基于小波网络的非线性组合预测方法研究

提出了一种基于小波网络的非线性组合预测新方法,以克服线性组合预测方法在解决非平衡时间序列组合建模问题所遇到的困难和存在的不足,并给出了相应的学习算法求解小波函数线性组合的尺度和时延参数以及神经网络权值。理论分析和大量的应用实例表明：本方法具有很强的泛化能力与自适应数据和函数变化的能力,在处理诸如经济时间序列这种具有一定程度不确定性的非线性系统的组合建模和预测方面有较高的应用价值。     

基于小波分析的非平稳时间序列分析与预测

提出了基于小波变换的非平衡时间序列分析预测方法。通过小波分解,将原时间序列依尺度分解成不同层次,使趋势项、周期项和随机项分离,对每一层进行分析与预测,最后再合成得到了原时间序列的预测值。实例验证了该方法是可行的。     

基于小波分析的随机交通流组合预测方法研究

针对单一交通流预测方法对短时随机交通流预测适用性不强的问题,为适应交通诱导和信号控制的需要,提出了基于小波分析的短时交通流RBF神经网络及Markov链组合预测方法。在充分分析短时交通流随机特性的基础上,建立了短时交通流组合预测模型,并进行了实例仿真分析,结果表明组合预测较单纯神经网络预测方法预测精度显著提高,在交叉口实时交通控制中具有较好的适应性。     

基于小波分析和非线性映照的多维异常样本检测方法

数据预处理对于数据挖掘及其它基于数据样本的系统建模极为重要。数据预处理的一项重要任务是从大量数据样本中剔除异常样本,但在数据集中各数据项间关系未知的情况下,检测异常样本比较困难,为此,提出了一种基于小波分析和非线性映照的异常数据样本检测方法。该方法通过非线性映照对多维数据进行降维处理后,利用小波分析的局部分析优势检测异常样本。仿真结果表明,该方法切实可行,效果良好,有较强的实用性。     

非参数小波算法的交通流预测方法

及时准确地进行交通流短时预测是智能交通系统,尤其是其先进的交通管理系统与先进的出行者信息系统研究的关键内容之一.随着预测时间跨度的缩短,交通流量的变化显示出越来越强的不确定性,使得一般方法的预测精度大大降低.本文应用非参数回归理论并结合小波分析算法,将交通流数据按不同频道分解,然后重构信号时舍去噪音频道,得到光滑的交通信号曲线,进而利用非参数方法中的最近邻规则对未来交通流进行预测.经过实测数据验证,算法能对交通参数做出很好的预测.     

船测数据非平稳误差的小波预测方法

船测数据的处理精度极大程度地决定了我国航天测控的能力。分析表明,船测数据的混合误差是由次低频的修正残差和高频的随机误差组成的非平稳时间序列。为改进现有修正方法的效果,分析了修正残差和白噪声的小波变换系数特征,并提出了基于小波理论和时序建模技术的混合误差的预测方法。实例和仿真结果表明,该方法比直接使用时序方法的预测误差更小。     

基于小波分析的股指期货高频预测研究

基于低频金融数据的预测,在时间上具有长期性,依赖于整体经济环境,不能形成短期内的准确预测.但是由于高频金融时间序列具有非线性、非平稳性以及其特有的日历效应等特性,传统的ARMA模型也无法得到满意的预测结果.本文提出基于小波多分辨率分析的预测方法,将收益率数据分为高频部分(周期性)与低频部分(趋势性),对拆分后的序列进行重构,并对重构后得到的数据分别建立ARMA模型.实证研究表明,小波多分辨率分析能很好地滤出日内效应,由于股指期货独特的市场特征,应将分解层数定为3,分解重构模型可以提高预测精度.     

基于小波与混沌集成的中国股票市场预测

应用小波变换和混沌理论提出了一种中国股票市场建模及其预测的小波与混沌集成的方法．首先应用小波分解理论对上证综指和深证成指日收益率序列进行分解，分别得到低频部分和高频部分，并在此基础上作进一步分析，结果表明中国股市存在混沌特性；然后应用混沌理论分别建立低频部分和高频部分的预测模型，对低频部分和高频部分进行预测；最后应用小波理论对混沌模型预测的结果予以重构，实现对原始收益率序列的预测．与现有方法比较，结果表明该方法具有较高的精度，有极大的应用前景．     

正交小波网络及其在经济预测中的应用

依据多分辨分析和正交小波分解理论,建立由正交小波函数和正交尺度函数共同作为神经网络的激励函数的正交小波网络,并充分利用二者互补的特性,给出正交小波网络的分层、递阶学习算法,这使得正交小波网络在逼近函数的过程中不存在局部最小的问题,而且可以建立网络结构与逼近精度之间的明确关系;建立了我国人口预测的正交小波网络模型并验证了模型的实际有效性.     

