基于高频数据的时变VaR建模和预测研究

提出了VaR时间序列动态预测的方法.首先以上证综合指数和深证综合指数日内分钟数据为基础,根据不同方法计算出每日VaR值,然后给出了VaR时间序列的统计特征,包括平稳性和长记忆性,最后对VaR序列建立ARMA模型和ARFIMA模型,并比较了两种模型预测效果.我们的结果表明:1)基于德尔塔正态法的VaR序列其ARMA模型预测效果好于历史模拟法和蒙特卡洛模拟法的预测效果;2)尽管VaR序列存在长记忆性,但所有VaR序列的ARMA模型预测效果好于ARFIMA模型的预测效果.     

用GM(1,M)模型预测水力压裂效果

通过改进模型，用ＧＭ（１，Ｍ）模型可以作水力压裂的效果预测。尤其是，引入控制系数增加了ＧＭ（１，Ｍ）模型的灵活性，提高了精度，减少了计算量。采用这种方法作水力效果分析预测在川西浅层气藏取得到了很好的效果。     

基于自适应滤波的日负荷预测新陈代谢模型

提出了对日负荷进行预测的新方法。基于自适应滤波算法进行预测,在预测过程中对原始数据进行新陈代谢处理,且根据预测日的属性对预测结果进行加权,并依据历史负荷中负荷的变动情况对结果进行校正,以求最佳预测效果。利用自适应滤波预测结果的残差建立时间序列的AR(p)模型,与自适应滤波模型形成组合模型,从而实现了短期电力负荷样本资料随时间变化而更新、样本量和计算量不增加而预测精度能得到保证的目标。与传统的预测方法相比较,该模型用于日负荷预测具有计算迅速、精度高的优点。     

灰色系统理论在隧道围岩变形预测中的应用

根据某隧道围岩变形的实际监测数据,应用灰色系统理论并建立GM（1,1）模型对围岩变形进行分阶段不同维度的预测,并在此基础上进一步比较了几种改进的GM（1,1）模型的实际预测效果。计算证明了灰色模型在围岩变形预测中的适用性。     

职工工资增长的数学模型

根据山东省职工历年平均工资统计数据,建立了三个不同的社会平均工资增长数学模型,并预测了我国未来几年社会平均工资增长.计算结果表明,ARIMA模型较另两个模型具有更好的预测效果.     

改进的Leslie离散型人口模型在我国人口预测中的应用

针对我国人口发展的新特点,建立了改进的Leslie离散型人口模型,对我国未来人口数量进行预测,并用MATLAB编程计算,预测效果良好.     

基于ARM-Linux 台的显式模型预测控制算法实现

为了对显式模型预测控制算法进行实验研究,建立了基于ARM-Linux平台的显式模型预测控制实物仿真控制系统.在ARM-Linux平台上实现了显式模型预测控制算法的在线计算过程,把传统的隐式模型预测控制的反复在线优化计算问题转变为在线数据搜索过程,简化了在线计算过程,提高了在线计算速度,减少了在线计算时间.对显式模型预测...     

一种新的Ka频段雨衰预测模型

雨衰的预测与计算是Ka频段卫星通信中的关键问题之一。分析了Ka频段DAH雨衰预测模型,归纳了DAH模型的计算步骤。基于维纳预测思想,提出了一种结构相对简单、计算量较小、易于迭代的新雨衰预测模型,给出了具体算法与步骤。仿真结果表明,新模型在水平、垂直和圆极化方式下具有与DAH模型几乎一致的变化特性,在不同地区也具有一致的预测效果,当阶数为2和3时,新雨衰预测模型与DAH模型最大偏差分别不大于0.065 dB和 0.005 dB。证明提出的新模型有效、算法简单,易于工程化。     

油气田资源量预测3种方法的比较

目的介绍3种油气资源量计算方法及其优缺点。方法根据同样的资料,应用3种方法计算一个地区的资源量。结果油田规模序列法适合预测一个油气体系中大油田的规模序列;发现过程模型法使用到了尽可能多的油田勘探数据,算法严谨,预测效果较好;分阶段的油田序列模型法所需的数据少、弹性大,不同的评价人预测的资源量有较大的差异。结论由于基于模型的不同,不同方法计算出的资源量有较大差别。     

Origin7．5在软土地基增长曲线沉降计算模型中的拟合实现

在软土地基沉降预测中,所选择的方法很重要,曲线增长沉降计算模型是根据实测沉降统计分析拟合得出的计算方法,然而,由于拟合曲线参数太多。拟合的效果存在很大的差异,本文利用数据分析软件ORGIIN7．5,根据具体工程实例,根据实测的软土地基沉降值,拟合地基沉降增长曲线模型,以此预测地基沉降,取得了较好的效果。     

