一种基于函数S-粗集的态势预测方法

针对态势评估中未来可能出现态势的优劣情况,提出了一种基于函数S-粗集的态势预测方法。利用函数S-粗集的粗规律挖掘功能,采用拉格朗日插值多项式,以函数单向S-粗集对偶为例,给出了应用该方法的具体步骤。最后通过态势评估中一个具体实例证明了该方法的有效性。得到了运用函数S-粗集能够找到隐藏在系统中的粗规律的结论。     

基于先验知识和神经网络的非线性建模与预测控制

神经网络模型是模拟非线性系统的有力工具，它的缺陷是难以利用已有的先验知识。利用通用学习网络的建模方法，提出了一种利用先验知识和神经网络建立非线性系统模型的方法，具有简化神经网络结构、减小计算量的优点。基于这种模型利用改进的遗传算法进行优化计算，从而实现了基于先验知识和神经网络的非线性建模和预测控制。对一个悬吊系统的仿真实验说明了该算法的有效性。     

一种基于遗传算法的小波神经网

网络的优化学习是人工神经研究中的一个重要问题.将遗传算法全局性优化搜索和小波分析的时-频局部性特点相结合,本文提出了一种基于遗传算法学习的小波神经网络--遗传算法小波神经网络(WNNGA).三位异或问题和双螺旋问题的实验结果证明,遗传算法小波神经网络不仅继承了小波分析良好的局部性及其神经网络的学习和推广能力,而且具有遗传算法全局快速寻优的特点,是多层前向神经网络学习的一种理想算法.     

基于知识发现的火箭武器研制费用预测

小样本的火箭武器研制费用预测通常难于应用线性回归方法,而灰色理论方法在实际中仍不能较好地解决费用与武器特征参数间存在的非线性问题。提出了融合粗集理论和神经网络预测火箭武器研制费用的新方法,利用粗集知识约简后的特征要素作为神经网络的输入,实现火箭武器研制费用的预测,并用实例证明了基于粗集-神经网络的费用预测精度高于灰色模型预测精度。     

一种基于智能中间件的综合GDSS框架模型

针对群体决策分析的过程和特点,在传统中间件的基础上,增加知识库的相关内容和方法,获得一个由中央处理单元、辅助选择、功能组合平台和知识库交互平台构成的智能中间件,并提出一个基于智能中间件的综合群体决策支持系统框架模型。在该框架模型中,将知识发现、知识管理和群体决策支持系统相互结合,集智能中间件、知识发现技术于一体,系统分为三个层面:用户层、管理层和分析层,分别对应于用户交互、知识管理和知识挖掘三个平台,并给出了三个平台的框架结构和功能。最后,通过具体实例讨论了该系统框架模型的应用。     

一种多神经网络混合模型的学习算法研究

针对混合智能模型的多神经网络结构特征，提出一种模型参数的在线辨识算法。该算法在起始阶段利用混沌优化算法寻找初始点，随后采用BFS法完成参数寻优过程。对处于扰动状态下的预分馏塔的仿真结果表明，该算法可以有效地解决一类多神经网络模型的在线参数辩识问题。     

粗集与神经网络的集成技术研究

粗集和神经网络都是处理不确定、不完全信息的软计算方法 ,两者曾在决策支持和知识获取等领域取得了很大的成功并得到初步应用。但两者都有局限性 ,同时在许多方面有互补性。因此粗集和神经网络的集成成为当今智能混合系统的一个重要分支 ,或许也是开发下一代专家系统的主流技术。从认识论的角度分析了粗集和神经网络的特点 ,评述了目前粗集和神经网络集成的理论和方法 ,指出其中存在的主要不足。最后提出了粗集和神经网络进一步集成所需解决的问题。     

属性约简的两阶段遗传算法

属性约简是数据挖掘的一个重要研究内容. 为了解决具有多种属性类型的决策表约简问题,在粗集和二元关系聚合理论的基础上,利用属性重要性作为评价标准,提出了一种两阶段遗传约简算法. 算法的第一阶段是为了找出尽可能多的约简,第二阶段力求寻找最小约简. 根据算法每个阶段的目标设计了编码方案、种群规模、适应度函数、终止条件、选择、变异和修正操作. 实验表明,与标准遗传算法相比,两阶段算法在计算最小约简时更为准确和稳定.     

一种基于遗传算法的新型神经网络设计

神经网络的设计主要集中在网络权值的选取和神经网络结构的确定两个方面 ,与遗传算法结合是目前研究发展的趋势 .本文与一般的基于遗传算法的神经网络设计相比 ,提出一个新型算子—— BP算子 ,并对神经网络的权值和结构同时优化 .仿真结果表明该算法结果比较理想 .     

