基于时空特性的短时交通流预测模型

根据交通流的历史周期性和空间相关性,文中综合SARIMA模型在历史周期性预测上的优势和RBF模型在空间相关性预测上的优势,提出了SARIMA-RBF模型.该模型采用SARIMA模型通过历史数据预测下一时刻的交通流,然后将预测值与该点上下游关联的交通流数据相结合,采用RBF神经网络模型得出输出值,并将该输出值作为SARIMARBF模型对下一时刻交通流的预测结果.实验结果表明,该模型因同时考虑了交通流的历史周期性和空间相关性,相比SARIMA模型和RBF模型具有更好的交通流预测效果.     

灰色神经网络组合模型在区域水质预测中的应用

针对神经网络用于水质预测时需要大量数据才能获得较为准确的预测结果的局限性,为降低预测时对数据的依赖引入灰色模型,从而建立两者最优组合模型,以用于数据贫瘠时的情况.将该模型用于珠江支流的水质预测,结果表明,该模型拟合误差小,预测精度高.     

道路超限超载预测的灰色马尔可夫模型

文章针对超限超载预测数据量小、随机性大、影响因素复杂等特点,采用灰色模型预测和马尔可夫预测相结合,提出了一种超限超载预测的灰色马尔可夫预测方法.该方法利用历史信息建立超限超载的灰色预测模型,根据结果把超限超载划分为若干状态,再根据马尔可夫模型建立状态转移模型进行预测.应用该方法对某省的道路超限超载趋势进行了预测,实验表明,由于灰色马尔可夫模型充分利用历史数据信息,模型的预测精度高于灰色模型预测精度,可用于道路超限超载预测.     

基于季节分解与曲线拟合的物流量预测混合模型

针对时间序列预测与曲线拟合预测的优缺点,提出了一种季节分解与曲线拟合相结合的混合预测模型,解决了曲线拟合精度与高阶次震荡性强的矛盾,提高预测的精度和模型对数据的适应能力.同时针对具有时间周期特性的物流量,该模型在预测时充分考虑了上期物流量及近期预测物流量对本期的影响.最后将该模型与其他预测方法相比较,证明该模型的有效性...     

一个软土的弹粘塑性模型及其有限元应用

介绍一处适用于软土的弹粘塑性模型,将该模型应用于平面有限元程序中,对某软土地基的固结变形进行了分析预测。该模型和邓肯－张模型相比预测结果更合理。该模型还可用于预测软土路基的工后沉降。     

基于最小二乘支持向量机的网络流量预测

为了提高网络流量预测准确性,将最小二乘支持向量机应用于网络流量预测。介绍了最小二乘支持向量机的原理与方法,并将该模型应用于实际网络流量预测计算。结果表明,该方法能有效地进行流量预测,相对于BP神经网络和ARMA模型方法,该方法具有更好的预测精度。     

核电工程现金流预测模型

现金流预测对核电工程项目业主和承包商安排资金计划和降低资金成本具有重要意义。以承包商现金流预测为基础 ,分析了与工程项目现金流预测相关的各种因素 ,提出了适用于承包商和项目业主的现金流预测数学模型。利用工程投资与进度数据集成方案 ,有效地求解了该模型。基于该模型开发了工程项目现金流预测管理信息系统 ,并用实例对该系统进行了验证 ,结果表明该模型和求解方案是合理有效的     

基于变权组合模型的时间序列预测

针对时间序列预测中单一模型存在预测精度不高和预测稳定性较差的问题,采用残差赋权方法对单一模型进行组合,并以此为基础,提出基于残差赋权改进的自适应变权组合方法。该方法的基本思想是基于当前时刻的预测结果自适应调整其组成模型的权重值,利用不同的单一模型进行优势互补。将其应用到组合模型中,以实现提高模型的预测精度与稳定性。实验结果表明,该组合方法能有效改善预测稳定性不足的问题,以及进一步提高模型的预测精度。     

基于主成分分析的上市公司财务危机预警模型研究

建立了主成分分析预警模型,该模型可以用来对企业财务困境进行预测.经实证研究得出,该模型对检验样本的预测正确率为70%,说明主成分分析方法对上市公司的财务危机具有较好的预测效果.     

