模糊时间序列预测在动态经济系统预测中的应用

研究适合于动态经济系统的预测方法，对指导我国现阶段的经济工作有很大的意义。为尽可能地减少对动态经济系统预测的偏差，将模糊数学的理论应用于预测过程中，应用模糊时间序列预测方法，解决带有模糊信息的动态预测问题，使所得出的预测结果能够更加符合现实的需要。     

应用改进BP神经网络进行用水量预测

针对工业用水量的特点，建立了改进的BP神经网络用水量预测模型，采用遗传算法对BP神经网络权系进行优化改进，改进的BP神经网络算法预测结果好于灰色理论预测和BP算法预测。以本溪市某供水厂用水量数据对改进的BP神经网络模型进行训练并预测，将其预测结果与灰色理论预测和BP神经网络预测结果进行比较分析，得出该方法用于供水系统用水量预测误差较小，同时克服了其他两种算法的缺陷。     

模糊逼近算法与人工神经网络预测功能

有些实际问题是无法用已知的很多定量预测方法预测的，这更是在预测中有极大局限性的人工神经网络难以解决的问题．本文通过对预测问题模糊逼近算法的研究，提出新的模糊逼近泛函微分方程定量预测方法，并从而化为能用人工神经网络预测的方法，扩充人工神经网络解决实际问题的功能．     

电力系统中长期负荷预测的模糊算法

介绍了用模糊指数平滑法和模糊线性回归法进行电力系统中长期负荷预测的方法，以实际预测为例，给出预测结果，实践证明了上述2种方法虽然以传统预测方法为基础，但具有算法简单，计算速度快，预测精度高，预测误差小，并能提供负荷的一个预测区间等优点，尤其在原始数据存在不确定性和模糊性时，更有着常规预测方法无可比拟的优越性。     

基于时间序列的朝阳市生猪价格短期预测研究

为了获取更多利润，降低价格波动带来的风险，对朝阳市生猪价格进行基于时间序列的短期预测研究.根据辽宁省朝阳市某养猪场提供的2020～2022年3种生猪日销售价格，首先利用Excel对数据进行处理，以周为基本单位，把每周的平均价格作为周价格；其次，根据外三元猪价格中前100周的价格，分别采用时间序列预测法中的一次移动平均预测法、一次指数平滑预测法和三次指数平滑预测法来预测后57周的价格，通过与实际价格的对比可知，采用三次指数平滑预测法预测的误差最小，由此用该预测法来预测内三元猪和土杂猪后57周的价格；最后，利用Matlab计算土杂猪、内三元猪的预测值，结果显示二者的预测误差分别为0.386、0.604,并据此绘制价格变化趋势的图像，为养猪场预测生猪价格提供理论依据.     

数据挖掘技术的微信影响力预测模型

信息时代的到来，催化了微信等通讯工具的发展，微信属于网络信息传输的核心载体，信息传输速率快，能够提升微信影响力，为此构建了基于数据挖掘技术的微信影响力预测模型。该模型使用基于粗糙集理论和BP神经网络的微信传播数据挖掘算法，采集预测微信影响力的有效数据；通过基于主成分分析的微信影响力预测模型，使用Z-Score法降低数据维度，实现数据标准化后，使用主成分分析法，提取微信数据特征，按照特征值大小设定微信影响力预测指标，将预测指标主成分特征实施归一化并设置权重后，构建影响力整体预测函数，实现微信影响力预测。预测结果显示，此模型预测的微信影响力和实际高度吻合，预测误差最大值仅有1%,且具有较高的查全率和查准率。     

基于绝对分布的马氏链和加权马氏链的预测评价

利用随机模拟，对基于绝对分布的马氏链预测和加权马氏链预测两种预测方法的预测误差进行分析，得出了加权马氏链预测要优于基于绝对分布马氏链预测的结论。     

教育中预测的原则、类型与调控

在教育过程中，许多教师重视教育反馈环节，而忽视了教育预测环节。然而，预测环节是教育始端，是判断教育是否适合学生的重要环节。预测可以提高教育的科学性和有效性，减少教育盲目性和错失性。预测也是教师素质和能力的集中体现，任何缺乏预测能力的教育工作者，都难以适应新形势教育工作的需要。因此，“只有鉴往知来，才能为人导师”，所有教师都要充分认识预测重要性，掌握预测原则，合理应用预测原理，及时调整教育过程。一、教育中预测的原则１、预测的超前性。预测之所以有生命力就在于超前性。若不对事物超前认识，就不能洞察未来…     

虚拟井测井曲线的预测技术

根据邻域内有限资料井的测井资料，可以预测研究区域内任意空间位置的测井参数值，进而绘制出任意井位的虚拟井测井曲线或地质解释成果图，介绍了预测方法的基本原理，以及实施预测技术时的资料预处理方法和预测结果输出方式，并用一个油田１７口井的测井资料预测虚拟井的测井参数，结果表明，这种预测技术是切实可行和经济有效的。     

