人民币汇率的半参数预测模型

利用从2006年1月4日到2008年7月18日人民币对美元汇率中间价的日均数据, 同时运用非参数函数系数模型和GARCH模型来分析人民币对美元汇率收益率与波动率的非线性时间序列特征. 实证结果表明, 半参数组合模型具有较好的拟合以及预测效果, 而且汇率管制政策变动的虚拟变量的估计 系数显著不为0. 跨度为50天的样本外预测显示: 96%的收益率真实值都落在2.5%以及97.5%的非参数分位 数回归预测线区间之内; 参数GARCH(1,1)模型拟合的波动率所显示出的汇率震荡与实际情况一致.     

基于K近邻非参数回归的短时交通流预测方法

采用K近邻的非参数回归方法对短时交通流量进行了预测,考察了模型中关键因素对预测效果的影响.在4种不同状态向量和预测算法组合下的实验方法比较中,以相邻四个时间间隔的流量和占有率数据作为状态向量,并采用带权重的预测算法取得了良好的效果.将利用K值构造的预测区间用于特殊路况的预测中,得到了明显的改进效果.最后,对非参数回归和神经网络的方法进行了比较,结果表明了非参数回归预测方法的高精度和强移植性.     

基于K-邻域非参数回归短时交通流预测方法

实时、准确的短时交通流预测是交通控制与诱导中的一个关键问题和难点.非参数回归是解决短时交通流预测问题的较好方法,但是案例库生成难和搜索速度慢是其目前实际应用的两大障碍.为此,提出一种基于平衡二叉树的K-邻域非参数回归(KNN-NPR)的短时交通流预测方法,采用聚类方法和平衡二叉树结构建立案例数据库,以提高预测精度和满足实时性要求.给出了预测示例说明了方法的有效性.     

考虑交通吸纳点的非参数回归组合型短时交通流预测方法

在城市路网中．交通吸纳点是非常重要的影响交通流量的因素。由于交通吸纳点增加了流量预测的复杂度．一般基于模型的智能算法也不能很好地解决有吸纳点的交通流预测问题。提出一种基于非参数回归的组合方法PCA—FC—NPR．即在对原始数据进行主成分分析PCA（Principal Component Analysis）和模糊聚类FC（Fuzzy Clustering）的基础上．采用以数据驱动的k-近邻非参数回归方法NPR（Non-Parametric Regression）加以解决。针对交通吸蚋点与检测器的位置关系采取不同预测算法。短时交通漉预测示倒结果证明俄方法的有效性。     

离散时间分布参数系统的模型逼近预测控制

提出了离散时间分布参数系统的一种预测控制方法。该方法采用广义正交多项式对分布参数系统的模型进行逼近,将离散时间分布参数系统的预测控制问题转化为集中参数系统的预测控制问题,运用模型算法控制方法对集中参数系统进行预测控制,求出控制律,经反演变换得出分布参数系统的预测控制。给出了该方法的具体步骤,仿真示例表明了方法的有效性。     

动态多模型指数平滑法融合的在线预测方法

针对传统预测算法实时性差、难以适应多种数据变化情况、参数无法根据数据的实时变化进行在线调整等问题,提出了一种动态多模型指数平滑法融合的在线预测算法。该算法根据历史数据的预测误差,动态调整指数平滑法的平滑系数,以及1次、2次、3次指数平滑法的融合权值,实时得到对传感器测量参数的准确预测。仿真表明,该算法在多种数据变化情况下均优于单一采用指数平滑法。