指数平滑系数的优化研究

通过对指数平滑系数的研究,提出了平滑系数的优化确定方法;并将优化后的指数平滑系数在我国煤炭产量的预测中得以验证.     

基于粒子群算法的指数平滑系数优化方法

主要研究指数平滑法中平滑系数的优化方法,使用改进的粒子群算法,并采用预测误差平方和(SSE)作为精度评价指标求解平滑系数,使求解值逼进平滑系数的最优解。通过在实际数据集上的与其他平滑系数优化方法的对比分析,文中所提出的基于改进粒子群的指数平滑系数优化算法,能更加准确地求解出平滑系数,并且提高了算法能力,解决了其他算法在多极值的情况下不一定能求出最好平滑系数的问题。     

平滑系数优化的季节性指数平滑法

本文给出了一种基于单纯形法对平滑系数寻优的季节性指数平滑法,依据这一方法进行预测,总体残差大大降低,精度明显提高。文中通过某电力系统负荷预测结果表明,采用单纯形法对平滑系数寻优比采用经验数据预测的百分比误差降低两倍多。     

混合系数线性模型参数的根方估计

针对连续测量数据，给出了混合系数线性模型参数的根方估计ｄ（ｋ）和ｄ（ｋ）（０〈ｋ〈１），并且证明了通过根方参数ｋ的选取，可使根方估计ｄ（ｋ）和ｄ（ｋ）的均方误差分别小于最小二乘估计ｄ和ｄ的ＭＳＥ。     

确定指数平滑参数的最优化方法

依据统计学原理以指数平滑预测模型进行了精度分析,建立了估计指数平滑参数α的最优化模型,给出了优化模型求解算法。实例计算结果表明,与试算法比较,该优化方法具有较快的收敛速度和较高的计算精度。     

指数平滑法初始值计算与平滑系数选取的新方法

通过迭代方法证明了指数平滑方法经过多次迭代后迅速逼近于全期指数加权平均法;并提出以递推算法最小数据量t*为界,分别采用迭代法(或全期指数加权平均法)(t<=t*时)和递推算法(t>t*时)来分段计算指数平滑值;在强调时序数列平稳性的基础上,提出了以最近k个数据的累计贡献率或以最近前若干期数据之加权系数衰减50%的两种估...     

基于交叉验证的神经网络实现

针对神经网络BP算法存在收敛速度慢、学习数据有限和网络学习过程易陷入局部最小值等问题,提出对标准BP算法相关参数进行调整并选择合适的隐藏层个数的方法,然后采用交叉验证方法对BP算法做了再改进。仿真结果表明基于交叉验证的BP算法优于传统的BP算法。     

指数平滑预测法的运用

指数平滑预测法是用指数折扣加权平均的方法对一个动态数列进行递推预测的方法,在经济管理中有广泛的应用。本文着重研究了平滑系数α值和初始值S_0的确定问题,并以实例说明指数平滑预测法的运用。     

基于均衡7×2交叉验证的模型选择方法

交叉验证策略广泛应用于分类问题的模型比较和模型选择中．文章提出一种均衡7×2交叉验证并给出了相应的构造方法．文章以分类回归树（CART）为考察模型,对比了采用均衡7×2交叉验证、组块3×2交叉验证、标准5折和10折交叉验证在模型选择中的性能．模拟结果表明,在小规模数据集上,均衡7×2交叉验证方法选择到真模型的概率明显高于其余三种交叉验证的选择方法．     

基于平滑指数模型的某地区私家车保有量预测

通过分析某地区近几年的私家车保有量的变化趋势,利用平滑指数模型对某地区私家车保有量的预测,从而为私家车保有量的决策提供参考。     

泛化误差的三种交叉验证估计方法的比较

在泛化误差（GeneralizationError）的估计中,交叉验证（Cross—validation）是最常用的方法．基于均方误差准则下,采用生物信息数据比较了泛化误差的5折、10折交叉验证和组块3×2交叉验证估计,实验证明组块3×2交叉验证比5折、10折交叉验证方法更好．     

指数平滑法及其在负荷预测中的应用

指数平滑法是电力系统负荷预测的主要方法之一,该方法的准确性取决于平滑系数α.对采用厚近薄远原则与远近相同原则优选α进行对比研究,结果表明采用厚近薄远原则优选α有更好的结果.在此基础上,结合相关分析,给出了厚近薄远的具体方案,并给出了负荷预测的具体实例.     

