动态多模型指数平滑法融合的在线预测方法

针对传统预测算法实时性差、难以适应多种数据变化情况、参数无法根据数据的实时变化进行在线调整等问题,提出了一种动态多模型指数平滑法融合的在线预测算法。该算法根据历史数据的预测误差,动态调整指数平滑法的平滑系数,以及1次、2次、3次指数平滑法的融合权值,实时得到对传感器测量参数的准确预测。仿真表明,该算法在多种数据变化情况下均优于单一采用指数平滑法。     

动态多模型指数平滑法融合的在线预测方法

针对传统预测算法实时性差、难以适应多种数据变化情况、参数无法根据数据的实时变化进行在线调整等问题,提出了一种动态多模型指数平滑法融合的在线预测算法。该算法根据历史数据的预测误差,动态调整指数平滑法的平滑系数,以及1次、2次、3次指数平滑法的融合权值,实时得到对传感器测量参数的准确预测。仿真表明,该算法在多种数据变化情况下均优于单一采用指数平滑法。     

动态指数平滑预测方法及其应用

指数平滑法是应用广泛的时间序列预测方法之一,但在传统方法中其相关系数的确定具有主观性,因此,其预测结果往往偏差较大.本文对传统指数平滑法进行改进,将其参数动态化,使得模型随预测过程自动更新,从而保证了预测的实时性、客观性.以最小预测误差平方和(SSE)为优化目标建立动态指数平滑参数和初值的优化模型,并通过迭代优化法求解.通过动态指数平滑模型,传统方法的一些缺陷,如模型参数选取的主观性、易导致预测偏差等被有效解决.预测实例表明,新方法优于传统指数平滑方法.     

基于平滑指数仿真优化的装甲装备器材消耗预测

准确地预测装备备件需求是合理有效进行各项保障工作的基础,通过分析现有常用的器材消耗预测方法,针对袭甲装备维修保障的特点,假设在已收集某类备件消耗数据的基础上,选取基于时间序列的指教平滑法对装甲装备维修保障器材消耗预测进行了研究.同时,针对平滑指数的选取问题,以最小预测方差为优化目标,构建了基于Anylogic的仿真优化模型,并最后通过具体案例应用,对计算方法进一步的说明和检验,结果反映出:当器材消耗量平稳变化时,此法具有较高的准确度;当器材消耗量变化较大时,预测结果存在较大偏差.     

DSSS系统中基于线性平滑预测的单音干扰抑制

通过把线性预测算法与平滑滤波算法相融合,提出了一种线性平滑预测算法.该算法在抑制单音干扰的同时降低了噪声对系统性能的影响,因此与线性预测算法相比这一算法为DSSS系统提供了更高的性能增益.仿真结果进一步证实了该结论.     

基于改进核平滑辅助粒子滤波的失效预测方法

针对系统模型存在多个未知参数的情况,提出了一种基于改进核平滑辅助粒子滤波(improved kernel smoothing auxiliary particle filtering, IKS-APF)的失效预测方法。首先,在已有核平滑辅助粒子滤波基础上引入增益因子和加速因子,使其具有参数方差双向调节能力和更快的参数估计收敛速度。然后,使用ISK-APF进行状态和参数的联合估计,为确保参数估计的准确性同时减少参数的不确定性,设计了方差监视和短期预测误差匹配相结合的自适应粒子方差控制方案。最后,使用最新估计到的状态和参数粒子进行迭代预测,并通过统计状态粒子首达失效状态空间的时间计算出剩余使用寿命（remaining useful life, RUL）。仿真结果证明了本文方法的有效性和优越性。     

平滑转移模型线性检验的可靠性研究

提出了将自助法(bootstrap)的不同变体应用于平滑转移自回归模型的线性检验,并通过蒙特卡罗实验分别考察其在误差项独立同分布和存在序列相关时的有限样本性质.重点研究了非线性参数和序列相关系数对检验水平和功效的影响.实验结果表明,基于自助法的线性检验在各样本容量下都具有更高的功效,并且可以很好地纠正基于极限分布理论的LST统计量的水平扭曲.本文还详细介绍快速了两阶段自助法(FDB)的基本思想和实现方法,模拟实验证明它比基本自助法具有更好的稳健性和收敛性.     

企业危机预测与识别模型

针对当前大部分企业危机预警模型只能报警,不能预测的现状,提出一种基于指数平滑法与模式识别的预警模型。该方法首先对企业运营的单项特征指标进行预测,然后对预测结果模式识别分类,同时判断企业的危机状态。最后,用实例验证该模型的有效性。     

基于可行域解析中心的股指时间序列预测

预测股票涨跌情况,并提出了一种新的时间序列预测方法,该方法将时间序列预测问题转化为多类分类问题.同时在分析现有多类分类机器不足的基础上,提出了一种基于可行域解析中心的多类分类器.通过上证股指序列的实证分析表明,提出的方法及多类分类器是有效的且有很强的实用性.     

