基于BP神经网络的预测方法应用研究

在分析神经网络用来预测的特点基础上，采用ＢＰ神经网络方法对浙江省未来若干年的茶叶产量进行预测，并将其预测结果与采用灰色系统方法预测的结果进行比较分析，表明该方法的预测效果较好，可以用来对经济作物的产量进行中短期预测。     

神经网络模型用于多变量综合预测

本文研究神经网络用于多变量时间序列预测的原理与方法，提出组合多种信息的综合预测方法。以股票交易为例，用神经网络组合各类信息，运用信心股价理论对中国股市的发展进行跟踪预测。在此基础上进一步从信息利用的角度说明了神经网络预测方法的特点。结果表明，神经网络模型用于多变王时间序列预测，其精度和趋势均较统计方法有所提高；神经网络综合预测，对中短期股票价格的预测，有实用价值。     

基于神经网络的交通信息融合预测方法

为了更加准确地预测动态变化的交通信息，通过分析城市道路交通流量变化的特点，提出一种基于神经网络的融合预测方法。这种方法根据预测数据各属性的特点，将数据构造为多个相关的时间序列。在此基础上，对各序列采取不同的处理方法，然后利用神经网络进行融合，得到最终的预测结果。这种方法可用于数据动态预测的各种领域。实验结果表明，采用这种方法可以有效地改善数据预测的误差。     

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。     

交流伺服系统串级预测函数控制的仿真研究

根据预测函数控制方法的原理对交流伺服系统进行了三级串级闭环控制的仿真应用研究。在分析预测函数控制方法闭环性能的基础上，给出预测函数控制器的设计方法，建立了交流伺服系统串级预测函数控制的系统结构，讨论了实现串级控制的方法。通过仿真及与PID方法的比较表明，预测函数控制方法能够改善交流伺服系统的控制特性。     

集对分析聚类预测法及其应用

提出一种新的预测方法－－集对分析聚类预测法，该方法融合了集对分析中的同异反模式识别的“择近原则”和聚类分析的基本思想进行分类预测，文中将该方法应用于于邮电业务总量预测的研究，研究，考虑了邮电业务总量和第一、二、三产业的国内生产总值之间的关系，利用邮电业务总量和三个产业的生产总值的历史数据，建立了邮电业务量水平聚类预测的模型，从而得到邮电业务总量预测结果，利用我国某地区的实际数据进行分析计算，并与其它预测方法比较，结果表明预测方法是有效的。     

需求预测和供应链协调对长鞭效应的影响分析

运用自适应过滤、滑动平均和指数平滑预测方法分析多阶段供应链中长鞭效应．分析结果表明，在运用自适应过滤预测方法时，供应链不一定存在长鞭效应，文章进一步提出该预测方法前提下长鞭效应存在的条件；在运用滑动平均和指数平滑预测方法时，长鞭效应总是存在．根据三种预测方法的分析结果得出，适当的预测参数和供应链协调可以减小长鞭效应．并在此基础上，比较分析三种预测方法条件下供应链协调时需求参数对长鞭效应的影响规律，结果表明，预测方法不同，需求参数对长鞭效应的影响规律也有所不同．     

确定组合预测和变权重组合预测权重的一种确定性方法

采用灰色系统理论可的关联分析方法，提出以给定预测模型与被预测对象关联系数和关联度的大小为依据，确定组合预测和变权重组合预测权重的方法，并给出相应的预测模型。该方法较目前普遍采用最小一乘和二乘法求权重的方法简便。由于该方法注重给定预测模型与被预测对象发展态势之间动态相关性的分析，因此，对提高中长期预测精度效果更为显。     

灰色系统理论在需水预测中的应用

本文将灰色系统引入需水预测中，探讨了ＧＭ及其多个改进方法在需水预测中的应用１，并提出了带有时间因子的非线性ＧＭ。文中给出某一缺水城市工业需水的多种预测方法对比，算例表明ＧＭ及其线性改进算法不宜直接用于需水预测，而非线性ＧＭ及本文提出方法具有较佳的预测效果。     

组合预测方法在粮食单产预测中的应用

组合预测是利用各种预测模型所包含的独立有用预测信息来对事业未来发展趋势进行预计，估测的过程。通过粮食单产预测实例，论证了组合预测方法是一种比单一预测方法具有更能收到料好预测效果的佳法。     

