对误差率作为模型精度评价指标,单项预测模型精度分别为1.82%~13.41%,最优权数改进方法构建的组合模型精度范围为1.82%~3.14%,组合模型精度显著提高.由组合模型预测得到密封胶条使用寿命为172个月.  相似文献   

11.
利用最优加权组合法,对时间序列模型、灰色预测模型和神经网络模型进行组合,通过计算确定其权重,得出未来五年安徽省的GDP,同时根据平均绝对百分误差、均方根误差以及泰尔系数,将组合预测模型与单一的预测模型进行比较,得出组合预测模型的精度比单一预测模型预测精度高,并根据组合预测结果可以看出在未来五年安徽省的经济会持续稳定的发展。  相似文献   

12.
随着新时期的留学生人数的日益增多,留学生文学形成富有鲜明的地域性的文化特征.作为自身带有强烈的东方文化色彩的留学生们,在西方多元文化背景下,俨然是一个边缘族群,常有一种边缘文化人的感觉.本文从留学生文学中的乡愁情结入手,对处在双重文化夹缝中的留学生文学的存在背景、发展里程以及历史地位进行阐述.  相似文献   

13.
证券市场灰色神经网络组合预测模型应用研究   总被引:1,自引:0,他引:1  
提出将3种灰色模型(残差GM(1,1),无偏GM(1,1)和pGM(1,1))与神经网络模型进行有机组合,建立一种新的灰色神经网络组合预测模型,并以中国股票市场上证指数为例进行模拟预测.实证表明:组合预测模型的模拟预测精度较原有方法更为精确,可作为股市预测的有效工具.  相似文献   

14.
针对基于L1范数约束的压缩感知理论的恢复算法出现虚假目标,恶化DOA估计性能的问题,提出了一种基于加权L1范数的CS-DOA估计算法.该算法利用噪声子空间与信号子空间的正交性,构造了一个加权矩阵,然后对L1范数约束模型进行加权.通过此加权处理,该算法能够使恢复的系数向量具有更好的稀疏性,并能有效地抑制伪峰,从而获得更精确的DOA估计.仿真结果验证了算法的有效性.  相似文献   

15.
GM(1,1)模型灰色预测法预测城市人口规模   总被引:10,自引:0,他引:10  
以1992-2001年呼和浩特市人口数据资料为依据,应用灰色系统理论构建GM(1,1)人口预测模型,统计检验和误差分析表明,模型精度较高.用该模型预测了呼和浩特市2005-2009年城市人口规模,并对预测结果进行了分析.  相似文献   

16.
基于GM(1,1)模型的某高校招生人数预测   总被引:1,自引:0,他引:1  
分析了近年来我国高校招生人数的变化趋势,并利用GM(1,1)模型对某高校2008年的招生人数进行了预测.从而为高校招生人数决策提供了依据。  相似文献   

17.
晚清小说中的留学生是中国小说史上亘古未有的人物形象,主要由其在国内的活动塑造而成,并受到作者的政治倾向影响。留学生形象的重要特征表现在改装和剪辫上。在晚清小说中,留学生形象大多写得浮光掠影,如蜻蜓点水,唯有《苦学生》以整篇的篇幅来书写。这是晚清小说塑造留学生这一新形象的状况,或者说成绩。  相似文献   

18.
灰色理论在灾变预测中的应用   总被引:2,自引:0,他引:2  
将基于灰色系统理论的GM(1,1)模型推广至灾变预测,并以一实例介绍涝灾预测基本步骤  相似文献   

19.
灰色模型GM(1,1)在短期电力负荷预测中的应用   总被引:4,自引:0,他引:4  
讨论了灰色模型GM(1,1)及其改进模型在短期电力负荷预测中的应用,提出了适合电网普通日及特殊日电力负荷预测的数据处理方法,提高了预测的精度。  相似文献   

20.
基于灰色GM(1,1)预测模型的构建理论,尝试引入缓冲算子来消除瓦斯涌出量原始数据序列所受到的冲击扰动,并利用MATLAB语言编程实现瓦斯涌出量灰色GM(1,1)预测模型程序化运算,选择合理的精度检验方法对预测模型和结果进行检验判断。通过工程实例,证明了引入缓冲算子改进的GM(1,1)模型预测精度和拟合优度更高,可为煤矿企业正确决策提供一定的理论依据。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号