基于小波分解与重构的交通流短时预测法

交通流短时预测是交通控制与交通诱导系统的关键问题之一 .随着预测时间跨度的缩短 ,交通流量的变化显示出越来越强的不确定性 ,使得一般的预测方法难以奏效 .本文探讨了小波分析在交通流短时预测中应用的可行性 ,提出了一种基于多分辨率小波分解与重构的交通流短时预测方法 ,介绍了该方法的原理 ,讨论了模型参数的确定 ,给出了仿真实验研究结果.     

基于可拓-集对的经济策略生成方法

提出经济策略的概念，经济策略不是最优策略，经济策略也不等同于满意策略。经济策略的生成是决策科学研究的一个重要内容。以可拓方法和集对分析为基础，提出一种适合于生成经济策略的新方法——基于可拓一集对的经济策略生成方法，并以赈灾物资的管理为例．介绍该方法的应用步骤。     

基于小波分析和SOM网络的交通事件检测算法

本文提出一种结合小波分析和SOM（自组织特征映射）神经网络的交通事件检测算法。论文首先利用小波分析检测交通流初始信号的奇异性．然后将小波系数作为SOM网络的输入．对信号奇异点进行分类,再根据分类标准判断交通流状态，并运用Matlab进行了仿真分析。结果表明提出的交通事件检测算法利用较少样本数据即可快速实现交通事件检测，具有潜在的应用价值。     

基于灰聚类和小波网络的企业投资决策绩效集成评价

基于公司的战略和利益相关者的考虑，本文设计了财务层面绩效指标、技术创新层面指标、顾客层面绩效指标、业务流程层面绩效指标、发展潜力层面绩效指标和社会和环保层面绩效指标六个层面的企业投资决策绩效评价指标体系。建立了标杆瞄准和主成分分析相结合的指标筛选的方法，设计了基于灰色聚类和小波网络模型的企业投资决策集成评价模型，并对焦化行业进行了实证分析。     

一种新的基于小波变换的图像融合方法

提出了一种新的基于小波变换的多光谱与高分辨率图像融合方法。该方法通过强度因子有效地将高分辨率图像经小波分解的低频分量信息融合到多光谱图像经小波分解的低频分量中去 ,使得经过小波反变换的融合图像较大程度地保留了多光谱图像的光谱信息和高分辨率图像的空间分辨率。给出了该方法的融合结果 ,并与小波变换法 (WT方法 )进行了比较 ,证明了该图像融合方法的正确性和有效性     

基于小波分析的一种红外弱小目标检测新方法

研究了天空背景下红外运动弱小目标的检测问题。对红外序列图像进行小波分析 ,使用小波反变换可以将背景中低频分量和高斯噪声去除 ,并采用自适应门限处理 ,再采用非线性滤波 ,最后使用膨胀累积的方法找出目标 ,并得出目标航迹。实验结果表明 ,该方法能有效地检测定位运动红外弱小目标 ,并具有较强的抗噪声性能     

基于小波分析的噪声抑制和数据压缩综合技术——SAR图像的噪声抑制与数据压缩

本文给出了一种基于小波分析方法的噪声抑制技术,它具有运算简便和能在保持原图精度的同时有效地降低斑点噪声影响的优点。更重要的是,它将噪声抑制与数据压缩过程同时进行,对ＳＡＲ雷达图像的处理取得了良好的效果。     

基于多分辨率技术及奇异值理论的故障检测方法

提出了以小波多分辨率技术与矩阵奇异值理论相结合的故障检测方法。根据小波变换的多分辨率分解特性 ,提出了系统状态观测信号的二初始特征向量矩阵———粗分辨逼近矩阵和边缘细节信息矩阵。利用矩阵奇异值分解理论得到初始特征向量矩阵的奇异值 ,将其作为状态信号的特征向量。针对提取出的系统状态信号奇异值特征 ,设计出相应的故障检测算法 ,并将该方法用于某武器平台上精密弹簧阻尼器的故障检测。仿真结果证实了该方法的正确性和有效性。     

基于小波有限元的裂纹损伤梁分析

针对构件在裂纹尖端附件存在奇异性的现象，将小波有限元方法和断裂力学方法相结合，推导了小波梁单元、裂纹单元的单元刚度方程，并给出了裂纹梁通过静力凝聚技术消除内部自由度后的等效单元刚度矩阵，建立了已知裂纹大小和位置的裂纹损伤梁的小波有限元分析方法。经算例验证，该方法能有效地提高裂纹问题的分析精度，具有一定的工程实用价值。