组合预测贝叶斯方法研究

本文研究了组合预测的基本理论，提出了有效的最优权重确定方法。基于贝叶斯理论分析，在相当一般的条件下，本文推导了非线性组合预测方式。该组合具有相当一般性并将传统算术加权平均、几何加权平均等组合预测方式作为特例。实例分析证实了本文方法的有效性。     

基于WNN-RAGA 的非线性组合预测方法

将小波变换与神经网络结合构成WNN非线性组合模型,弥补单一预测方法的不足,利用RAGA 的全局优化能力,优化WNN 学习的网络参数,解决传统WNN网络学习算法在学习后期收敛速度慢、存在局部最小值以及训练结果不稳定的问题。实例的预测结果显示出这种基于WNN-RAGA 非线性组合预测的良好预测性能。     

基于动态组合残差修正的预测方法

本文建立了一种基于残差修正的组合预测方法,并基于该方法证明了针对多个单一的预测方法根据其在某个时间段的相对预测误差的大小选择组合选项可以进一步提高预测精度.提出了针对不同时间段可根据各种单项预测模型的相对预测误差的大小动态选取相对预测误差最小的两种模型构成组合残差来修正基本方法的预测误差,以提高预测精度.最后通过实际空调负荷预测对其进行了验证,结果表明这种动态组合残差修正的预测方法相对于基于多个固定单一预测方法的组合预测方法,可以进一步改善预测效果.     

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。     

基于神经网络最优组合预测方法的应用研究

针对最优组合预测模型最优权重分配时往往出现负权重等方面的不足 ,建立了基于 Ann模型组合预测模型 ,并进行了实证研究 ,结果表明该模型比最优组合预测具有更高的拟合精度 .最后从机理分析其中的原因 .     

基于多准则优化的组合预测方法

介绍了9个预测效果评价准则,提出了一种基于多准则优化的组合预测方法。该方法不同于传统的基于改善单个预测效果评价准则的组合预测方法,它综合多个准则并考虑某些准则的组合预测效果评价值优于其单个预测方法的效果评价准则值建立优化模型,利用遗传算法求解其非线性规划模型,得到组合权系数。最后实例说明该方法的可行性和有效性。     

组合预测方法在粮食单产预测中的应用

组合预测是利用各种预测模型所包含的独立有用预测信息来对事业未来发展趋势进行预计，估测的过程。通过粮食单产预测实例，论证了组合预测方法是一种比单一预测方法具有更能收到料好预测效果的佳法。     

一个基于集成情境知识的组合预测方法

根据钱学森定性定量综合集成的系统思想,在TEI@I复杂系统方法论的框架下,提出了一种基于集成情境知识的组合预测方法(CFMIK).该方法用情境知识引导经济预测过程,将一些难以显式出现在预测模型中的影响因素考虑进来,从而能够在一定程度上解决预测结果在发生随机事件冲击时误差较大的难题.以港口集装箱吞吐量预测为例,对比了CFMIK,AFTER组合预测方法和3种单项模型预测方法(ARIMA、BP-ANN和指数平滑法)的表现,结果发现CFMIK的表现显著地优于后4种预测方法.     

组合预测方法及其在粮食产量预测中的应用

提出了一种组合预测方法，以预测偏差编对值和小为标准，用线性规划确定组预测权系数的最优加权算法，对浙江省的粮食产量进行了预测分析，结果表明，此模型具有较高的精度。表3，参6。     

季节性预测的组合灰色神经网络模型研究

对于季节性时间序列具有增长性和波动性的二重趋势性 ,本文提出了季节性预测的组合灰色神经网络模型 ,研究了同时考虑两种 (非线性 )趋势的复杂季节性预测问题 ,给出了一个应用实例 ,为季节性预测提供了一种新的、有效的方法 .     

河流水质的预测模型研究

东江惠州－东岸段河流水质直接影响着香港和深圳的淡水供应质量。本文根据东江水质自动监测系统的分布情况,提出了由上游水质预测下游水质和当前水质预测未来水质的两种基于自适应神经网络的东江惠州－东岸段水质预测建模方法,给出了基于正交多项式基的神经网络静、动态学习算法,在学习过程中可同时确定网络的拓扑结构和相应的正交多项式基,且无局部极值问题。仿真结果证明了该方法具有较高的预测7精度,且方法简便、适用对象广泛。     