一种新混沌优化方法及在神经网络中的应用

将遗传算法和变尺度机制引入到混沌中，提出了一种新的混沌优化方法，并将此方法应用于神经网络的训练中。通过仿真研究证实，所提出的方法优于BP算法，能够达到指定的误差指标，具有一定的泛化能力，并且具有训练次数少、精度高、实施方便等优点。     

ARFIMA模型在中国股票市场预测的失效

选取了上证综合指数、深证成份指数、上证工业指数、上海商业指数、上海地产指数、公共事业指数、四川长虹、深发展A 8个从1997-01-02～2001-12-31样本序列.分别进行了序列的性质分析,并根据序列的性质为它们建立了ARFIMA(p,d,q)模型,进行了预测.结果表明,ARFIMA模型在中国股票市场对收益序列的预测是失败的.     

中国股票市场混沌动力学预测模型

运用混沌动力系统理论对中国股票市场的上证综合指数、深证成分指数进行了初步的分析,表明上证综合指数、深证成分指数两个序列是由高维的混沌系统所产生.并对上证综合指数、深证成分指数两序列建模预测,结果表明,新预测模型比均值模型的预测效果好.     

Forecasting Container Throughput of Qingdao Port with a Hybrid Model

This paper proposes a hybrid forecasting method to forecast container throughput of Qingdao Port.To eliminate the influence of outliers,local outlier factor(lof) is extended to detect outliers in time series,and then different dummy variables are constructed to capture the effect of outliers based on domain knowledge.Next,a hybrid forecasting model combining projection pursuit regression(PPR) and genetic programming(GP) algorithm is proposed.Finally,the hybrid model is applied to forecasting container throughput of Qingdao Port and the results show that the proposed method significantly outperforms ANN,SARIMA,and PPR models.     

基于混合算法的电力系统负荷预测

电力系统负荷预测是电力系统中的一个重要的研究课题。对神经网络算法和时间序列预测算法进行加权融合,提出一种混合算法对EUNITE竞赛数据进行了短期电力负荷预测。实验结果表明负荷预测精度得到了很大的提升。     

一类新的时序预报模型

对时间序列的一类新的建模与预报方法进行了研究 ,把灰色模型与自回归时序 AR模型组合建模 ,通过实例分析取得好的效果 .     

基于T-S模型的模糊神经网络在股市预测中的应用

采用基于 T-S模型的模糊神经网络 ,用改进的遗传算法来训练网络权值 ,隶属函数参数调整算法则采用动量法和学习率自适应调整相结合的策略 ,以上证指数和厦新电子 (个股 )为研究对象予以建模和预测 .结果表明 ,此种模型具有较好的泛化、学习、映射能力 ,对股票市场或类似的非线性经济系统的走势研判或其相应预测决策具有较好的应用价值.     

中国金融可计算一般均衡模型

为了研究中国金融问题,本文建立了中国金融可计算一般均衡模型,用于分析中国的货币政策和能源行业的资本存量,从而为中国金融政策的制订提供了数量上的依据。中国金融可计算一般均衡模型的方法也用于其他国家研究金融问题。     

一种灰色预测模型的新方法

给出了一种灰色预测模型的新方法。该方法运用线性回归对数据进行分组,并对各组数据进行指数插值;运用二次规划进行权重选择;运用灰色灾变预测确定权重的时序集,从而求得预测值。这种方法提高了预测精度,并反映了事物波浪式前进发展的本质,拓广了灰色预测的范围。     

技术市场成交预测的研究

根据1992年～1996年的全国技术市场成交额建立GM(1,1)模型,对1997年技术市场成交额进行了预测,进而建立等维新息模型,得到1998年～2002年技术市场成交额的预测数据,为有关部门根据国家建设调整有关决策提供了依据。表1,参3。     

A Novel Method of Finance Market Regulation Based on Control Overshoot

In the finance market, risk happened in two pattern. In one case, extreme volatility together with a short balance time leads to a great panic to the market. On the contrary, if the volatility is smaller, the time period will usually be longer. It will bring many infections to various related fields,which causes wider range influences to the economy. Both cases hurt financial market and the economy itself deeply. In this paper, we developed a novel market regulation method in which the conflict of fluctuation time and volatility will be balanced. It describes a way to compute a portfolio of relatively short time period together with smaller fluctuation volatility by using a general prediction algorithm based on overshoot in cybernetics. It can also give explanation to counter-cyclical supervision theory and macro-prudential regulation. Furthermore, it can provide numerical operation guide for countercyclical supervision theory and macro-prudential regulation.