基于GMM模型的玉米产量预测

鉴于玉米产量受多种复杂因素的影响,并具有较大的随机性和波动性,建立了一种灰色理论和马尔可夫相融合的玉米产量预测模型.首先采用灰色关联法筛选玉米产量影响因子,然后将其输入到灰色系统中构建玉米产量的灰色预测模型,最后使用马尔可夫模型对灰色模型的玉米产量预测结果的残差值进行修正,以提高玉米产量预测精度.实证分析结果表明,提出的预测模型具有较好的预测精度,完全能满足玉米产量预测精度的要求.     

孝感汛期降水预测模型研究

本研究利用国家气候中心下发的130项气候监测数据和孝感国家基准气候站1981—2019年汛期（5—9月）降水数据,分析130项气候监测数据与孝感汛期降水的相关性,通过逐步回归的方法选取相关系数大于0.3的特征指数,建立孝感汛期降水预测模型。结果表明：具有统计学意义的降水预测模型与实际降水的相关系数R达到0.825,明显大于单个因子的相关性。通过预测模型计算汛期降水,38年中能正确预测31年降水偏多偏少的趋势。在降水预报趋势错误的7年中,仅1年误差超过30%,其余都不超过20%。说明该模型对孝感汛期降水具有较好的预测能力。     

基于EMD优化NAR动态神经网络的地铁客流量短时预测模型

为了能够更加准确地实现地铁客流预测,提出了一种基于经验模态分解算法(empirical mode decomposition, EMD)优化非线性自回归(nonlinear auto regressive,NAR)动态神经网络的地铁客流量短时预测模型.分析地铁客流量数据后发现日客流量具有一定的变化规律,为此使用了基于时间序列的NAR动态神经网络,该网络具有优秀的非线性动态拟合能力和反馈记忆的功能.结合EMD经验模态分解算法优化NAR动态神经网络预测模型,以此来减少预测误差,提高预测精度.结果显示,EMD-NAR神经网络组合预测模型适用于地铁客流的短时预测,预测精度可达93%,具有较好的应用价值.     

基于拓扑预测与GM组合模型的舰船运动预报

针对舰船运动系统的复杂性及非线性,提出采用灰色拓扑预测模型、GM(1,1)模型建立舰船运动的单项预测模型,并对各单项模型的优缺点进行了比较分析.采用标准差法建立基于拓扑预测与GM(1,1)模型的舰船运动组合预测模型.结果表明,组合预测模型的预测精度高于各单项模型的精度,该组合模型可作为提高舰船运动数据预测精度的有效工具.     

基于拓扑预测与GM组合模型的舰船运动预报

针对舰船运动系统的复杂性及非线性,提出采用灰色拓扑预测模型、GM（1,1）模型建立舰船运动的单项预测模型,并对各单项模型的优缺点进行了比较分析．采用标准差法建立基于拓扑预测与GM（1,1）模型的舰船运动组合预测模型．结果表明,组合预测模型的预测精度高于各单项模型的精度,该组合模型可作为提高舰船运动数据预测精度的有效工具．     

可燃物含水率的变系数回归预测模型

根据变系数回归模型的理论,选取当前时刻含水率作为观测变量,相对湿度、气温和风速作为影响因子建立可燃物含水率变系数回归预测模型.并分析对比了无降水条件下,可燃物含水率的变系数回归预测模型和基于平衡含水率的可燃物含水率常系数线性预测模型的预测精度.结果表明:可燃物含水率的变系数回归预测模型的准确率为84.55%,高于可燃物含水率常系数线性预测模型的82.14%.说明可燃物含水率的变系数回归预测模型具有更好的预测能力,具有一定的实用价值.     

基于熵值加权组合预测模型的黑龙江省旅游收入预测分析

针对黑龙江省旅游收入预测问题,考虑到单一预测模型往往在预测精度上不高的特点,在引入灰色系统GM(1,1)预测模型及时间序列线性回归模型的基础上,建立了基于3种误差指标信息下的熵值加权组合预测模型,并以黑龙江省2009—2018年的旅游收入数据进行分析.结果表明,所建立的组合预测模型在预测精度上有了较好的改善并优于所选单...     

组合预测模型在山东省地下水资源量预测中的应用

针对山东省地下水资源量的预测,利用搜集到的山东省2000—2014年地下水资源量时间序列数据,建立了ARMA模型、灰色预测及序列拟合模型,并综合运用这3种单项预测方法建立了组合预测模型.通过比较,发现相比于各个单项预测模型,组合预测模型具有更高的精度.从预测结果来看,未来山东省地下水资源量呈现递减趋势.     

基于径向基函数神经网络的投资预测模型

利用径向基函数(RBF)神经网络,建立投资预测模型,有效解决经济投资预测中非线性预测问题.以历史数据为例,对所建立投资预测网络模型进行仿真、分析仿真结果.根据生产总值与投资分配之间存在的映射关系,应用RBF神经网络建立投资预测模型.模型既真实地表达了投资要素之间的高度非线性关系,又考虑了分配结构的优化问题,具有很高的预测精度,更具有较强的实际应用意义.     

