基于趋势的实时量预测建模及并行实现

提出了基于趋势的预测思路 ,建立了基于趋势的实时量预测模型 .利用高性能并行计算环境 ,结合并行处理技术将预测模型并行化 ,较好地解决了预测系统中数据量大、计算速度慢等问题     

几种作物产量预测模型及其特点分析

作物产量预测是农业科学研究的一个重要内容，是农业决策的重要依据，不少学者进行了大量研究并建立了许多预测模型。简述了常用的GM（1,1）灰色预测模型、趋势一随机预测模型、神经网络预测模型和组合预测模型的原理、方法，并就应用情况及其特点进行了简要评价，为人们的选择性使用提供依据。     

青岛港物货吞吐量预测模型

根据青岛港货物吞吐量的历史数据,分别利用指数趋势模型、GM(1,1)灰色预测模型以及组合预测模型对青岛港货物吞吐量进行分析和预测.结果表明:在青岛港货物吞吐量预测方面,组合预测模型融合了前两种预测方法的优点,可以降低误差,提高预测精度.     

分布式系统主机负载预测方法的评估

动态负载均衡是网络计算的关键技术,如何提高动态负载均衡的性能,一直是网络计算人员研究的一个热点.通过实验评估比较了线性时间序列模型、特殊的自我平衡及趋势预测时间序列模型、神经网络BP模型的预测性能,获得了各预测模型的优劣,从中选择了具有较佳预测性能的时间序列AR、混合趋势预测MT两种预测模型构建了预测模型模板库。     

无偏灰色预测模型在电力系统负荷预测中的应用

灰色预测模型已在负荷预测中得到了广泛的应用，该模型是一种有偏差的指数模型，在该模型基础上作者已导出了无偏灰色预测模型。将无偏灰色预测模型应用于负荷预测中，并与传统灰色预测模型进行了比较，结果显示了无偏灰色预测模型的优越性。     

空调水系统实时在线优化控制预测模型的研究

针对集中空调水系统，将模型层次、模型特性及参数辨识有机结合，建立了系统层次实时在线的优化控制预测模型．该模型基于简单物理特性及自适应控制技术的模型参数在线辨识，能通过自校正式的在线仿真对系统的运行特性和控制特性进行实时预测．     

市场需求组合定性预测的研究

针对市场需求预测的复杂性和不确定性，并考虑定性预测变量如何组合的问题，提出使用一种新的组合预测方法，即采用Logit回归法训练数据的市场需求组合预测模型，同时将该方法用于家用电冰箱市场需求趋势预测，并采用信息熵的方法，检验了组合预测模型的预测效果，实践证明，所提方法具有改变组合权重的优势以及具有较高精度等特点。     

包含周期变动的回归预测模型及其应用

在包含周期变动的回归预测模型基础上，在趋势分量的估计中引入了多元线性回归估计，并将此模型应用于山东省城镇居民人均生活消费的预测，提高了拟合度和预测精确度。     

数控机床热误差的混合预测模型及应用

基于机床热变形误差的产生机理及其表现形式的复杂性,综合时序分析方法建模和灰色系统理论建模的优点,研究了一种智能混合预测模型.将该模型应用于一台数控车削加工中心进行热误差趋势预测,以进行机床热误差补偿研究.结果表明,混合预测模型预测精度高于时序分析模型和灰色系统模型,其优异的预测性能可使数控机床进行实时补偿更加有效,从而大大提高机床热误差的补偿精度.     

基于IOWA算子的我国居民消费水平组合预测研究

为了研究我国居民消费水平的变化趋势,将预测我国未来4年（2020—2023年）的居民消费水平,选择的样本数据是从2002—2019年这18年间的我国居民消费水平,构造基于ARIMA(2,1,1)模型、Holt Winters无季节模型以及多元回归模型的诱导有序加权算术平均(IOWA)算子组合预测模型,主要运用使偏差平方和最小的组合预测优化方法预测我国未来4年（2020—2023年）的居民消费水平,并对诱导有序加权算术平均IOWA算子组合预测模型进行了有效性评价;以新发展格局的内循环和外循环为依据,寻找解释变量并建立多元回归模型;研究发现：IOWA算子组合预测模型预测精度大于各单项预测模型,并且各项误差均显著低于单项预测模型,未来4年我国居民消费水平不会有大幅度波动,但有小幅度下降的趋势。     

基于数据挖掘技术的负荷预测模型

为有效选取预测变量和训练模式、提高预测精度，提出了一个基于数据挖掘技术的负荷预测模型．该模型首先利用粗集理论和遗传算法选取与负荷相关的预测变量，再选取与预测日相似的训练模式，最后用神经网络对负荷进行预测．实际运行结果表明将该模型应用于电力系统负荷预测是可行的，其与传统的神经网络预测模型相比具有更高的预测精度.     

