配水系统优化调度

阐述了配水管网优化调度系统的三个基本组成部分：管网水力模型,用水量预测模型及优化调度模型。根据决策变量的不同,将常见的调度算法分为两类;直接寻优法和间接寻优法,并对各算法的特点及适用范围进行了分析。     

地方税收收入预测的数学模型——以贵州省为例

建立地方税收收入的3个单一模型,针对单一模型中存在的模型误差,将组合预测的方法引入地方税收收入预测中,构建基于Cubic模型和ARIMA模型的非负组合预测模型.利用地方税收收入数据进行实证研究表明,组合预测模型的误差优于相应的单一预测模型.     

基于两级信息融合的隧道掘进机拆装装置作业安全预警模型

为了能对隧道掘进机（TBM）拆装装置作业时的安全做出有效预警,通过研究两级信息融合建立最优的安全预警模型,为TBM拆装装置吊装作业提供安全保障。一级融合将数据通过层次分析法-熵权法算法融合得出安全状态系数;二级融合建立灰色（GM）、差分自回归移动平均（ARIMA）、长短期记忆网络(LSTM)预测模型,通过三个单项预测模型构建4个简单平均组合模型和4个最优加权组合模型,对拆装装置作业时的安全状态系数进行预测分析,通过R、MAE、MAPE、RMSE四个评价指标以及后期预测数据的相对误差对预测模型精度进行比较,选出最优组合模型。结果表明：①最优加权组合模型的评价指标、后期数据相对误差、模型拟合效果明显优于单项与简单平均模型;②通过两级信息融合,构建了权重为（0.21,0.10,0.69）的TBM拆装装置作业时的最优加权组合预警模型GM-ARIMA-LSTM。可见创建的二级信息融合安全预警模型在TBM拆装装置作业时能有效判断装置的安全状态,对危险作出及时预警。     

组合预测模型在汇率预测中的应用

为准确对汇率进行预测,提出基于ARIMA-GARCH~GED模型与PSO-LSSVM模型的汇率组合预测模型.首先,利用HP滤波将汇率分解为长期趋势序列与循环序列,然后运用ARIMA-GARCH~GED模型对长期趋势序列进行预测分析,运用PSO-LS-SVM模型对循环序列进行训练分析,最后将长期趋势与循环趋势的值相加即为汇率预测值.通过实例分析对比发现,此组合预测模型精度高于单一预测模型,可以更加准确预测非平稳汇率时间序列.     

数学模型中预测模型的应用及比较分析

针对学生在建立预测模型时不能准确判别使用合适的预测模型的问题,归纳了几种使用较多的预测方法：多元回归预测模型、灰色预测模型、BP神经网络模型、微分方程模型。对每种预测模型做了简单的介绍分析和适当地对某些模型进行了改进,总结了相应的优缺点以及各自适用的预测范围。     

科技开发区发展预测模型及其应用

本文应用系统工程中的有关预测理论和预测技木,对近年来在我国兴起的科技开发区和新技术产业开发区的发展状况进行了分析,首次建立了科技开发区发展预测模型,提出了模型中两个动态变量的处理方案;并应用模型,对重庆市沙坪坝科技产业开发试验区今后几年的主要发展指标进行了预测。此发展预测模型可广泛用于新技术产业开发区、科技开发区以及其他类似社会经济系统未来发展状况的预测。     

基于时间序列模型与灰色模型的组合预测模型的研究

为了能有效地提高预测模型的精度,提出了组合预测模型.本文首先利用APdMA模型对时间序列数据进行模型的识别和拟合,然后由比较可知优化后的GM(1,1)模型拟合和预测效果好于GM(1,1)模型,最后通过赋予合理权重结合ARIMA模型和优化后的GM(1,1)模型两种方法得到ARIMA-GM的组合预测模型.预测结果表明:组合模型的预测准确性高于各个模型单独使用时的准确性,组合模型发挥了各个单一模型的优势.     

Richards模型与Logistic模型在人口预测中的比较

Logistic模型是常用的人口预测模型,在Logistic模型的基础上再添加一个参数,得到一个含有4个参数的非线性s型增长模型,即Richards模型;分别通过Logistic模型和Richards模型对1985—2014年的中国人口进行了预测,建立了人口预测模型;通过与实际人口相比,结果表明,Richards模型比Logistic模型拟合效果更好。     

基于云模型的厦门保税船用燃油需求短期预测

为了准确预测厦门保税船用燃油需求量,首先,构建厦门保税船用燃油需求云模型,预测供需平衡条件下2020年厦门保税船用燃油需求量。选取外贸集装箱吞吐量、集装箱吞吐量、厦门GDP 3个指标作为输入变量,构建logistic回归预测模型。对厦门保税船用燃油需求量进行预测,将两种模型的预测结果与2020年厦门保税船用燃油实际值进行比较,结果显示,基于云模型的厦门保税船用燃油需求预测比logistic回归预测模型更精确。最后,选择云模型对2021年厦门保税船用燃油需求量进行预测。     

