动态指数平滑预测方法及其应用

指数平滑法是应用广泛的时间序列预测方法之一,但在传统方法中其相关系数的确定具有主观性,因此,其预测结果往往偏差较大.本文对传统指数平滑法进行改进,将其参数动态化,使得模型随预测过程自动更新,从而保证了预测的实时性、客观性.以最小预测误差平方和(SSE)为优化目标建立动态指数平滑参数和初值的优化模型,并通过迭代优化法求解.通过动态指数平滑模型,传统方法的一些缺陷,如模型参数选取的主观性、易导致预测偏差等被有效解决.预测实例表明,新方法优于传统指数平滑方法.     

动态指数平滑优化模型及其应用

针对常规二次指数平滑模型在实际应用中的不足，引入动态平滑参数的概念，建立了一类不需选取平滑初值、平滑权重能自行调整的指数平滑模型；以预测误差平方和SSE最小为目标，构造了优选并自动生成最佳平滑参数使预测模型得以优化的最速下降算法。通过严谨的数学论证和算法分析较完整地解决了指数平滑预测中，平滑参数靠经验确定并且因静态、平滑初值难以确定而易导致预测偏差等问题、最后用所建模型对中国消费品零售总额进行了预测。结果明显优于传统模型。     

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。     

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。     

预测模型参数的指数平滑估计法及其应用的进一步研究

首先提出指数平滑技术在预测模型参数估计中应用的原理,其次研究指数平滑参数估计法的渐近最优性,最后,应用指数平滑技术给出修正指数曲线预测模型参数估计及组合预测确定权重的一类新方法．     

基于平滑指数仿真优化的装甲装备器材消耗预测

准确地预测装备备件需求是合理有效进行各项保障工作的基础,通过分析现有常用的器材消耗预测方法,针对袭甲装备维修保障的特点,假设在已收集某类备件消耗数据的基础上,选取基于时间序列的指教平滑法对装甲装备维修保障器材消耗预测进行了研究.同时,针对平滑指数的选取问题,以最小预测方差为优化目标,构建了基于Anylogic的仿真优化模型,并最后通过具体案例应用,对计算方法进一步的说明和检验,结果反映出:当器材消耗量平稳变化时,此法具有较高的准确度;当器材消耗量变化较大时,预测结果存在较大偏差.     

非寿险未决赔款准备金评估的广义线性模型平滑性改进

保险索赔历史数据不足,可靠性不高,将严重影响保险公司对未决赔款准备金的评估精度。本文借鉴国内外相关研究经验,研究了准备金评估模型中的平滑问题,介绍了一种以广义线性模型为框架,考虑事故年因子、发展期因子和日历年因子为主要影响因素的平滑化模型,并结合利用Bootstrap法,给出了模型的参数估计方法和未决赔款准备金的预测分布与均方误差等其他统计特征度量。平滑化方法可有效减少随机模型的参数个数,使得参数估计变平稳,提高模型的索赔尾部数据处理能力。     

预测混合中心平滑法去噪

在信号去噪声中,要同时去除脉冲噪声和白噪声,有一定的困难本文研究了左预测和右预测,及中心平滑法,并证明了中心平滑法中的两个限制条件提出了预测混合中心平滑法去噪分析了该方法的根信号特征及统计特性并通过摸拟试验检验了该方法,试验结果说明了该方法是切实可行的.     

变结构交互式多模型滤波和平滑算法

针对机动目标跟踪问题，提出了一种变结构交互式多模型滤波和平滑算法。首先，对多模型滤波和平滑问题进行了简单描述，并给出了前向交互式多模型滤波和后向交互式多模型平滑的数学模型；然后，建立了变结构交互式多模型算法的精确模型，模型子集之间并行独立运行，通过选取概率最高的模型子集的状态估计作为最终的估计结果；最后，对变结构交互式多模型算法的滤波数据进行平滑处理，得到了变结构交互式多模型滤波和平滑算法。所提算法将前向滤波和后向平滑相结合，提高了目标跟踪精度。仿真结果表明，变结构交互式多模型滤波和平滑算法的跟踪效果优于其他方法。     

基于改进核平滑辅助粒子滤波的失效预测方法

针对系统模型存在多个未知参数的情况,提出了一种基于改进核平滑辅助粒子滤波(improved kernel smoothing auxiliary particle filtering, IKS-APF)的失效预测方法。首先,在已有核平滑辅助粒子滤波基础上引入增益因子和加速因子,使其具有参数方差双向调节能力和更快的参数估计收敛速度。然后,使用ISK-APF进行状态和参数的联合估计,为确保参数估计的准确性同时减少参数的不确定性,设计了方差监视和短期预测误差匹配相结合的自适应粒子方差控制方案。最后,使用最新估计到的状态和参数粒子进行迭代预测,并通过统计状态粒子首达失效状态空间的时间计算出剩余使用寿命（remaining useful life, RUL）。仿真结果证明了本文方法的有效性和优越性。     

Influence Diagnostics for the Cross－Validated Smoothing Parameter in Kernel Smoothing

Influence　Diagnostics　for　the　Cross－Validated　Smoothing　Parameter　in　Kernel　SmoothingＩｎｆｌｕｅｎｃｅＤｉａｇｎｏｓｔｉｃｓｆｏｒｔｈｅＣｒｏｓｓ－ＶａｌｉｄａｔｅｄＳｍｏｏｔｈｉｎｇＰａｒａｍｅｔｅｒｉｎＫｅｒｎｅｌＳｍｏｏｔｈｉｎｇ￥?..     

一种基于目标运动模型的可变固定延迟的平滑算法

近来，对于机动目标跟踪的问题已经提出很多平滑方法。其中相互作用多模型一概率数据关联固定延迟算法（IMMPDAS）对在杂波环境下跟踪机动目标提供了一个较为有效的解决方法。然而，在此标准的平滑算法中，对于每一种模型采用相同的延迟间隔。提出了一种新的基于IMMPDA状态扩展系统的算法。它的改进性在于针对每种模型的复杂性采取不同的平滑延迟步幅，从而计算量将会大大降低，并且使用将更加灵活。通过对一个高度机动目标的多传感器跟踪的仿真实例来进行验证。仿真结果表明提出的平滑算法精度上与原有的平滑算法相差无几，都比已有的IMMPDA算法在航迹估计精度上有了显著提高，但却有更小的计算量。     

矢量脱靶量测量系统定位算法研究

提出了一种基于空间目标运动轨迹提取的矢量脱靶量参数估计新方法。该方法利用不同接收天线接收的目标回波信号之间的相位差得到距离差,基于距离差定位方法获得目标运动轨迹的空间定位点序列。通过建立目标运动模型,采用固定区间Kalman平滑滤波的方法获得目标运动的较精确轨迹。利用平滑滤波后的空间位置点,通过对一组线性方程进行求解得到矢量脱靶量参数的估计。仿真结果表明该定位方法可以得到满意的脱靶量估计结果。     

光学制导巡航导弹实时航迹规划方法

针对光学制导巡航导弹的特点提出了一种实时航迹规划方法。建立了导引头受太阳逆光限制下的可飞航向角区域模型,结合可飞航向角与导弹的其他飞行约束条件对A*算法的搜索空间进行了规划。针对传统A*算法在规划前对所有地形进行平滑的低效规划方法,提出只对航迹每一步可行搜索方向上的地形进行实时平滑的A*算法,从而把对地形的平滑融入了每一步航迹的搜索过程。仿真结果表明,提出的航迹规划方法完全适用于光学制导巡航导弹,且在相同的条件下,实时平滑A*算法比传统A*算法的搜索效率更高。