基于实时车辆信息共享的公交动态控制策略

为了应对越来越多的乘客利用手机软件实时查看车辆位置信息以帮助其计划出发时间这一发展趋势,探究实时车辆信息共享程度对公交动态控制策略的影响,结合长短时记忆网络(long short term memory, LSTM)预测模型和遗传算法(genetic algorithm, GA)构建GA-LSTM实时混合公交运行轨迹预测模型;在实时公交运行轨迹预测模型的基础上,建立考虑乘客接受实时车辆信息共享程度、以最小化车头时距偏差和乘客乘车时间为目标的公交动态驻站控制策略;通过西安市实际数据测试实时公交运行轨迹预测模型和公交动态驻站控制策略的有效性,并讨论不同最大驻站控制时间、接受实时信息乘客比例对公交动态驻站控制策略的影响。研究结果表明：利用GA-LSTM预测模型预测停车服务时间和站间运行时间的均方根误差(RMSE)相较于传统LSTM预测模型的预测结果分别降低了21.19%和44.55%;考虑实时车辆信息共享的动态控制策略预测结果比未考虑信息共享的动态控制策略目标函数预测结果降低了31.66%;随着最大驻站时间增加,目标函数值减少到定值后保持稳定;随着接受实时信息乘客比例增加,目标函数值持续减少...     

基于神经网络的客服中心话务量预测模型

针对现有预测模型在话务量发展趋势变化、新技术新业务引入后模型失效、预测精度下降等问题,提出一种基于神经网络和事件样本库的智能预测方法.该方法具有自学习功能,可根据预测误差自动调整预测参数并更新事件样本,对话务量趋势变化、事件影响程度变化及新事件的发生具有持续自适应能力.仿真结果表明,该预测方法能有效降低预测误差,与现有...     

流程类企业市场预测模型的研究

流程类企业生产经营决策支持系统的市场预测模型的研究有移动平均加趋势分析预测模型、指数平滑预测模型和回归分析预测模型。给出了生产经营决策支持系统的系统功能模型和信息模型。     

矿井瓦斯涌出量预测方法

为解决煤矿瓦斯涌出量预测不准确的问题,提出基于多种方法优化融合的瓦斯涌出量预测方法,建立瓦斯涌出量预测模型.采用适用于瓦斯涌出量系统特点的加权策略函数对最小二乘支持向量机进行改进,利用免疫遗传算法对加权最小二乘支持向量机进行核参数和正则化参数寻优.应用状态转移概率修正预测误差残值,使瓦斯涌出量预测模型的预测精度得到提高.研究结果表明:矿井瓦斯涌出量预测模型具有较好的快速性和准确性,具有广泛的应用前景.     

贝叶斯预测模型在气温变化预测中的应用

贝叶斯预测模型是运用贝叶斯统计方法进行的一种预测，贝叶斯统计不同于一般统计方法，其不仅利用模型信息和数据信息，而且充分利用了样品的先验信息。根据贝叶斯预测模型的特点，介绍了几个贝叶斯预测模型的预测过程和计算步骤，并对南宁地区自1970年以来19年间的气温变化进行了预测。根据计算结果，分析了不同贝叶斯预测模型的预测特点，并给出了几点结论。     

最小方差预测模型和预测控制预测模型的分析研究

比较研究了最小方差预测模型和广义预测控制预测模型。分析了两种预测模型的本质区别。指出了包含未来控制输入的多步预测模型是预测控制优良性能的一个重要基础。用MAT-LAB语言仿真了基于上述两种预测模型的最小方差控制算法和广义预测控制算法。     

城乡居民消费水平的预测与分析

本文根据１９７８年至１９９３年我国居民消费水平资料，建立了农业居民和非农业居民消费水平的曲线预测模型；预测了今后几年居民的消费水平及发展趋势；分析了农业居民和非农业居民之间消费水平差异的变动及趋势；提出了几点见解。     

双向Elman神经网络在卫星电池阵功率预测中的应用研究

针对神经网络预测电池阵功率存在的模型阶数难以确定及预测精度低下的问题，提出一种基于改进的Elman神经网络的双向预测模型。该模型利用关联层动态神经元的反馈连接，将未来预测网络和过去预测网络的信息进行融合。使网络对时间序列特征信息的记忆得到加强，从而提高预测精度。用该文提出的双向预测模型对电池阵功率进行预测，输入层仅需一个节点，不需事先对模型进行定阶。仿真预测表明，预测精度比单向模型明显提高，且网络具有较好的泛化能力。     

基于因素重构分析的人才总量预测模型

针对传统预测模型的缺点，该文建立因素重构分析法的预测模型，该模型只需要少量的数据就可以准确的预测，减少了在预测过程中的计算量，并用这个模型来对某个城市的人才总量进行预测．