图书馆图书订购的两种预测模型性能比较

基于重庆医科大学图书馆的中文图书流通数据与订购数据,用相对残差平方和预测效益对图书馆图书流通与订购数据进行比较分析,并分析了两种预测模型的性能,指出正比模型比线性模型有更为优越的性能。     

厦门市工业总产值时间序列分析研究

运用传统时间序列季节模型和Box-Jenkins的随机序列模型ARIMA（p，d，g）模型分析法，选取1999年1月至2005年8月厦门市工业总产值资料，建立厦门市工业总产值动态预测模型进行试预测。探索合适的预测模型来对厦门市工业总产值进行短期预测。     

海上移动通信预测模型的选择

通过对Okumura＿Hata和Longley＿Rice两种传播预测模型的产生背景及适用条件的分析,结合Matlab仿真结果与实测数据的比较,指出Okumura＿Hata模型的局限性,并得出在海上这种特殊的电波传播环境下,预测模型选择Longley＿Rice模型更为确切.     

Weibull模型在地基沉降预测中的应用

采用Weibull生长曲线模型对2个工程实例的地基沉降情况进行了预测,并将预测结果与常用的指数模型和双曲线模型进行了对比分析.对比结果表明:weibull模型能够很好的预测地基沉降情况,预测精度更高,误差更小.因此,相对于指数模型和双曲线模型来说,Weibull模型的适用范围更广,更适合于作为地基沉降预测模型.     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。     

基于灰色理论的城市燃气负荷预测

城市燃气负荷与城市工业发展,城市人口等因素密切相关,由于传统的城市燃气负荷GM（1,1）预测模型仅与历史数据有关,预测结果并不能真实反映燃气负荷在未来的变化趋势。应用灰色GM（1,N）模型,将工业产值和城市人口两个因子引入燃气负荷预测模型,建立一个一阶3个变量的灰色GM（1,3）模型,进行预测。实例预测计算结果表明该模型能够准确预测城市燃气负荷,而且该模型考虑了影响燃气负荷的主要因素,使得预测模型和结果更为合理。     

基于优化遗传算法的灰色-RBF神经网络预测模型研究

根据灰色系统、RBF神经网络的模型及遗传算法原理,提出了一种基于灰色系统与改进的遗传算法RBF神经网络的系统预测模型,采用改进的遗传算法对该模型进行全局优化,最后用实验验证了模型的有效性,对比分析了单独使用GM(1,1)和RBF神经网络模型的预测结果.结果证明,优化后的预测模型的预测精度高于另外两种模型的预测结果.     

基于ARMA模型和VAR模型的中国债券市场信用价差预测比较研究

选取上海证券交易所企业债和国债月度数据,利用遗传算法对静态利率期限结构NSM参数模型进行求解,进而拟合较为精确的企业债和国债的利率期限结构,据此计算出企业债的信用价差。数据一部分作为样本内拟合区间,另外一部分作为样本外预测区间以检查模型的预测精度。通过建立自ARMA样本外预测模型和VAR样本外预测模型分别对我国债券市场信用价差进行预测,最后比较两种模型的预测精度。结果表明VAR模型对于信用价差短期预测较为准确,而ARMA模型对于较长期预测较为准确。     

贝叶斯预测模型在气温变化预测中的应用

贝叶斯预测模型是运用贝叶斯统计方法进行的一种预测,贝叶斯统计不同于一般统计方法,其不仅利用模型信息和数据信息,而且充分利用了样品的先验信息.根据贝叶斯预测模型的特点,介绍了几个贝叶斯预测模型的预测过程和计算步骤,并对南宁地区自1970年以来19年间的气温变化进行了预测.根据计算结果,分析了不同贝叶斯预测模型的预测特点,并给出了几点结论.     

贝叶斯预测模型在矿物含量预测中的应用

矿物含量预测是资源评价中经常遇到的问题,贝叶斯预测模型是运用贝叶斯统计方法进行的一种预测.贝叶斯统计不同于一般的统计方法,其不仅利用模型信息和数据信息,而且充分利用先验信息.根据贝叶斯预测模型的特点,介绍了几个贝叶斯观测模型的预测过程和计算步骤,并对白鹿塬水家嘴剖面的mg2+含量进行了观测,根据计算结果,分析了不同贝叶斯预测模型的预测特点,并给出了几点结论.     

灰色模型GM(2)的建立及实际应用

对灰色模型GM ( 1 ,1 )的缺陷进行了分析 ,引入新的预测模型GM ( 2 ) ,并将两种模型进行比较 ,对于变化幅度较大的序列 ,GM ( 2 )优于GM ( 1 ,1 ) ,这为实际应用提供了一种有效的预测方法。