基于小波分解的月径流预测校正模型研究

根据小波分析理论,建立了月径流序列的小波分解预测校正模型。该模型通过小波分解方法将月径流非平稳时间序列分解为多个细节信号序列和一个逼近信号序列,然后运用平稳时间序列的ARMA模型对各信号序列分别进行预测,最后再对各序列预测结果的和进行校正。以长江的宜昌站和寸滩站的月径流资料为例,分别采用ARMA模型、季节性ARIMA模型、BP神经网络模型以及所建立的小波分解预测校正模型进行模拟预测,并讨论了小波分解尺度数对小波分解预测校正模型的影响。结果表明,所建立的小波分解预测校正模型较其它模型具有更高的预测精度,并且尺度数对月径流序列模拟预测的效果没有显著的影响。     

基于EMD的数据驱动模型在径流预测中的应用

为提高径流预测的准确性,提出一种经验模态分解EMD(Empirical Mode Decomposition)与数据驱动模型相结合的径流预测方法。该方法运用EMD将汾河上游兰村、汾河水库和上静游三个水文站年径流序列分解为随机分量和趋势分量,分别选择合适模型对各分量进行合理预测,再拟合各分量预测结果得到最终的年径流预测值。结果表明,通过EMD分解,预测效果有明显提高,满足规范要求,计算方法可行。预测结果可为汾河上游防洪抗旱规划,水资源管理提供科学的依据。     

基于Copula的最小方差套期保值比率

提出了套期保值的期货与现货非线性匹配原理和收益率波动预测原理,在最小方差套期保值模型的基础上,借助Copula模型计算体现非线性相关的相关系数,利用GARCH和EWMA模型对期货和现货的标准差进行预测,提高套期保值的有效性.该模型的特点一是利用Copula函数计算中位数相关系数,实现了期货与现货收益率的非线性匹配,保证了当期货价格和现货价格发生较大波动时的相关系数计算的准确性.二是通过套期保值的收益率波动原理,利用GARCH模型、EWMA模型对期货和现货的标准差进行预测,解决了因套期保值之前和套期保值期间收益率波动发生结构性变化所导致的套期保值效果失真的问题.实证结果表明, 该研究模型的有效性高于现有研究计算的套期保值比率.利用该模型进行套期保值可以更有效的规避现货价格风险.     

基于LMBP的烟台四十里湾赤潮预测模型

针对赤潮发生的突发性及非线性等特点,提出了基于LMBP神经网络(Levenberg-Marquardt Back-Propergation Neural Network Algorithm)的赤潮预测模型.通过多组对比实验构建了最优的LMBP神经网络模型,并将该模型与标准BP网络模型进行了对比实验,对比结果证明了LMBP模型在收敛速度和拟合精度上的优越性.进而对该赤潮预测模型进行了测试,其结果充分表明:以叶绿素a,透明度为输入的该LMBP神经网络模型对烟台四十里湾海域的赤潮预测是有效的.目前,该模型已经进行了应用实验,实时预测效果良好.     

基于样条变换的非线性PLSR方法及应用

针对样本数据多呈现非线性和小样本的特点,为提高此类样本数据回归预测的有效性和精度,根据偏最小二乘回归(PLSR)方法原理、样务插值原理和拟线性化思想,提出基于三次B样条变换的非线性PLSR模型及其实现方法.分析了进行有效变换和成分提取的条件,给出了应用该方法的具体步骤.最后通过对非线性函数回归预测仿真和军用运输机采购价格回归预测实例,以及与BP神经网络模型结果的比较,表明了该方法的有效性和实用性.     

基于Hammerstein模型的非线性自适应预测函数控制

传统的预测函数控制对非线性和多变性的实际对象控制效果不佳.采用基于Hammerstein模型的预测函数控制(PFC)内部模型辨识方法来拟合实际对象的非线性.针对实际时象的多变性,不断辨识对象,校正内部模型参数,增强控制系统适应对象变化的能力.选取正弦多项式形式的基函数并介绍了滚动优化的办法.优化性能指标选取双值指标,计算量小,精度高.整个算法线性寻优,不需要非线性模型预测控制的非线性滚动优化,输出可以应用模型参数直接计算.实验表明该方法比PID控制效果更好而且对模型失配具有很好的自适应性能.     