基于IOWA算子的安徽省固定资产投资的组合预测

以1990～2011年安徽省固定资产投资为样本区间,运用VAR预测模型、指数预测与二次移动平均预测3种单项预测方法,以预测误差平方和最小准则,建立IOWA算子组合预测模型。对该模型的预测有效度进行评价,结果表明:该组合预测模型能有效提高预测精度。     

预测油气田产量的β模型

通过对油气田产量变化规律进行系统研究,推导建立了预测油气田产量的β模型。该模型不但可以预测油气田产量、累积产量随生产时间的变化,而且可以预测可采储量、最高年产量及其发生的时间。实例检验该模型是可信的。     

黑箱系统的一种简便自适应预测控制策略

采用一种输入输出增量式一元线性回归模型作为黑箱系统的预测模型,应用投影算法估计模型参数.该模型将对象输出增量分解为2个分量:一个为非零控制增量作用下的强制分量,另一个为控制增量为零时的自由分量,是一种非齐次时变线性模型.此外,应用广义预测控制理论,提出了一种基于该模型的自适应多步预测控制策略,导出了基于该模型的多步最优预测算式和最优控制律.该控制策略不仅具有广义预测控制的强自适应能力和强鲁棒性,且模型参数少,算法简单,适用于黑箱系统的控制.仿真结果表明该控制策略是有效的.     

基于Theil不等系数的调和平均组合预测模型研究

The il不等系数是一种新的相关性指标,基于该指标提出调和平均组合预测的一种新的模型,探讨了该模型非劣性组合预测、优性组合预测以及冗余预测方法的存在性,并给出冗余信息的判定.     

基于灰色关联分析的季节性民航货运量预测

为更精确地预测月度航空货运量,提出组合模型预测方法.该模型由季节GM(1,1)和季节ARIMA乘积模型构成,它结合了该2种模型中时间序列预测的优点.灰色模型GM(1,1)能准确反映时间序列的增长趋势;ARIMA乘积模型对季节特征有较好的拟合效果.依据霍尔特温特预测模型计算季节性GM(1,1)模型的季节指数,并用灰色关联分析求出组合预测中的权值.组合预测模型的平均相对误差为0.62%,而季节性GM(1,1)模型和ARIMA乘积模型的平均相对误差分别为4.49%和-3.16%.预测分析结果说明,该模型的非线性曲线拟合精度和预测精度明显高于单个模型,可较好地反映系统的动态性和运量的季节时序关联性,为季节性时间序列预测提供了新的途径.     

非参数扰动最近邻自展模型在雅鲁藏布江中游奴下站年径流预测中的应用

非参数扰动最近邻自展模型是基于数据驱动的不需识别参数的非参数模型,该模型能充分利用样本提供的信息,保持了研究对象的统计特性和多峰形态,概念清晰,结构简单,本文运用该模型对雅鲁藏布江中游奴下站的年径流进行预测,结果表明,该模型预测效果较好,作为奴下站的年径流预测是可行的。     

基于灰色理论模型的人口城镇化的分析

运用灰色模型对中国人口城镇化进行灰色预测,并结合回归模型进行预测结果误差分析比较,从误差结果可看出,灰色模型用于预测人口城镇化问题比回归模型更精确可靠,可将该模型用于预测未来几年人口城镇化的程度。     

多指标推荐的全局邻域模型

针对现有的多指标推荐模型预测精度较低、速度较慢的问题,提出一种多指标推荐的全局邻域模型(MGNgbr).该模型综合全局的打分信息和隐性反馈数据,通过随机梯度下降法学习物品在各个指标上的相似度,选择相似度最高的前k个邻居参与运算并最终预测用户对物品的打分信息.该模型具有预测准确度高、解释性好、计算复杂度低等优点.实验结果表明,该模型的预测准确度和分类准确度均优于现有的平均值融合模型、多维距离模型和多维奇异值分解模型,与多维奇异值分解模型相比,该模型还具有收敛快、运行时间短等优点.     

基于灰色理论的交通量预测

灰色模型可以在交通量资料缺乏的条件下建立模型进行预测,运用灰色模型对未来交通量进行预测。在灰色预测的基础上,建立了一阶单变量的交通量预测模型,运用灰色GM（1,1）模型来体现交通量的灰色性。实例计算分析表明,模型精度良好,预测结果与实际状态基本相符,成功地预测了交通量,预测结果证明了该模型的优点,该模型具有较强的适用性。本方法简便、适用,尤其能够在历史数据缺乏、离散性高、并对影响历史数据的各因素认识不十分清楚的情况下,能够得到较高精度的预测结果,利用灰色理论进行交通量预测是一种行之有效的方法。     

Bertalanffy模型在人口预测中的应用

Bertalanffy模型是一类重要的增长模型, 但预测用户尚不大了解.分析和讨论该模型的特性及其参数估计方法,并以中国人口增长的预测为例检验了该模型的有效性.结果表明,至少在人口预测上,Bertalanffy 模型比熟知的Logistic模型要好.     

基于灰色理论模型的人口城镇化的分析

运用灰色模型对中国人口城镇化进行灰色预测,并结合回归模型进行预测结果误差分析比较,从误差结果可看出,灰色模型用于预测人口城镇化问题比回归模型更精确可靠,可将该模型用于预测未来几年人口城镇化的程度。