基于小波分解的色噪声预测

研究色噪声的预测．将小波分析理论与神经网络建模预测基本原理相结合，提出了基于小波分解的神经网络预测方法．通过对年平均太阳黑子数典型统计模型的预测，验证了该方法的预测效果．将该预测方法用于色噪声的预测研究，通过改变对色噪声的采样速率，分析了色噪声预测的可能性和效果．研究结果表明，色噪声是可以预测的；对其预测的误差随采样率的提高而减小；基于小波分解的神经网络预测方法的预测精度优于线性神经网络预测方法．     

基于模糊感知器的路面性能预测方法

利用模糊感知器人工神经元网络尝试建立一个智能型路面性能预测模型，对神经网络原理和模型结构进行了系统的理论分析，给出了详细的算法，并以平整度历年调查资料为数据基础，对该模型进行了实例分析，证明了模型的理论与实际运用的可行性。该方法利用神经网络与模糊方法各自的优点，针对不同性能指标，建立对应的神经网络预测模型，来对今后的指标值进行预测，较好地解决了路面性能预测中的模糊性和不确定性。     

巷道围岩稳定性分类的MBP神经网络预测研究

研究BP神经网络的工作原理和改进技术，分析巷道围岩稳定性的影响因素，基于改进的MBP神经网络建立了围岩稳定性分类的神经网络识别模型。研究结果表明，该预测模型性能好，预测精度高，预测结果能很好地拟合地下工程实际，验证了该模型的可行性和实用性。     

基于实测数据分析的风电功率预测

由于风力发电所利用的近地风能具有波动性、间歇性、低能量密度等特点,对风电场的发电功率进行尽可能准确的预测是风电发展的关键.本文根据某风场的实测数据,采用了时间序列中的自回归移动平均模型(ARMA),对风电功率进行了实时预测;为进一步提高风电功率实时预测的精确性,本文提出了一种基于BP神经网络和ARMA组合模型的预测方法,并对上述实测数据采用该方法进行了实时预测.预测结果表明:组合模型的预测结果与单独的自回归移动平均模型相比,风电功率的实时预测的均方根误差和百分比误差分别减少了4.01%和3.25%,工程中可以采用该组合模型对风电功率进行预测.     

神经网络在CB油田储层预测和储层厚度计算中的应用

根据ＣＢ油田的特点提出了利用神经网络进行储层预测和计算地层厚度的方法。将传统的储层预测方法与人工神经网络相结合，能较好地解决ＣＢ油田的储层预测问题。利用神经网络的非线性映射特点实现了地震特征与地层厚度之间的映射，从而可以准确地求取地层厚度。用该方法设计了２口探井，实际钻井结果表明，这种方法的预测结果准确、可靠。     

基于人工神经网络的水力旋流器分离性能预测

水力旋流器分离过程复杂,其性能指标与影响因素之间属于典型的多维非线性关系。以往旋流器分离过程的理论和经验模型大多在特定的简化条件下得到,且预测单一。为了全面预测分离器性能指标,建立了三层BP神经网络模型,通过输入结构参数和操作参数,模拟输出分离粒径、生产能力、底流质量分数等多个分离性能指标。以生产能力为例,分析了神经网络与理论和经验模型计算值的预测精度。结果表明:在各传统预测公式中,庞学诗法的预测精度最高,误差为20.88%,与其相比,BP神经网络的预测误差仅为16.64%,优于其他各模型的预测精度,且能够实现性能指标的全面预测。人工神经网络是预测水力旋流器分离性能的可靠方法。     

土钉支护变形的灰色预测方法

应用灰色系统理论方法建立土钉支护变形的GM（1，1）预测模型，对比神经网络预测方法，算例表明：灰色理论方法的预测精度高于神经网络方法。     

基于Elman型神经网络的空调负荷预测模型

空调系统的负荷与诸多影响因素之间是一种多变量、强耦合、严重非线性的关系，且这种关系具有动态性，因而传统方法的预测精度不高，而动态回归神经网络能更生动、更直接地反映系统的动态特性。针对这个特点，建立了基于Elman型神经网络的空调负荷预测模型，并进行了实例预测。文中还比较了Elman网络和BP终结建模效果，仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点，说明Elman网络是一种新颖、可靠的负荷预测方法。     

基于遗传算法径向基神经网络的交通流预测

为提高径向基（RBF）神经网络预测模型对交通流预测的准确性,提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传算法优化径向基神经网络的权值和阈值,然后训练RBF神经网络预测模型以求得最优解,并将该预测方法与RBF神经网络和BP神经网络的预测结果进行对比。仿真结果表明,该方法对交通流具有较好的非线性拟合能力,预测精度高于径向基神经网络和BP神经网络。     

切片平均分子量神经网络预测模型的研究及应用

建立聚合反应切片平均分子量的预测模型对锦纶帘子布的生产有重要的意义,该文采用改进的遗传算法（ＧＡ）和ＢＰ算法相结合的混合学习算法来训练神经网络,并采用多元逐步回归法对输入层节点数进行了优化,建立了聚合反应切片平均分子量在线预测的神经网络模型。在某化工厂聚合反应中的应用表明,该模型比基于最小二乘法的预测模型收敛速度快,预测精度高、网络有泛化能力强。