灰色理论在中长期负荷预测中的应用

负荷预测是电力系统规划和运行研究的重要内容,属于战略预测,是保证电力系统可靠供电和经济运行的前提。通过对灰色理论预测方法建模机理及其改进方法的研究,提出了改进模型。利用实例将改进模型与普通GM(l,l)模型进行比较,证明改进模型具有比普通GM(l,l)模型误差小、精度高的优点。     

灰色系统SCGM(1，h)c模型的拓广

对于一类贫信息耦合多因子系统,建立了灰色系统SCGM(1,h)     

灰色系统SCGM(1,h)c模型的拓广

对于一类贫信息耦合多因子系统,建立了灰色系统ＳＣＧＭ（１,ｈ）ｃ模型的三种拓广模型,即ＳＣＧＭ（２,ｈ）ｃ模型、ＳＳＣＧＭ（１,ｈ）ｃ模型、带有时滞的ＳＣＧＭ（１,ｈ）ｃ模型,并给出了参数辨识算式及解     

灰色GM（1，1）模型的一种优化组合方法

针对GM(1,1)预测模型的不足之处,首先基于X(0)序列的相对误差平方和最小的思路,提出了一种新的优化时间响应函数即确定指数函数exp(-at)系数C的方法;第1步采用优化背景值方法确定a,b后,第2步用本文方法确定系数C,得到了一个优化组合的新GM(1,1)预测模型.经大量的数据模拟发现,此优化组合新模型无论对高增长系数,还是对低增长系数都具有极高的模拟与预测精度.     

GM(1,1) 模型的边值分析

GM（1,1）模型中边值条件对于生成列微分方程中参数的估计值没有影响,但是对于生成序列和原始序列的预测值却有着指数修正效用,使用均方程差和最小准则,针对生成序列和原始序列给出了确定边值修正项的两种方法,实例表明,考虑边值修正项可以大大地降低预测误差。     

BP与GM(1,1)预测隧道涌水对比分析和实证

利用某隧道的涌水监测数据,对比BP神经网络和GM(1,1)灰色数列预测模型两种方法预测结果的差异,以考察其适应性与误差。结果显示,在小样本信息量少的情况下,GM(1,1)预测精度优于BP,但训练样本的精度低于BP;BP的预测结果同隐含层神经元个数密切相关,并存在一最优值;在监测数据较少时,对BP网络进行初始化和预测,每次训练样本的误差都满足要求,但预测值的误差大幅波动。研究表明,监测数据较少时,采用GM(1,1)较合适。通过分析小样本下产生上述结果的原因,提出了在有足够监测数据下,GM(1,1)用于中长期监测的改进方法(GM(1,1)展开或用Verhulst模型)、BP神经网络的改进方法(滑移窗口处理)。     

GM(1,1)和GM(1,N)联合模型在自来水厂自动加矾系统预测中的应用

通过引入自相关分析,将GM(1,N)模型预测精度高的优点和GM(1,1)所需统计数据数量少的优点,两者有机结合形成一个联合预测模型,运用于自来水厂自动加矾系统,进一步提高灰色模型的预测精度,并证明了该方法在实际应用中的可行性.     

灰色模型数据序列光滑比的改进及应用

由于GM(1,1)模型在建模过程中的问题,造成模型的应用具有一定的局限性,为改变这种局限性,本文从提高原始数据序列光滑比的角度出发,提出一种新的改进方法,从而拓宽了灰色预测模型的应用范围,并提高了模型的拟合精度和预测精度.     

基于GM(1,1)模型在高校招生人数预测中的应用研究——以四川省普通高校为例

论文主要介绍了灰色系统理论及其预测模型GM(1,1),考虑到灰色预测对统计数据较少问题都可以进行预测,结合四川省普通高等学校招生人数的特点,借助灰色预测模型对四川省普通高等学校在每年招生期间所招收的新生人数进行预测.通过对预测结果的分析研究,说明这种方法的合理性,从而对以后的就业趋势作一定的借鉴,使相关部门对将来的就业方针进行适当的调整.     

GM(1,1)模型研究的一些进展

介绍作者对灰色GM（1，1）模型研究取得的成果，具体内容为：证明了GM（1，1）模型为有偏差的指数模型，导出了模型的相关公式，提出了无偏灰色预测模型（无偏GM（1，1）模型），并用实例说明了该模型的优越性。