湿陷性黄土地基沉降预测模型及其精度分析

本文介绍了Logistic曲线、Gompertz曲线和Poisson曲线等三种沉降预测模型及其预测参数的计算途径,基于沉降实测资料对各模型的预测精度进行了对比分析。结果表明,Gompertz曲线的拟合精度最高,适用于湿陷性黄土地基沉降的预测。     

基于小波变换的GM(1,1)-ARMA组合预测模型对悬索管桥的应变预测

ARMA模型采用差分处理对桥梁监测数据进行预测时,会出现数据丢失和预测精度降低的现象.为此,利用小波变换对信号进行离散化处理信息不会丢失的优点,将趋势明显的原始序列离散化,得到不同频带上的块信号.采用灰色GM(1,1)模型对趋势明显的低频信号进行趋势预测,用ARMA模型对平稳的高频细节信号进行细节预测,再将两部分预测值叠加得到最终预测值.对黄河悬索管桥在线监测系统获得的过去一段时间的应变数据进行验证,结果表明所提出的GM(1,1)-ARMA组合模型预测效果明显高于传统ARMA模型,这对实现同类桥梁的预警具有积极意义.     

新陈代谢GM(1,1)模型在现代有轨电车沉降预测中的应用

目前灰色模型在建筑物、边坡、高铁等领域的沉降预测中的应用研究较多,而在现代有轨电车中的沉降预测中应用比较少,并且现代有轨电车在运营阶段的沉降变化量较小。用灰色GM(1,1)模型和新陈代谢GM(1,1)模型对有轨电车筏板的沉降监测点的监测数据进行预测并比较。结果表明,新陈代谢GM(1,1)模型剔除了旧数据,增加了新的预测数据,提高了模型预测精度。验证了模型在现代有轨电车筏板进行沉降预测的可行性,为今后类似情况的沉降监测预测提供参考和借鉴。     

南阳粮食总产量的灰色预测研究

通过南阳市粮食总产量摆动序列的综合信息,应用灰色理论建立了粮食生产的DGM(2,1)参数优化数学模型,经比较,预测模型结果明显优于常规的DGM(2,1)模型,进一步提高了该模型的预测精度和适用性.应用模型对南阳未来几年的粮食总产量作出预测,为有关部门制定合理的经济政策提供理论依据.     

利用GPS进行边坡滑坡监测的数学模型

首先假设边坡滑坡体为刚体,建立了边坡滑坡的动态模型,用变形后的监测点和基准点上的GPS载波相位观测值组成双差观测值,提出一种滑坡监测的卡尔曼滤波模型.建立的模型不仅利用了包含在观测中的统计信息,而且利用边坡滑坡的有关力学状态和地质条件所提供的信息.最后,以一实例论证了方法的可行性.     

振动压路机振动轮跳振时的次谐波振动现象

建立了跳振状态下的振动压路机振动轮的非线性力学模型 .数值计算结果表明 ,振动轮跳振时很可能产生特殊的次谐波振动分量 ,而且在一定条件下有可能发生混沌 ,现场测试结果与理论分析一致 .本文结果对振动轮工作状态监测和被压实材料密实度的估计具有参考价值 .     

增压器转速测量中电荷放大电路的设计

针对东风4B型内燃机车柴油机增压器的工作条件和转速范围，专门设计了利用振动法测量增压器转速的电荷放大电路。实际测试表明，该电荷放大电路频带响应范围宽、工作可靠，满足机车柴油机增压器地面检修和随车检测中转速测量的要求。     

改进Stacking算法的光伏发电功率预测

针对Stacking算法计算时间较长和样本数据较少的问题,提出了一种基于新向量表示和交叉验证精度加权的改进Stacking算法。采用三层算法结构,第1、2层为初级层,使用随机森林、SVR、XGBoost 3个学习器;第3层为次级层,使用LightGBM对第2层输出再次学习以减弱噪声。用一种新的向量表示法来增大层级之间输入输出数据的样本规模和样本分布密度,来保证数据维度不会随着初级层学习器数目的增多而增大;根据在交叉验证下初级层不同预测模型表现出预测准确度的差异性对结果进行加权处理。利用某光伏电站的发电数据进行实际算例分析,提出的模型在MAE、MSE及$R^2$指标上,相比随机森林和Stacking等模型其预测性能有很大的提升。     

粒子群神经网络在煤与瓦斯突出预测中的应用

煤与瓦斯突出是危害煤矿安全生产的主要因素,因此做好突出强度的预测具有重要的意义。将煤与瓦斯突出的综合影响因素作为特征向量,构建了基于粒子群优化的BP神经网络煤与瓦斯突出强度预测模型。实验结果表明,煤与瓦斯突出强度的预测值与实际值吻合度较好,该方法可有效地提高预测准确度,对实际生产具有一定的指导作用。