市场需求Logit组合预测的研究

首先阐述了网络市场营销和传统市场营销的区别，分析了在该环境下市场需求的变化和相应的特点。其次，研究了一种利于计算机建模的市场需求组合预测方法，即采用Logit回归法训练数据的市场需求组合预测模型。最后，将该方法用于家用电冰箱市场需求趋势预测的示例研究，采用信息熵的方法，检验了组合预测模型的预测效果。实例表明，该方法可以通过调整组合权重提高预测精度。     

基于改进回声状态网络的高炉煤气产耗预测

以钢铁企业高炉煤气系统为背景，针对其产生量和消耗量的预测问题，提出一种改进回声状态网络时间序列方法进行系统仿真预测。并根据最小均方差准则，以最小化网络训练误差为目标，采用随机梯度下降法对网络参数进行优化。该方法对于不同预测对象，可计算出合适的网络连接权值、储备池谱半径等参数，避免了传统回声状态网络方法中单凭经验选择网络参数的现状，提高了预测精度。采用该方法对高炉煤气系统现场实际产耗数据进行了仿真预测，仿真结果表明所提出方法的有效性。     

基于模糊综合评判的电力负荷最优组合预测

最优组合预测是提高电力负荷预测精度的有效方法。应用最优组合预测方法的关键在于怎样确定组合权系统。通过分析实际电力负荷预测的实现过程，提出利用基于模糊语言的模糊综合评判进行权重判定的方法，取得很好效果。     

股票价格的灰色—马尔柯夫预测

股票价格及其走势预测是投资和证券理论界普遍关注的课题。本文在对灰色预测和马尔柯夫预测详细剖析的基础上把两者结合起来，提出了一种新的股票价格预测方法，并通过证综合指数的预测说明了该方法的有效性。     

调和平均的组合预测方法之性质研究

调和平均的组合预测是一种非线性组合预测方法．对基于最小几何距离的加权调和平均组合预测模型的性质进行了研究，从理论上说明了该种方法的有效性．首先提出新的非劣性组合预测、优性组合预测、预测方法优超、冗余度的概念；其次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，并给出优性组合预测存在的一个充分条件；最后证明在一种单项预测方法优超另一种单项预测方法的条件下冗余预测方法出现的判定定理．     

基于混沌和RBF神经网络的短时交通流量预测

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，论文从非线性时阅序列的角度对短时交通流量预测进行探讨，提出采用基于混沌理论的RBF神经网络预测方法。首先在采用小数据量的Lyapunav指数计算方法判定交通流存在混沌的前提下，对交通流量数据进行相空间重构。构建了RBF神经网络，并对模拟产生的Lorenz和Rossler混沌时间序列数据以及实际采集的高速公路交通流量数据进行了仿真研究。结果表明，该方法对模拟产生的混沌时间序列具有很好的预测效果，在交通流量的短时预测上也具有较高的预测精度。     

基于标准差的预测有效度的组合预测模型

针对考虑预测精度标准差的预测有效度的组合预测模型，提出了新的优性组合预测、预测方法优超和冗余度的定义．然后探讨了非劣性组合预测以及优性组合预测存在的充分条件，并给出冗余信息出现的一个判定定理．最后也讨论了组合预测模型的新的近似计算方法，给出实例分析，结果令人满意．     

一种基于滑模的广义预测控制新算法

将广义预测控制和滑模控制结合起来，提出一种新的广义预测控制方法。通过对系统输出预测得到切换函数值，求解开环优化求得控制律。并将当前时刻的控制作用于对象，下一时刻重复此过程。该方法具有预测控制在线处理约束及滑模控制对于干扰的不变性的优点，最后分析了零终端滑模约束的广义预测控制的稳定性。     

基于核自构建-高斯过程回归的锂离子电池剩余使用寿命预测

高斯过程回归是锂离子电池剩余使用寿命的有效预测方法之一，其中核函数的选择对预测结果有着重要影响。对此，提出了一种自回归核自构建高斯过程回归的锂离子电池剩余寿命预测框架，可结合同型号电池的历史容量退化规律，自动构建出合适的组合核函数。通过与不同的机器学习方法及不同核函数比较，所提方法可在电池退化早期做出长期且准确的电池健康状态退化趋势预测，预测寿命均方根误差小于1%,相对误差小于6%,置信区间也更为集中，证明了所提方法能够有效提高电池剩余使用寿命的长期预测精度。     

调和平均组合预测方法的进一步研究

对调和平均组合预测两种不同的组合权系数估计方法，通过大量的仿真预测实例进行了对比分析，得到了明确的结论，为调和平均组合预测方法的正确应用奠定了基础。