利用周期自回归模型对1995年部分宏观经济指标的预测与分析

利用周期自回归模型对１９９５年部分宏观经济指标的预测与分析吴国富，孙传忠（中国科学院应用数学研究所，北京１０００８０）ＦｏｒｅｃａｓｔｓａｎｄＡｎａｌｙｓｅｓｏｆ１９９５’ｓＰａｒｆｔＭａｃｒｏｅｃｏｎｏｍｉｃＩｎｄｉｃａｔｏｒｂｙＵｓｉｎｇＰｅｒｉ...     

NONSMOOTH MULTIOBJECTIVE PROGRAMMING

（ｘ）？Ｓ．Ｉｆｇ（ｘ）＝０，Ｓ＊（ｘ）＝Ｓ＊．ＭｏｍｎｉｔＳ／０ａｎｄｎｉｔＳ（ｘ）２ｎｉｔＳ，ｎｉｔＳ（ｘ）／０．Ｈｅｌｌｃｅ（Ｓ（ｘ））＊＝Ｓ＊（ｘ）ｈａｓａｃｏｍｐａｃｔｃｏｎｖｅｘｂａｓｅ，ｄｅｎｏｔｅｄｂｙＡ，ａｎｄｔｈｅｃｏｍｐａｃｔｃｏｎｖｅｘｂａｓｅｏｆＱ＊ｉｓｄｅｎｏｔｅｄｂｙＢ．｛０｝＊＝Ｒｅ．ＬｅｔＣ＝｛ｘＥＲｅ：ＩＩｘｌｌ＝１｝．ＴｈｅｎＣｉｓａｃｏｍｐａｃｔｂａｓｅｏｆ｛０｝＊．Ｌｅｔｓｕｐｐｏｓｅｔｈａｔ（３ｄＯＥＲ＂）（ＶＰＥＶ＊＼｛０｝）（ＰＴｐ）＂（ｘ；ｄｏ）＜０，ｆｒｏｍＬｅｍｍａ２．３ｔｈｅｒｅｅｄｅｓｔｓａｄＥＲ＂ｔｏｇｅｔｈｅｒｗｉｔｈｂ＞０ｓｕｃｈｔｈａｔＩｎｐａｒｔｉｃｕｌａｒ，ｆｉｘｉｎｇＴＥＢａｎｄＡ６Ａ，ｓｅｔｔｉｎｇｐ￣（ＥＴ，ａｃ，￣）ＥＶ＊ｗｉｔｈＥ＞０ａｎｄｕｅＣ，ｗｅＩｎｄｅｅｄ，ｉｆｔｈｅｒｅｅｘｉｓｔｓａａｌＥ（０，６）ｓｕｃｈｔｈａｔｈ（ｘ＋ａ＇ｄ）／０，ｗｅｃａｎｃｈｏｏｓｅＦＩＥＣｓａｔｉｓｆｙｉｎｇＵ，＂ｈ（ｘ＋ａ＇ｄ）＞０．Ｉｎ（４），ｌｅｔｔｉｎｇＥ－０，ｉｔｆｏｌｌｏｗｓｔｈａｔＵ＂ｈ（ｘ＋ｒｓ＇ｄ）＜０，ｗｈ     

Stability of Control Model of Investment

ｎｔｈｅｍａｃｒｏｅｃｏｎｏｍｅｔｒｉｃｓ,ｔｈｅｅｖｏｌｕｔｉｏｎｐｒｏｃｅｓｏｆｔｈｅｓｔｏｃｋｏｆｆｉｘｅｄａｓｓｅｔｓｉｓｄｉｓｃｒｉｂｅｄａｓｔｈｅｆｏｌｏｗｉｎｇｓｙｓｔｅｍ［１］：Ｋ（ａ,ｔ）ｔ＋Ｋ（ａ,ｔ）ａ＝－μ（ａ,ｔ）Ｋ...     

灾害系统论及其减灾模型研究初步

灾害系统论及其减灾模型研究初步金磊（北京建筑设计研究院，１０００４５）ＢａｓｉｃＲｅｓｅａｒｃｈＳｔｒａｔｅｇｉｅｓｆｏｒＤｉｓａｓｔｅｒＳｙｓｔｅｍｓＴｈｅｏｒｙＪｉｎＬｅｉ（ＡｒｃｈｉｔｅｃｔｕｒａｌＤｉｓｉｇｎａｎｄＲｅｓｅａｒｅｈＩｎｓｔｉｔ...     

