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.     

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.     

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．     

平滑转移模型线性检验的可靠性研究

提出了将自助法(bootstrap)的不同变体应用于平滑转移自回归模型的线性检验,并通过蒙特卡罗实验分别考察其在误差项独立同分布和存在序列相关时的有限样本性质.重点研究了非线性参数和序列相关系数对检验水平和功效的影响.实验结果表明,基于自助法的线性检验在各样本容量下都具有更高的功效,并且可以很好地纠正基于极限分布理论的LST统计量的水平扭曲.本文还详细介绍快速了两阶段自助法(FDB)的基本思想和实现方法,模拟实验证明它比基本自助法具有更好的稳健性和收敛性.     

基于ARIMA模型的短时交通流实时自适应预测

实时、准确的短时交通流量预测是智能交通系统(ITS)中的一个关键问题。基于采用ARIMA(P，d，0)模型结构的时间序列分析方法，提出一种短时交通流实时自适应预测算法。在该算法中采用带遗忘因子的递推最小二乘方法进行参数估计，采用基于线性最小方差预报原理的Astrom预报算法进行预报。针对大量实测数据进行仿真实验，结果表明：减小遗忘因子可以提高一步预测的性能。此外，将该算法分别应用于工作日和双休日的数据时，仿真实验都取得了较好的预测效果，说明该算法对不同交通流状况具有较好的适应性。     

采用梯度平滑措施的自适应符号算法

以自适应回波对消为对象 ,讨论了两种自适应符号算法的梯度估计平滑方法。从理论上对其中一种平滑方案导出的自适应算法的性能进行了详尽的分析。在输入为联合高斯的情况下 ,给出了权值一阶矩和二阶矩的收敛特性公式。结果表明 ,与符号算法相比 ,平滑算法的收敛速度与符号算法基本一致 ,但稳态误差更小 ,自适应步长的取值范围更大。     

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。     

土壤侵蚀高维指数非线性模型及其参数辨识

针对常规土壤侵蚀统计模型适应性不强、模拟精度欠佳等问题,对灰色离散序列高阶动态模型进行扩展,建立了多变量高维指数非线性模型,提出非线性参数的搜索-辨识方法.参数搜索-辨识较为简便易行.该模型具有信息包容量大、模型结构开放性强、适应性广泛等特点;利用实测数据模拟结果表明,复相关系数R2＞0.96,平均误差率δ＜15%;模拟优度大大提高,模拟精度可满足工程应用的要求.     

AR(1)-MA(1)模型的矩估计及其渐近分布

利用矩方法 ,给出了双重时间序列 AR( 1) - MA ( 1)模型的矩估计 ;并证明了该估计的渐近正态性.     

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。     

基于算法参数、模型与模型参数优选的智能DISOPE方法

给出了 DISOPE算法收敛速度指标的定义 ,提出了基于算法参数、模型与模型参数优选的智能 DISOPE方法 ,有效地改善了 DISOPE算法的收敛性能和实用性 .仿真表明了该方法的可靠性和有效性 .     

基于专家知识的模糊时间序列预测模型及应用

将投资专家的成功经验引入模糊时间序列模型,实现股票市场走势的多步预测。根据专家经验构造多个反映市场结构特征的变量并将其模糊化为模糊时间序列;建立具有多前件、高阶模糊关系的模糊时间序列预测模型;最后,将该模型用于股票指数预测。结果表明,与经典模糊时间序列模型相比,其预测精度有了较大提高。     

基于NichePSO和网格模型的参数优化方法及仿真

针对集成电路制造工艺参数优化过程中如何高效地确定参数窗口的问题,将小生境微粒群优化算法(NichePSO)和矩形网格模型相结合,提出了一种全新的工艺参数优化方法,并对一维和二维情况进行了仿真和实际生产验证.该方法中小生境微粒群算法可以根据工艺要求和输入输出参数的数据或模型高效地找到输出参数的等值点;而矩形网格模型又特别适合在二维平面上跟踪和连接等值点并生成等值线.对于单输入参数问题,该方法可直接给出输入参数窗口;对于二维问题,则能提供所有满足工艺要求的二维区域以及输入参数平面上的一系列等值线.在一维和二维标准多峰函数上的仿真测试结果和生产验证数据表明,该新方法是一种有效的工艺参数优化方法.     

灰色-时序组合预测模型及其在年降水量预测中的应用

年降水量的中长期预测对于农业、水利、减灾等行业来说非常重要,但准确的预测又很困难。本文提出了灰色－时序组合预测法,并利用北京市大兴县黄村气象站３５年的降雨量资料进行了验证,精度达到Ｉ级水平。此项预测技术也可用于其他既具有摆动又有一定趋势对象的模拟和预测。