基于混合核函数SVM水文时序模型及其应用

核函数的选取与构造是SVM应用的关键所在. 传统SVM在水文时序分析方面的应用多是默认选取单一径向基核函数,而忽略了核函数的选择对模型精度和预测结果的影响. 本文基于Mercer核理论,将多项式核与径向基核进行线性组合,构造出混合 核函数,并植入SVM中,对水文时序建立自回归预测模型. 基于武山站和南河川站的月径流预测结果表明,预测序列的相对误差及 均方误差明显优于任一单一核函数. 这是由于混合核函数能够更好地适应并处理复杂的水文时序变化,因此提高了预测精度. 该研究为利用SVM解决复杂多变的非线性水文时序提供了新的探索模式.     

基于FCM的小波神经网络模型在径流预测中的应用

针对径流变化存在的季节性差异,提出了一种在对预报因子集进行模糊聚类分析基础上构建径流预测模型的新方法:先通过模糊C-均值聚类将历史径流数据进行分类,然后利用小波神经网络分别建立预报因子集与观测值之间的局部预测模型,文中采用网络模型分类识别器,可自动搜寻相适应的局部网络模型进行预测.以西南某水库2006年日平均入库来流的计算实例对简单小波神经网络预测模型和文中所建的融合模型进行了比较.     

基于混合核函数SVM水文时序模型及其应用

核函数的选取与构造是SVM应用的关键所在.传统SVM在水文时序分析方面的应用多是默认选取单一径向基核函数,而忽略了核函数的选择对模型精度和预测结果的影响.本文基于Mercer核理论,将多项式核与径向基核进行线性组合,构造出混合核函数,并植入SVM中,对水文时序建立自回归预测模型.基于武山站和南河川站的月径流预测结果表明,预测序列的相对误差及均方误差明显优于任一单一核函数.这是由于混合核函数能够更好地适应并处理复杂的水文时序变化,因此提高了预测精度.该研究为利用SVM解决复杂多变的非线性水文时序提供了新的探索模式.     

基于神经网络的非线性时间序列预测方法研究

本文提出了一种基于神经网络进行非线性预测的方法，对ＢＰ模型应用于非线性预测了较详细的研究和探讨，应用该方法对经典非线性时序信号进行预测，并与传统预测方法（ＴＡＲ预测法）效果进行了比较，结果证明神经网络预测方法（ＡＮＮ预测法）具有十分明显的优势。     

粗正交小波网络及其在交通流预测中的应用

基于交通流预测的特点和输入向量的主成分分析方法,把粗集理论与正交小波网络相结合,给出了一种基于粗集的正交小波网络交通预测模型,并成功应用于城市交通流的实时预测.粗正交小波网络具有极强的鲁棒性,可以有效克服季节、天气等随机因素对交通流量预测性能的影响;主成分分析方法解决了正交小波网络多维输入时的维数灾难.实验结果表明,该模型的预测精度和收敛速度明显优于常规BP网络和小波框架神经网络,对交通流量等预测问题具有较高的应用价值.     

涨落后的城市道路交通拥挤蒙特卡洛预测

阐述了城市道路交通系统涨落和触发的数学描述,建立出现涨落后城市道路交通系统的自组织过程动态数学模型;依据最大交通流导致路段最大饱和度原理将模型简化,并利用蒙特卡洛(MonteCarlo)方法,将模型应用于出现涨落后道路拥挤预测.     

短时交通流预测FSMSVR模型

针对城市道路短时交通流的复杂非线性特点和以往的预测仅考虑典型交通条件（无交通事故等突发事件）的现状,结合交通流的特征,提出了一种有限状态机支持向量回归模型（finite state machine of support vector regression model,FSMSVR）的短时交通流预测机制. 通过线性回归算法和指数平滑算法划分交通流状态,根据各状态特点结合支持向量回归算法建立有限状态机工作机制,实现涵盖典型和非典型交通条件的短时交通流预测. 通过实验例证,对比了FSMSVR模型和传统SVR模型对城市道路6min交通流的预测,研究结果表明,该预测机制能够提高预测精确度,在非典型条件下有着较好的预测表现.     

基于K近邻非参数回归的短时交通流预测方法

采用K近邻的非参数回归方法对短时交通流量进行了预测,考察了模型中关键因素对预测效果的影响.在4种不同状态向量和预测算法组合下的实验方法比较中,以相邻四个时间间隔的流量和占有率数据作为状态向量,并采用带权重的预测算法取得了良好的效果.将利用K值构造的预测区间用于特殊路况的预测中,得到了明显的改进效果.最后,对非参数回归和神经网络的方法进行了比较,结果表明了非参数回归预测方法的高精度和强移植性.     

