灰色系统非线性回归电力负荷预测

传统灰色预测模型GM(1,1)在预测增长较快的电力负荷时预测效果会变差。针对这一缺陷,提出了一种改进的基于灰色系统的非线性回归预测模型。将非线性回归与GM(1,1)模型二者的优点相结合,利用GM(1,1)模型计算参数初始值,进而对其进行非线性回归分析预测电力负荷值。电力负荷预测实例表明该模型具有较高的预测精度和较广的应用范围。     

基于BP神经网络的建筑施工事故非线性组合预测

以建筑行业百万元产值死亡率为预测对象,建立了非线性回归模型、三次指数平滑模型、灰色模型、线性组合预测模型和基于BP神经网络的非线性组合预测模型.结果表明,该非线性组合预测模型的拟合及预测精度均较其它模型有明显提高,能够有效地综合利用各单项预测模型所提供的信息,证明了该模型适用于对建筑施工事故的宏观预测,为非线性组合预测模型的构建提供新的思路.应用该模型对2014-2016年全国建筑施工百万元死亡率进行预测,计算结果表明,未来几年建筑业安全生产将会保持在一个较稳定的水平.     

柴油机性能及排放预测高效试验设计应用研究

为柴油机性能预测及优化提供更为高效合理的试验方法,通过对比分析不同试验设计方法回归模型的精度及效率,研究了正交设计及均匀设计在建立柴油机性能及排放多元非线性回归预测模型中的应用。回归模型的建立采用了逐步回归分析方法,能够根据试验数据提取对预测参数影响最为显著的因素,建立最为精确且简单的预测模型。回归模型的建立除了包含各个因素的主效应外,还考虑了各个因素的交互作用及非线性作用,使回归模型更为精确。最后对2种试验设计方法的回归模型预测精度及效率进行对比分析,结果显示均匀设计在柴油机性能及排放预测试验研究中更为高效。     

基于多元回归与技术分析的组合股票价格预测

在股票交易过程中,股票价格走势是很多中国股民关心的热点问题.选取股市中4个重要技术指标,相对强弱指标(RSI)、顺势指标(CCI)、移动平均线(MACD)和5日均线建立了非线性回归预测模型,对我国农业银行和滨江股份股票的价格走势进行了短线预测.结果表明,建立的回归模型可以预测某些股票短期价格趋势,具有一定理论和实际应用价值.     

隧道围岩变形的非线性自回归时间序列预测方法研究

针对传统时间序列预测模型的单一线性和忽略施工过程影响的静态局限性,提出非线性自回归(包括NARNN与NARXNN)时间序列预测模型.该模型通过引入动态施工影响因子作为附加的外部输入,同时结合模型本身的反馈结构和延迟单元,在结构和动态特性上更加符合实际系统,可以非线性动态地考虑隧道施工全过程.运用该模型对史家山2号隧道施工过程中的围岩水平收敛和地表变形进行预测.结果表明:1)非线性自回归预测模型比传统的ARMA预测模型的预测精度高、适应性好;2)通过多次预测并对结果取平均值,可以保证非线性自回归预测模型预测结果的预测精度和稳健性;3)通过优化动态施工影响因子的取值方法,可以进一步提高NARXNN时间序列预测模型的预测精度.     

计算机曲线拟合在非线性回归分析中的应用

详细探讨了利用计算机进行非线性回归分析的基本方法，提出了对一元非线性回归预测模型进行曲线拟合的计算机程序，分析了运用最优的拟合模型进行经济预测的结果和有关信息。     

流程类企业市场预测模型的研究

流程类企业生产经营决策支持系统的市场预测模型的研究有移动平均加趋势分析预测模型、指数平滑预测模型和回归分析预测模型。给出了生产经营决策支持系统的系统功能模型和信息模型。     

基于ARIMA与神经网络的备件需求组合预测方法

针对备件需求量波动大预测精度不高的问题,提出一种基于差分自回归移动平均(ARIMA)、BP神经网络、串联的卷积与长短期记忆神经网络(CNN-LSTM)组合模型的备件需求预测方法。该方法能够充分发挥ARIMA模型出色的线性拟合能力和神经网络突出的非线性拟合能力,克服了单一方法的局限性,并通过实例分析,验证了该组合预测模型的预测精确度高于单一预测模型。     

陕西人口的组合预测研究

组合预测理论及建模技术对于信息不完备的复杂经济系统具有一定的实用性.针对人口系统的复杂性及非线性的特征,文章首先利用陕西省1978-2010人口数据,分别采用灰色模型、logstic模型、自回归模型及时间曲线拟合模型建立陕西人口的单项预测模型.其次,采用标准差法进行非负权重分配,建立了陕西省人口的组合预测模型.最后,应用该模型对未来10年的陕西人口数量进行了预测.结果表明,组合预测模型的精度高于单项预测模型.     

