基于加权马尔可夫链的预测模型及仿真实验研究

针对传统马尔可夫链忽略了事物发展中各个状态间的相依关系这一局限性,利用相关系数来度量各种状态间的相依关系并构建了一种改进的基于加权的马尔可夫链。以汉中市近十年的人均GDP统计数据为训练样本,从理论上对该地区的人均GDP做了科学的分析和预测。研究结果表明:与传统的马尔可夫链相比,改进后的马尔可夫链预测值的误差更小,预测精度更高。     

基于模糊聚类和BP神经网络的流域洪水分类预报研究

传统的流域洪水预报大都通过率定一组水文模型参数来寻求一个流域径流形成的一般性或平均化规律,其预报精度需要进一步提高.用模糊聚类ISODATA迭代模型将历史洪水分为若干类型,进行水文预报模型参数的分类调试;并建立BP神经网络分类模型判断实时洪水所属类别,选择其相应类别的模型参数实现流域洪水的分类预报.在辽宁省大伙房水库流域的实际应用表明:此方法不但可以实现洪水实时在线分类而且提高了流域整体洪水预报精度,是一种为水库实时调度提供可靠依据的有效洪水预报方法.     

基于BP模糊神经网络的重介过程控制

针对重介选煤过程中的密度与液位强耦合,难以精确建立数学模型,控制困难、控制精度低的问题,本课题提出基于模糊神经网络的重介过程控制,它是模糊控制与神经网络的结合,模糊控制无需数学模型就可以建立控制规则,BP神经网络具有局部寻优,自适应学习能力.仿真实验表明,即使在输入变化很大的情况下也能很快的达到控制目标,控制误差在0.001内,说明模糊神经网络控制器的控制稳定性高,控制精度高,实用性强.     

基于马尔可夫链的商品销售预测模型

在经济预测方法中,马尔可夫预测技术不需要大量的历史数据,只需近期数据即可预测未来.因此很多动态系统和社会现象都采用马尔可夫过程来进行预测.针对商品销售特点,建立了可以对商品销售情况进行预测的马尔可夫预测模型,从而对企业制定商品销售策略提供理论依据.     

加权马尔可夫链在空气污染指标预测中的应用

加权的马尔可夫链理论为预测提供了一种新的方法,利用序列的均值-标准方差分类法建立空气污染指数的分级标准,针对空气污染指数为相依随机变量的特点,采取以规范化的各阶自相关系数为权重,用加权的马尔可夫链模型来预测未来空气污染变化状态。以南京市2011年10月13日—11月12日共31天的空气污染指数为实例对该方法进行了具体应用,取得较为满意的结果。     

加权马尔可夫链在市场预测中的应用

本文介绍了加权马尔可夫链预测方法的基础,以金星电子公司产品销量资料为例,采用均值-标准分级法进行销量分级,把这21个月的月销量分成5个级别,运用加权马尔可夫链对该公司销量进行预测和分析,得出了符合实际的预测结果,为市场产品销量的预测分析提供了一条新的途径.     

马尔可夫链的离散人口预测模型及其应用

为准确预测我国未来人口发展趋势,以我国近10年来人口数据为依据,对中国人口老龄化进程加快的问题进行统计分析。利用绝对分布的马尔可夫链人口预测模型,预测了未来中国人口结构,建立了基于模糊权马尔可夫链人口预测模型,对人口出生率和死亡率以及人口总数进行了预测,同时检验了这些预测模型的可靠性。最后讨论了基于平稳分布的人口结构控制问题。     

基于模糊加权有色网和BP神经网络的飞机发动机故障诊断

针对传统知识推理故障诊断方法中参数往往依赖于专家经验,存在着不准确和无法学习的问题,提出了一种基于模糊加权有色网和BP神经网络的故障诊断方法。首先,定义了模糊加权有色网并给出了两种产生式规则对应的模糊加权有色网模型。然后,设计了采用BP神经网络对模糊加权有色网各参数进行学习的算法。最后,给出了使用训练后的各参数进行初始化的模糊加权有色网进行故障推理的具体步骤。通过飞机发动机故障诊断实例仿真实验证明了方法能正确地建立模糊加权有色网推理模型,在采用BP神经网络进行参数训练后,能有效地实现飞机发动机的故障诊断。     

一种基于马尔可夫链与模糊综合评判的教学评估改进算法

针对基于模糊综合评判和马尔可夫链建立的教学质量评估模型在特殊情况下的评估效果不够合理的问题,提出了一种数学期望的新定义,并在此基础上改进评估算法,可有效提高评估结果的合理性.     