PC-Easy and Its Application

ＰＣ－ＥａｓｙａｎｄＩｔｓＡｐｐｌｉｃａｔｉｏｎＰＣ－ＥａｓｙａｎｄＩｔｓＡｐｐｌｉｃａｔｉｏｎ￥ＬＩＳｈｉｈｕｉ（ＭａｔｈｅｍａｔｉｃｓＤｅｐｔ．ｏｆＳｈａｎｘｉＵｎｉｖｅｒｓｉｔｙ，０３０００６）ＨＵＩＳｈａｏｗｅｎ（Ｃｏｍｐｕｔｅｒ＆Ｉｎｆｏｒ...     

GM~* (1,1) "LR" Method and its Applications

ＧＭ~＊（１，１）＂ＬＲ＂ＭｅｔｈｏｄａｎｄｉｔｓＡｐｐｌｉｃａｔｉｏｎｓ￥ＬＩＮＧＹｉｎｇｃｈｕｎ（ＺｈｅｊｉａｎｇＡｇｒｉｃｕｌｔｕｒｅＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｒｈｏｕ，３１００２９，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｂａｓｅｄｏｎｔｈｅｃｈａ?..     

AHP－DSS用户接口的设计与实现

ＡＨＰ－ＤＳＳ用户接口的设计与实现周丙午，施振夏（上海华东计算所，上海２０１８００）（上海科技大学，上海２０１８００）ＴｈｅＤｅｓｉｇｎａｎｄＩｍｐｌｅｍｅｎｔａｔｉｏｎｆｏｒＵｓｅｒＩｎｔｅｒｆａｃｅｏｆＡＨＰ－ＤＳＳＺｈｏｕＢｉｎｇｗｕ（Ｅａｓｔ...     

Radar System Engineering

ＲａｄａｒＳｙｓｔｅｍＥｎｇｉｎｅｅｒｉｎｇ￥ＤａｌｅＲ．Ｂｉｌｌｅｔｔｅｒ（ＲａｙｔｈｅｏｎＣｏｍｐａｎｙ，Ｍａｓｓａｃｈｕｓｅｔｔｓ．ＵＳＡ）ＷＨＡＴＩＳＲＡＤＡＲＳＹＳＴＥＭＥＮＧＩＮＥＥＲＩＮＧ？Ａｎｏｒｇａｎｉｚａｔｉｏｎｄｅｓｉｒｅｄｔｏ...     

轧钢厂钢坯生产计划的最优决策

轧钢厂钢坯生产计划的最优决策刘伟，张庆凌（唐山工程技术学院自动化系０６３０１０）ＴｈｅＯｐｔｉｍａｌＤｅｃｉｓｉｏｎｏｆＳｔｅｅｌＢａｓｅＰｒｏｄｕｃｔＰｌａｎｏｆａＨｅａｖｙＲｏｌｌｉｎｇＭｉｌｌＬｉｕＷｅｉＺｈａｎｇＱｉｎｇｌｉｎｇ（Ｔａｎｇｓｈ...     

具有冲突特性的谈判与决策支持系统

具有冲突特性的谈判与决策支持系统顾培亮（天津大学系统工程研究所，３０００７２）ＮｅｇｏｔｉａｔｉｏｎａｎｄＤｅｃｉｓｉｏｎＳｕｐｐｏｒｔＳｙｓｔｅｍＩｎｖｏｌｖｅｄｗｉｔｈＣｏｎｆｌｉｃｔｉｎｇＦａｃｔｏｒｓＧｕＰｅｉｌｉａｎｇ（Ｉｎｓｔｉｔｕｔｅｏ...     

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。     

神经网络模型用于多变量综合预测

本文研究神经网络用于多变量时间序列预测的原理与方法，提出组合多种信息的综合预测方法。以股票交易为例，用神经网络组合各类信息，运用信心股价理论对中国股市的发展进行跟踪预测。在此基础上进一步从信息利用的角度说明了神经网络预测方法的特点。结果表明，神经网络模型用于多变王时间序列预测，其精度和趋势均较统计方法有所提高；神经网络综合预测，对中短期股票价格的预测，有实用价值。     

基于向量夹角余弦的水文组合预报方法

针对水文预报中单个水文预报模型预报精度不高的问题, 提出基于向量夹角余弦的水文组合预报方法. 该方法采用组合预测理论建立了实测向量、预报向量和权值向量, 形成向量夹角余弦模型; 根据不同的历史水文资料状况, 给出拟合优度和动态逼近两种可变权值计算方法, 完成参数的率定, 并将各参数对预报精度的影响加以分析. 实验表明: 该方法能够有效地克服单个水文预报模型的不足, 通过实现多个单项水文预报模型的组合, 可将预报合格率提升约20%.     