基于人工神经网络的设备可靠性组合预测方法研究

提出了一种基于人工神经网络的非线性组合建模与预测新方法,利用人工神经网络对复杂非线性系统的拟合能力,通过网络训练自适应地调整单一预测模型的权重,并应用MATLAB神经网络工具箱编制了非线性组合预测软件。将该方法应用于某发动机的故障预测,通过与自回归模型、灰色模型和线性组合模型的预测结果对比表明,该方法具有预测精度高,学习与泛化能力强的优点,在设备故障和可靠性预测中具有广泛的应用前景。     

一种线性移动自回归预测模型

应用线性回归分析和移动平均理论，对按时间次序排列的单一数据序列，给出了一种线性移动自回归预测模型，并对原始数据受不确定因素影响而产生的随机振荡，给出了合理的控制区间和运行通道。将其应用于深圳证券交易所股价指数每日收盘指数序列，得到了与实际情况相符合的结果，预测的准确性相当之高，具有一定的创新性和实际应用价值。     

基于径向基函数网络的混沌时间序列分析

给出了基于径向基函数网络的混沌时间序列预测的方法。利用非线性自回归移动平均（ＮＡＲＭＡＸ）模型对非线性时间序列进行辨识并给出基于动态径向基函数（ＲＢＦ）网络的辨识算法。将这一方法应用到Ｈｅｎｏｎ映射的混沌时间序列的嵌入维估计及我国股票市场的混沌现象的实证研究,得到理想的结果。文章最后指出了进一步的研究方向。     

基于股票价格波动问题的消除系统风险的投资组合模型研究

本文以中小企业板为研究对象,在探索结合投资组合理论与股票价格波动理论的基础上,对股票价格波动过程中低点、高点出现的规律进行分析,通过统计检验,建立阶段周期低点和高点回归预测模型,最后应用该模型进行股票投资的实证分析.研究结果表明,基于阶段周期回归预测模型的投资操作可以有效规避系统风险,提高中小投资者的收益率,对中小投资者进行投资选择具有很好的指导意义.     

公文处理系统的电子化

本文对电子政务系统中政府公文流转过程的处理进行了探讨。文中引入工作流的概念对公文运转流程进行分解，采用数学方法进行建模，给出了数学模型，应用集合理论对模型进行分析，并以一个典型的公文流程实例进行了说明。     

基于混沌时序重构的股票价格预测研究

应用非线性映射迭代模型，采用小波理论来辨识混沌模型中的参数，并通过对混沌时序进行预处理，可得到较好的预测结果。采用小波网络对非线性映射迭代模型中的参数进行辨识，辨识的准确程度较高，采用该模型对上海证券市场600063号股票的开盘和最高价格数据进行了建模和模型参数辨识，并据此做出相关预测，得到了满意的预测结果。     

移动平均线在市场预测中的改进

在证券投资的二级市场上，把一天营业时间分成八个时间单位，利用新的移动平均法加权公式算出当天收盘价格取代原有的移动平均法中的收盘价进行一次移动平均，在市场预测中得到的数字比较精确，并在此基础上建立了其二次、三次移动平均法的预测模型．     

土地利用规划耕地预测方法对比研究——以甘肃省临夏市为例

以甘肃省临夏市1998-2008年耕地面积的土地利用变更调查数据为基础,采用头脑风暴法、趋势分析法、一元线性回归法、移动平均法、GM(1,1)模型法对临夏市历年的拼地面积的变化情况进行分析,并得出移动平均法更适用于临夏市周边其有相似地貌特征地域的耕地量的预测,为临夏市未来耕地的变化提供了一种较为可靠的预测模型.     

观测器在电控罗经快速启动中的应用研究

术文研究了一种新的电控陀螺罗经的快速启动方法,即采用状态观测器,通过状态反馈实现极点配置,使陀螺罗经快速启动。文中讨论了陀螺罗经在静基座和动基座上的快速启动方法,对系统的各种非线性效应及误差作了分析。数字仿真结果表明:采用此法后,电控陀螺罗经在静基座上的快稳时间比原来缩短了一半以上;罗经在动基座上的快稳时间可减少到半小时以内。     

非线性随机系统的协方差控制

本文研究用线性随机系统的协方差控制理论分析非线性随机控制系统的性能，拓宽了协方差控制理论的应用范围。