基于灰色-模糊马尔可夫链模型的滑坡变形预测

滑坡演变表现出力学参数及力学现象具有明显的不确定性和随机性,使得滑坡位移变形分析成为工程技术难题之一．在传统的灰色GM（1,1）模型基础上,对误差修正方面运用模糊数学思维,采用GM（1,1）-Fuzzy—Markov模型对相对误差进行二次预测．在对云阳凉水井滑坡变形监测成果的分析中,上述模型在一定程度上避免了单-GM（1,1）理论无法预测波动性的局限,实现了较好的预测,整体精度进一步得到提高,证明了该模型在滑坡变形预测方面的可行性与适用性,为滑坡变形预测问题的解决提供了有益的思考与探索．     

基于BP神经网络的税收预测模型

在分析影响税收主要因素的基础上，将反向传播（BP）神经网络理论应用于税收的预测．首先对初始数据进行预处理，使其适应BP神经网络学习的要求，然后建立基于BP神经网络的税收预测模型．采用实际数据对模型进行验证，并将其与传统的统计模型相比较，证明了基于BP神经网络的税收预测模型有较高的精度和较强的实用性．     

证券市场灰色神经网络组合预测模型应用研究

提出将3种灰色模型(残差GM(1,1),无偏GM(1,1)和pGM(1,1))与神经网络模型进行有机组合,建立一种新的灰色神经网络组合预测模型,并以中国股票市场上证指数为例进行模拟预测.实证表明:组合预测模型的模拟预测精度较原有方法更为精确,可作为股市预测的有效工具.     

基于BP神经网络的IP网络流量预测

采用了BP神经网络对网络流量数据的时间序列进行建模与预测。从分析网络流量的特征着手,构建了基于BP神经网络的IP网络流量预测模型,并进行了仿真验证。实验结果表明,该模型对网络流量的预测是有效可行的,并具有良好的收敛性和稳定性。     

基于灰色BP神经网络的装备保障费用预测模型

装备的保障费用是装备全寿命周期费用的重要组成部分,为了科学合理地预测武器装备的保障费用,通过分析装备保障费用的构成及其影响因素,考虑到装备保障费用数据量有限、复杂多变、非线性,用单一预测模型预测精度不高,因此建立了基于灰色系统理论和BP神经网络的组合预测模型,将灰色系统模型善于处理小样本数据和BP神经网络优于解决复杂非线性问题的优点有效地结合起来,对基于非线性时间序列的保障费用进行预测。仿真实例表明该组合模型的预测结果比传统单一模型所得到的预测结果总体误差要小,可以有效提高装备保障费用的预测精度。     

基于马尔可夫链和模糊聚类的电力系统短期负荷预测

提出一种马尔可夫链和模糊聚类相结合的预测方法,针对时间序列中出现的各种随机现象,分别建立数学模型.对样本所属状态采用模糊划分,使分类更符合实际情况;利用马尔可夫链对研究对象做状态分析,根据状态转移进行预测.该方法在电力系统负荷预测中使用,提高了算法的全局最优性能.在时间序列呈现较强的随机性时,本算法具有明显的优越性.仿真结果表明,对于各种扰动因素,预测误差可控制在3.5%以内.     

基于因子BP神经网络预测模型的胃溃疡发病率预测

目的:在医学卫生领域,疾病发病率受许多因素的影响,很难用结构式因果模型解释,根据神经网络预测是一种行之有效的方法。多层前馈神经网络(BP)应用于疾病发病率的预测时,由于影响它的气象因素,如月平均气温、月平均气压、月平均相对湿度等本身具有很大相关性,且维数较高,BP神经网络的预测精度会下降。方法:针对这一问题,提出了利用因子分析方法对原输入空间进行重构,并根据各主成分的贡献率确定网络结构,有效地解决了预测精度下降的问题。结果:以2003年1月至2009年12月青海海西州地区胃溃疡发病率的资料验证了该方法的有效性。结论:应该充分考虑胃溃疡在各时间段的发病率特征,以便更有重点地进行健康防治工作,有效地降低胃溃疡对人类的危害,保障人类的生活品质。     

基于ANN-泊松模型的预测研究

目前,经济预测主要采用基于传统研究方法或人工神经网络技术的单项预测方法．近年来的研究表明,组合预测方法比单项预测具有更高的预测精度．本文提出了一种基于BP神经网络和泊松模型的组合预测新方法,对轮船发生事故进行了综合分析与预测,预测结果表明这种方法相对于单一的预测方法具有更高的精度,该模型在计数模型的预测中的应用是可行、有效的．     

基于BP神经网络的交通流量预测设计

在研究交通流量特性的基础上,以交通流量控制为最终目标,建立了基于BP(Back Propagation)神经网络的交通流量预测模型.以某市某三叉口路段为例进行仿真模拟,结果表明预测系统能较准确地预测出交通流量状况.     

BP神经网络拟合平稳跟踪眼震信号

在前庭功能检查中,要对平稳跟踪信号进行分析,必须先对实验者的跟踪数据信号进行曲线拟合。由于BP神经网络可以实现输入和输出间的任意非线性,使得它在函数逼近上有广泛的应用。因此本文用BP神经网络对平稳跟踪信号进行曲线拟合。对网络的训练方法采用贝叶斯正则化算法。实验表明,拟合的曲线和正弦曲线基本吻合,尽可能的通过了样本点,也排除少数点的干扰。     

基于灰色系统和人工神经网络的中长期电力负荷预测

利用灰色预测需要样本数据量少、建模过程简单的特点，对中长期电力负荷进行前期预测，结合人工神经网络对大量非线性、非精确性规律具有自适应和自学习能力的优点，在考虑经济因素的前提下对输入数据进行了预处理，采用改进的BP算法最终得出了预测结果．文中的算例表明了该方法是可行且有效的．