基于支持向量机的时间序列预测模型分析与应用

阐述了支持向量机在时间序列预测中应用的理论基础,给出了时间序列预测分析的基本框架。将支持向量机预测模型应用于某型航空发动机的滑油金属含量监测中,并与递归神经网络预测器进行了比较。得出支持向量机由于采用了新型的结构风险最小化准则表现出优秀的推广能力,可预测区间较长且具有较高的准确度,而递归神经网络模型在中、短期预测中与支持向量机相差不大,在较长区间预测中效果较差的结论。     

粗正交小波网络及其在交通流预测中的应用

基于交通流预测的特点和输入向量的主成分分析方法,把粗集理论与正交小波网络相结合,给出了一种基于粗集的正交小波网络交通预测模型,并成功应用于城市交通流的实时预测.粗正交小波网络具有极强的鲁棒性,可以有效克服季节、天气等随机因素对交通流量预测性能的影响;主成分分析方法解决了正交小波网络多维输入时的维数灾难.实验结果表明,该模型的预测精度和收敛速度明显优于常规BP网络和小波框架神经网络,对交通流量等预测问题具有较高的应用价值.     

基于灰色组合模型的河南省粮食产量预测

一元线性回归有直线趋势,而GM(1,1)能较好地模拟指数变化的趋势。但是,如果原始序列整体上是直线趋势,在少数点上,数据模拟值和回归直线偏离较大时,线性函数已不能很好地预测数据序列的变化了。对于此类问题,将数据分为跳变点(即模拟值偏离回归直线较大)和非跳变点数据,并将跳变点又分为上、下跳变点,借鉴灰色灾变预测原理,用GM(1,1)模型预测跳变点数据,而对其他非跳变点使用去掉跳变点后的数据形成的新的线性回归方程进行预测。通过对河南省粮食产量的预测,结果表明该方法很好地克服了GM(1,1)模型和线性回归模型的缺陷,具有较好的实际应用价值。     

飞机研制费用的组合预测方法

针对飞机研制费用预测样本数据较少、影响因素复杂,单一预测方法预测质量不高的问题,采用组合预测方法预测飞机研制费用。组合了径向基函数（radial basis function, RBF）神经网络、格拉姆施密特回归、偏最小二乘回归(partial least squares regression, PLSR)3种预测方法,基于样本数据建立了飞机研制费用组合预测模型,并与单项预测进行了对比分析。结果表明,组合预测具有满意和稳定的预测精度,并可以降低单项预测的质量风险,是飞机研制费用预测可靠而有效的方法。     

基于贝叶斯理论的日用水量概率预测

为解决城市日用水量的概率预测问题,提出了基于贝叶斯理论的日用水量预测法.引入贝叶斯理论,建立了日用水量概率预测系统.在系统中,利用支持向量机建立日用水量预测模型、似然函数和先验密度,并采用自适应马尔可夫链蒙特卡罗模拟方法求解日用水量的后验密度,得到日用水量的概率预测值.实例表明,本文提出的预测方法不仅显著提高了日用水量的预测精度,而且通过定量给出预测值的置信区间,为城市供水系统的调度提供了更科学、可靠的决策依据.     

基于分解技术的动态多目标引力搜索算法

为有效求解动态多目标问题,提出一种基于分解技术的动态多目标引力搜索算法.首先为在环境变化前,得到解集分布性和收敛性都较好的非支配解集,采用基于分解技术的静态多目标引力搜索算法求解环境变化前的静态多目标问题;当环境变化后,根据相邻子种群最优解的相似性与同一权重向量对应子种群最优解的相似性,提出一种新的对最优解的预测模型,以缩小环境变化后各子问题的搜索空间,提高算法的求解效率.最后与目前较先进的静态多目标算法和预测策略在四个测试问题上进行比较,实验结果表明,当待优化问题随时间变化时,本文方法能够取得收敛精度更高、解集分布性更好的最优解集.     

The Further Development and Application of Grey Forecasting Model

1　 IntroductionChen[2 ] has done the transformation for original sequence { x(0 ) ( k) } by logarithmic func-tion,and then raised the smooth degree of discrete data,and hence expanded the appliedrange of grey forecasting models.Chen[2 ] compared the mean error in two cases for fore-casting output of TV′s in whole country,it is2 6 3.16 % before transformation,and it is2 3.6 % after transformation.The key raising the accuracy of grey forecasting is strengthening smooth grade of o-riginal sequ…