财务困境概率贝叶斯估计

通过财务困境概率估计模型建立一套企业财务风险预测系统,具有降低企业经营风险、投资风险以及防范金融危机的重要意义。现有的预测模型主要有:多元识别分析模型、Logit和Probit等统计回归模型以及人工神经网络预测模型。但以上模型均忽略了决策者个人经验、智慧以及信息优势对财务困境预测的重要作用。本文利用贝叶斯分析方法建立的概率估计模型,可以较好地解决这个问题,提高预测的针对性和准确性。     

基于熵的水质模糊评价模型及应用

鉴于水质评价中客观存在的模糊与随机性,基于Ｊａｙｎｅｓ的信息熵最大原理,提出了新的水质模糊评价模型。数值例子表明,新模型不仅可以克服均值化的缺点,而且可给出评价的可靠性。     

导弹制导精度与杀伤概率一体化仿真

制导精度仿真和杀伤概率仿真是武器系统效能仿真的重要组成部分,在传统仿真系统设计和仿真试验中一般分别进行.通过对两者仿真模型有机结合,实现了制导精度与杀伤概率的一体化仿真,给出了仿真流程,并对一体化设计结果的可信度进行了初步研究,具有较强的通用性.制导精度与杀伤概率一体化仿真不但实现了导弹拦截目标的全过程仿真,而且节约了设计开发资源,为实现作战效能评估和攻防对抗等大型仿真系统建设奠定了技术基础.     

基于案例推理的纺纱质量预测模型研究

针对纺织企业的纱线质量控制问题,提出了基于案例推理(CBR)的纱线质量预测模型.利用纺织企业纱线生产中积累的历史数据构建案例库,采用聚类算法为其建立索引结构.在此基础上,使用最近邻法分两步检索出相似案例,并对相似案例进行修改以获得预测值,同时采取主动学习策略保存当前案例,更新案例库.最后使用纺纱生产的实际数据进行仿真,得到具有较高精度的预测结果,验证了模型的有效性.     

水环境水平的规模－技术进步预测模型

本文将作者的理论研究成果“历史横断面数据的时间序列化”技术和耗散结构理论应用于“重金属废水治理综合分析的初步研究”这一软科学课题中, 从而得出既能反映因果关系又具有时序特征的水环境水平的规模-技术进步预测模型。并首次提出“熵输出国”的概念。     

末修子母弹对集群目标毁伤概率的数值计算

建立了末修子母弹对集群目标毁伤概率的计算模型,根据集群目标布阵特点建立坐标系,采用Monte-Carlo试验统计法,随机模拟子母弹抛撒落点,通过判断子弹弹道末端对探测目标的打击弹道修正来得到被打中的目标编号,并用VC++编程实现了末修子母弹对集群目标的毁伤概率的计算.该计算模型为末修子母弹对集群目标的毁伤研究提供了科学实用的计算平台,其计算结果可以作为相关实弹试验设计的重要参考因素.     

基于污染物侵入模拟的供水管网水质监测点优化选址方法

提出了突发或者蓄意污染情况下供水管网水质监测点优化选址的最大覆盖选址模型.结合一管网算例,利用EPANET2软件模拟扩展周期非稳态水力水质条件下管网节点污染物浓度变化情况,由此得到各个节点被注入污染物后,监测点监测到污染物浓度时不同用户节点对外供出的污染水体体积.同时提出基本粒子群优化算法与遗传算法交叉、变异算子相结合的整数编码的混合粒子群优化算法来求解该选址模型,并编制了相应的C 程序.提出的优化模型与求解算法对管网水质监测点的优化选址具有一定的参考作用.     

闽江水域水质时空分布探索性研究

依据2008-2009年11个采样点8个水质指标数据,运用主成分分析和聚类分析,对闽江水质时空分布进行探索性研究。通过统计分析将8个水质指标概括为2个主成分,在空间尺度上分为2组,重污染区和轻污染区,在时间尺度上分为2组,枯水期和丰水期。结果表明闽江上游污染较为严重,中游一直到下游污染程度呈下降趋势。经过福州市区后,由于汇入了大量的生活和生产污水造成污染,使闽江水质急剧下降。同时,闽江水质受该地区的降雨量影响较大,它亦随着水温的变化呈季节性变化,冬季的水质最差。     

PSO-BP模型在城市用水量短期预测中的应用

为解决现有的城市用水量短期预测BP神经网络法对初始权值敏感、易陷入局部极小点和收敛速度慢等问题,通过对城市时用水量数据特征的分析,应用基于全局随机优化思想的粒子群优化(PSO)算法对BP网络的初始权值进行优化,建立了PSO-BP城市时用水量预测模型.在算例分析中与传统BP神经网络预测法进行对比,发现该方法的收敛速度明显提高,且平均预测精度提高了2%,在用水量短期预测中非常有效.