基于改进的分形插值与SVM的股指预测模型

为了更好地分析和预测股指时间序列的短期变化趋势,提出了一种确定分形插值自由参数的新方法,由此建立了一个改进的分形插值模型,并将该模型与支持向量机模型相结合构造混合预测模型.经R/S分析可知上海证券综合指数的日收盘数据具有长程相关性,于是将混合预测模型用于分析和预测上海证券综合指数时间序列,发现混合预测模型较其他方法具有更好的拟合效果,且在短期预测方面有更高的预测精度.     

基于BP神经网络的我国股指期货价格预测

应用BP神经网络理论提出了我国股指期货市场价格走势短期预测模型。首先根据实验数据的特点分别构建单因素、多因素BP神经网络预测模型,再通过重复试验的方法,运用BP神经网络对股指期货价格序列进行训练,从而对股指期货价格进行预测。结果表明,通过BP神经网络预测模型得到的预测值与股指期货的实际价格有着很高的拟合度。     

基于分形插值的ARIMA大坝预警模型

针对ARIMA模型对含有缺失值的时间序列进行拟合预测会产生较大的误差,将分形插值与ARIMA模型相结合运用在大坝安全监测中.首先利用分形插值能通过分形物体的部分信息得出其整体形态的特点,对原始数据进行插值计算,然后建立ARIMA时间序列模型并进行预测.以小湾坝顶某监测点径向位移为例,建立基于分形插值的ARIMA模型,并与实测值比较.计算结果表明,插值后的ARIMA模型较原始模型的拟合和预测精度更高.     

基于分形插值函数生成的分形插值曲面的中心变差

介绍矩形域上一类分形插值曲面的构造方法,讨论这类分形插值曲面的中心变差的性质。     

基于样条插值和分形的图像编码方法

提出了一种将样条插值和基于迭代函数系统（ＩＦＳ）的分块分形编码相结合的图像压缩方法。实验结果表明,与基本的自动分形图像压缩方法相比,本方法远算时间少、压缩比高且重建图像质量良好。     

基于二次分形插值函数的分形插值曲面的变差与盒维数

首先讨论了二次分形插值函数,进而研究由二次分形插值函数导出的分形插值曲面,并估计了其变差.再由二元连续函数的中心变差与图像计盒维数之间的关系,来确定分形插值曲面的计盒维数.     

一类分形插值曲面的构造方法

主要介绍矩形域上一类分形插值曲面的构造方法,并对分形插值曲面的连续性进行严格的证明。     

岩体质量评价的分形插值模型

岩体质量分类是一个复杂的不确定系统问题,为准确评价岩体质量所处的分类状态,进而为岩体质量的防治提供科学依据,提出基于分形-插值模型的岩体质量评价方法.该方法首先选取影响岩体质量评价的8个主要因素,根据分类标准,采用在每级标准中随机内插的方法,得到50个标准样本,用于构建岩体质量评价的分形-插值模型;其次,根据最大似然分类原则确定每个岩体质量评价指标的评价分维数;然后,利用加权求和法计算样本的综合评价值,并根据样本综合评价值与经验等级之间的关系建立分形-插值评价模型;最后,通过实例分析表明:该模型的评价结果是准确和可靠的,与采用其他分类方法所得结论一致.此外,该模型可以得出每个样本的具体得分值,即使对属于同一级的样本也可以排出它们的优劣顺序,因而具有较高的分类精度,为岩体质量评价提供了一种较好的新方法.     

分形插值函数与垂直压缩因子

讨论一类当垂直压缩因子中有一个取值为0时的分形插值函数(FIF)的性态,证明此类分形插值函数是逐段光滑的,从而进一步说明分形插值函数对垂直压缩因子有较强的依赖性.     

基于贝叶斯正则化BP神经网络的股票指数预测

提出了利用贝叶斯正则化BP神经网络对股票指数进行预测.通过对比实验表明,贝叶斯正则化的BP神经网络比相同条件下采用其他改进算法有较好的泛化能力,对股票指数预测有很好的效果.     

基于极限学习机的上证指数预测与分析

针对证券指数具有随机性、时变、波动性较大、非线性等特点,传统线性预测方法预测精度低等缺陷,提出了一种基于极限学习机的证券指数预测方法。极限学习机克服了BP神经网络的训练速度慢、过拟合、局部极值等缺陷,具有训练速度快、全局最优和泛化能力优异等优点。采用1991~2013年上证指数对算法性能进行训练,2014年数据做测试,对100个测试数据仿真结果表明,复相关系数高达0.9935,极限学习机是一种预测精度高、误差小的证券指数预测算法,预测结果可以为用户提供有价值的参考意见。     

基于机器学习的拉矫延伸率预测模型及数值分析

在冷轧弯曲矫直过程中,针对拉矫机工艺参数设置问题,利用经验公式、有限元仿真建立的延伸率模型预测精度不高.为提高预测精度,基于传统解析模型与机器学习算法进行研究,比较了两种方法预测模型的精度,得到机器学习算法的延伸率预测模型要比数值解析模型的拟合优度高.比较BP神经网络算法和支持向量机(SVM)算法,得到两种机器学习算法的预测模型精度基本一致.为进一步提高预测精度,采用Adam算法对BP神经网络进行优化,采用遗传算法对SVM预测模型的参数进行优化,最终得到最优预测模型的均值绝对百分比误差MAPE以及拟合优度R^○2分别为13.4%和0.953,可以为实际生产提供技术指导.     

基于EMD与BP神经网络的中国股票指数期货价格预测

应用经验模态分解算法（EMD）和BP神经网络理论提出了我国股指期货市场价格走势预测模型。首先应用EMD分解算法把股指期货价格序列分解成不同尺度的内禀模态分量（IMF）,再通过重复试验的方法运用BP神经网络对股指期货价格序列和分解得到的所有IMF的数据序列进行训练,得到股指期货价格的预测模型,并对股指期货价格进行预测。实验表明,通过该方法得到的预测值与股指期货的实际价格有着很高的拟合度。     

基于成交量的股价序列构造及分形分析

构造了一种基于日历交易时间和基于成交量推进的股价转换函数 ,这种方法体现了量价配合和熵的思想 ,并在此基础上 ,通过 R/S分析法对上海股市的部分个股进行研究 .结果表明上海股票市场表现为高度正相关分形时间序列 ,且在短期内无明显循环周期     

股票市场的分形特征

针对我国股票市场所具有的混沌特征，运用分形理论的方法对我国上证指数进行分析,给出一种构造生成元的新方法——尺度生成法，并采用此生成法构造出我国上证综合指数的生成元．根据分形迭代函数系统理论与方法，迭代生成我国上证综合指数的模拟走势图，并计算出其分形维数，从而得到了股市波动的复杂程度的定量值．     

WCDMA中基于分形插值的信道估计方法

为改进第3代移动通信标准WCDMA中基于时分复用导频符号辅助的信道估计问题,将分形理论引入多径衰落信道的描述．在多径衰落的分数布朗运动模型的基础上,提出一种利用两个连续时隙的导频符号估计出的信道参数进行分形内插的信道估计方法．与传统方法相比,该算法充分考虑了在高速运动及深度衰落的情况下信道参数快速变化的因素,使系统能更准确地估计衰落信道的参数,其性能在高速信道下优于原有算法,且可以自适应地跟踪信道衰落的变化．仿真结果验证了采用该方法的Rake接收机性能．与传统的随机模型相比,新的分形信道模型能更好地刻画出多径衰落的行为．