风云二号静止气象卫星双星观测策略

风云二号卫星是我国第一代地球静止轨道气象卫星,可连续对我国及其周边地区天气变化进行实时监测,对准确进行中长期天气预报及灾害预报具有重要作用.风云二号D星发射成功,意味着两颗静止气象卫星定点在我国东、西部上空同时进行对地观测业务,复合观测模式不仅对我国天气预报、减灾防灾和地球变化监测具有重要意义,整个东南亚地区、甚至澳大利亚和非洲部分地区将获益于我国的卫星云图资料,使我国成为全球气象卫星的重要国家之一.随着科技的发展和卫星的研制、发射和运行管理技术日趋成熟,卫星的可靠性在增加、性能在提高、使用寿命在逐渐延长,应用系统拟用不同控制策略和运行模式,充分利用在轨卫星,使之更有效地为气象业务和国民经济服务.     

基于季节SVR-PSO的旅游客流量预测模型研究

准确的旅游客流量预测对旅游风景区有着决定性的意义.受多种原因影响，旅游客流量预测不仅呈现复杂非线性特点，而且显示出典型的季节性趋势，尤其在旅游旺季.文章提出一种季节支持向量回归（seasonal support vector regression，SSVR）和粒子群算法（particle swarm optimization，PSO）结合模型，即SSVR-PSO，实现对旅游客流量的预测.来自国内著名5A级风景区黄山2008-2011年最新月客流量数据仿真结果显示，SSVR-PSO模型预测精度明显高于SVR-PSO、SVR-GA、BPNN、ARIMA等方法，是进行旅游客流量预测的有效工具.     

一种交叉路口信号优化控制模型的研究与仿真

交通信号优化是智能交通控制中的难点。对单交叉路口信号控制提出了一种优化控制模型,该模型先以三层BP人工神经网络对交叉路口的车辆到达进行预测,并根据交通流饱和度理论,用模糊控制器对路口各方向的绿灯时间进行调整。仿真研究表明提出的控制模型可以提高交叉路口通行能力,减少车辆延误,达到交通信号优化的目的,同时比传统方法能更好地适应变交通流的情形。如果做进一步的研究可将该控制方法应用于多路口的区域交通控制,有较强的实用性和推广价值。     

基于改进Theil不等系数的导弹备件消耗预测

针对传统备件消耗预测模型在组合赋权方面存在的缺陷,提出了一种基于改进Theil不等系数的诱导有序加权调和平均（induced ordered weighted harmonic averaging, IOWHA）算子和马尔科夫链（Markov chain, MC）的导弹备件消耗预测模型。首先运用最小二乘法、数据变换技术和加权理论对单项预测模型进行改进;然后建立基于Theil不等系数的IOWHA算子组合预测模型;提出利用MC定性推导出组合模型中各单项预测模型在待预测时点上的预测精度状态,进而应用遗传算法（genetic algorithm, GA）求解得到待预测时点上的组合模型权系数。实例结果表明,所提出的组合预测模型大大降低了预测误差。     

空中突击效果预测模型研究

从实践需求出发 ,在合理划分预测单位、设置预测前提、简化预测参数、确定预测方法的基础上 ,建立了空中突击效果的预测模型 ,以便对特定目标在某一时刻遭到突击后 ,预测其在任一后续时间点上所产生的突击效果。为确保模型的可行性及有效性 ,还进行了必要的算例验证。结果表明 ,该模型的提出 ,为战役计划人员有效使用战役突击力量、合理制定战役计划 ,尤其是空中进攻战役计划 ,提供了必要的数学分析手段     

基于双重遗传算法的动态模糊系统设计与优化

设计了一种动态模糊系统模型,该模型能够动态地进行规则自学习,从而减少了规则学习的计算量。提出优化该模型的双重遗传算法:外层采用整数编码,用来训练系统的结构,内层采用实数编码,用来训练系统的参数;内层GA得到的最佳染色体适应值用来评价外层GA相应染色体。该模型结构简单,便于实现,并可离线优化,在线预测。通过应用于实际股市行情的预测和效率分析,不论从预测的结果还是从运行效率看,都收到了满意的效果。