一种新的基于神经网络的非线性组合预测方法

一种新的基于神经网络的非线性组合预测方法文新辉牛明洁（西安电子科技大学，７１００７１）（新疆石油学院，乌鲁木齐８３００００）ＡＮｅｗＮｏｎｌｉｎｅａｒＣｏｍｂｉｎｅｄＦｏｒｅｃａｓｔｉｎｇＭｅｔｈｏｄｏｎｔｈｅＢａｓｉｓｏｆＮｅｕｒａｌＮｅｔｗｏｒｋ...     

一种飞行数据预测方法

为了解决实际飞行试验中机载系统与GPS采样率频率相异,难以对飞行状态实时估计和性能导航进行计算等问题,通过对GPS进行预测来对数据统一化处理.如果机载系统采样频率是GPS的整数倍且GPS输出时间对应于机裁系统采样时刻,给出了一种基于模型的预测方法.对于一般情况,采用了时间序列的混沌多项式预测模型,对实测数据进行相空间重构的基础上,选取最优邻近点进行预测.实际飞行试验数据分析结果表明,给出的预测方法是有效的.     

证券市场预测的神经网络方法

首先讨论了证券市场的各种影响因素、预测分析方法和定量预测模型的选择。然后运用神经网络模型的非线性映射能力和学习联想能力，提出了证券市场预测的通用模型。最后通过一个证券买入时机预测的实例，证明了该模型的有效性.     

能源消费量模拟分析和预测的神经网络方法

基于我国１９７８～１９９４年间能源消费量的实际数据,采用人工神经网络方法对影响能源消费量的主要因素进行了模拟和分析。然后,采用相关因素预测法和组合预测法预测了能源消费量。经实际样本检验表明：组合预测法的预测精度较高。最后,应用组合预测法预测了我国１９９５～２０００年的能源消费量。     

一种预计系统可靠性参数MTBF的方法

一种预计系统可靠性参数ＭＴＢＦ的方法施军（南京航空航天大学，２１００１６）.     

基于跟驰理论的道路交通噪声预测模型研究

交通噪声预测在城市交通规划和建筑设计工作中具有重要意义。本文根据我国道路交通噪声的实际观测方法,通过引入微观交通流理论,建立了一种可用于多车道混合车流等效声级和统计声级预测的动态随机模型。其核心算法是基于车辆非线性跟驰模型,依靠计算机随机模拟技术,实现对单车行驶行为的构造和仿真。算例分析和实验观测表明本文建立的模型具有较高的交通噪声预测精度和稳定性。     

系统可靠性预计的上（下）限法

用文献［１］提出的上限计算法预计的系统可靠度的上限会单调收敛至一个小于精确值的错误数值，并使系统可靠度的单一预计值过于保守。本文提出一种计算系统可靠度上限的新方法，并给出了完全对偶的、实用的上下限计算公式。实例表明，对于任何非单纯串联的复杂系统，应用本文的公式均能保证使计算结果单调收敛至真值，并使系统可靠度的单一预计值具有较高的精度。     

混沌时间序列的混合遗传神经网络预测方法

在相空间重构理论的基础上,将改进的遗传算法和神经网络结合起来,提出了一种混合遗传神经网络预测混沌时问序列的方法.通过复相关法和Cao方法重构混沌时间序列,利用改进的遗传算法优化神经网络的结构、初始权值和阚值,然后训练神经网络求得最优解.该算法应用到混沌时间序列的预测中,验证了该算法的有效性,并与BP和RBF算法的预测精度进行了比较,仿真结果表明该算法对混沌时间序列具有更好的非线性拟合能力和更高的预测精度.     

基于BLP-ALO-SVM的风电功率短期预测方法

为了对短期风电功率及其波动范围作出有效预测,提出一种基于混合算法优化支持向量机的风电功率短期预测方法。采用探索性数据分析对原始风速数据进行预处理,提高风速数据的质量;采用混沌映射、莱维飞行策略和粒子群算法提升蚁狮算法的性能;应用经混合算法优化的支持向量机模型对风电功率进行预测。实验结果表明：相较于新型的风电功率预测模型,该方法输出的结果预测误差更低,表现出对于风电功率更好的预测能力。     

沉降预测中的灰色模型理论与Asaoka法

在沉降预测的各种方法中 ,Asaoka法是其中主要方法之一 ,而灰色模型理论也开始得到应用 .本文对两种方法的一阶微分方程作了比较 ,证明在一定条件下 ,灰色模型理论和 Asaoka法两者的一阶微分方程是严格一致的 ,这对灰色模型理论在地基沉降预测中的推广应用具有重要意义.     

民航旅客忠诚度模型预测方法

结合现阶段民航企业的特点,重点研究如何利用忠诚度预测模型提高企业的服务水平方法,在此基础上,建立提高旅客忠诚度的决策服务体系.通过建立符合民航的旅客忠诚度模型,运用PLS-SEM方法量化忠诚度指标;由于调查数据量的限制,研究在小样本集下的偏最小二乘法预测方法,制定提高忠诚度指标策略.对实际采集数据的分析试验也验证了该方法有助于细化分析航空公司服务水平,操作性强,效率高,可为民航企业改进服务提供决策支持.