自适应动态三次指数平滑法在交通预测中的应用

针对传统三次指数平滑法预测模型中平滑系数固定不变、难以跟踪时间序列随时间变化的因素、无法反应不同时间段历史数据对预测结果的影响等缺点,提出了一种改进的动态三次指数平滑法.该方法通过误差平方、最小原则和地毯式搜索算法来获得动态调整的平滑因子,对波动范围较大且呈非线性变化规律的数据有很强的适应性.将自适应动态三次指数平滑法与SARIMA模型、三次指数平滑法进行对比,由铁路旅客发送量的仿真实例分析结果可知,自适应动态三次指数平滑法能更好地适应时间序列的变化趋势,具有良好的预测精度.     

指数平滑模型在山西省GDP预测中的应用

利用二次指数平滑模型,选取合适的平滑系数,对山西省GDP进行了预测,得到近期山西省年度GDP数据,并且得出此模型在近期预测中的效果较好。     

基于指数平滑与曲线拟合的交通违法预测方法研究

为了更加准确地估计交通违法数据的变化趋势,针对交通违法预测需求分析,设计了一种基于指数平滑与曲线拟合方法结合的组合预测方法。算法公式简单、易实现,可移植性较强,具有普适性。利用实际数据对该方法进行了数据验证,并与对比算法进行了效果对比。验证结果表明,本文中提出的方法预测效果较好,具有一定实用性。     

重庆天然气需求的指数平滑法预测研究

二阶指数平滑法是进行预测的有效方法.以重庆市历年实际天然气消耗量数据为基础,结合天然气实际需求的近线性变化特点,建立了重庆市天然气消耗量的二阶指数平滑模型,并运用该方法对2008年的天然气消耗量进行了预测.结果表明,2007年前预测值与实际消耗值基本相符,误差在±5%之问,说明二阶指数平滑法预测天然气消耗量是准确可靠的,对2008年天然气消耗量的预测,可以用来指导天然气供应系统的建设和天然气气源的储备.     

电力呼叫中心话务量的指数平滑预测方法

采用基于时间序列的指数平滑预测方法对电力呼叫中心的话务量进行了预测,根据话务量预测准确率,分析影响电力呼叫中心话务量的因素,修正了话务量预测模型,提出了适合电力呼叫中心的话务量预测框架,并通过对比实验结果的分析得到了不同时期话务量预测的方法.     

基于交叉验证的错误率估计分析

交叉验证技术在分类器的性能评价方面占有重要地位.本文首先介绍了交叉验证的错误率估计,之后利用Friedman&Nemenyi检验方法分析了交叉验证错误率估计的偏差和方差,最后提出了在利用交叉验证进行分类器评价过程中的一些有效的措施.     

有限预测混合交叉有效平滑法

在信号去噪声中 ,要同时去除脉冲噪声和白噪声 ,并保持信号的突变现象 ,有一定的困难。研究了左预测和右预测 ,及交叉有效 (CV)平滑法 ,并证明了 CV平滑中的两个限制条件。提出了有限预测混合 CV平滑法去噪 ,能同时达到以上目的。分析了该方法的根信号特征。并通过模拟试验检验了该方法 ,并与有限混合中位数滤波 (FMH )法和自适应小波收缩法 (WSA )作了比较 ,试验结果说明了该方法是切实可行的 ,并优于 FMH和 WSA。     

基于二次指数平滑法和优化Kalman滤波的短时交通组合预测

优化改进传统的Kalman滤波模型,解决预测精度不高且预测滞后的问题.用二次平滑指数法和优化后的Kalman滤波模型两种方法组合对道路断面通过交通量进行短时交通预测,通过平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分析预测结果.实例预测结果表明:当修正因子α=0.5时预测结果较为精确,同时,优化改进后的Kalman滤波模型的预测准确性有所提高.组合预测的两种方法都能够有效地降低预测误差,但按权重组合预测的效果更为明显.