北斗卫星导航产业发展态势的多维度预测方法

针对北斗市场发展过程中不同维度市场产值的预测需求，从整体产值、产业链、上市公司市值等3个不同维度构建了北斗市场产值预测模型。从整体市场产值预测需求出发，研究对比了不同预测模型的产值预测方法及精度，得到不同数据情况下的模型选择参考；基于产业链的产值发展数据，采用不同的经济预测模型，实现单一产业链或整体产值的统计预测；基于上市公司市场产值的预测方法，对特定上市公司、整体北斗市场等不同维度和层次的市场产值进行跟踪和预测。最后，通过实验验证分析了不同模型和方法的精度和可行性，分析在不同数据基础和预测需求条件下的适用方法，为满足不同维度的北斗市场产值预测提供数据和决策支持。     

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...     

深基坑开挖中KPCA结合BP神经网络的基坑变形预测

针对开挖过程中基坑变形预测的问题,提出一种基于核主成分分析(KPCA)和BP神经网络的基坑变形预测方法.首先,根据实际施工情况,确定影响基坑变形的主要因素;然后,将基坑变形数据通过多变量相空间重构技术进行建模;接着,通过KPCA技术从变形数据中提取出主要分量;最后,基于提取的主要分量来训练BP神经网络预测模型,以此实现对之后基坑施工中基坑变形的预测.实验结果表明,提出的预测模型能够准确地预测基坑变形程度,具有可行性.     

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．     

基于随机生存森林与网络拓扑信息的食管癌风险预测

为精确预测食管癌病人的存活风险,通过构建食管癌编码基因(mRNA)和非编码基因(ncRNA)共表达网络,利用随机游走挖掘网络节点的拓扑权重,并与随机生存森林(RSF)整合,构建食管癌风险预测模型.结合5倍交叉证实和独立数据集验证,利用C-index评估算法预测性能.识别出了用于构建风险预测模型的最优lnc RNA分子标签,并实现了食管癌生存风险的精确预测.     

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.     

BP神经网络预测技术在脱硫系统pH值中的应用

在热电厂脱硫过程中,pH值的稳定性对脱硫效率影响重大,在实际生产中因受到各种环境因素及主观因素的影响,pH测量仪器在现场操作中易受到破坏或腐蚀,给生产造成很大损失,为了降低这种损失,提出了基于BP神经网络的预测技术。运用此预测算法对系统参数进行数学建模,设计了三层网络预测模型,同时用Matlab工具箱对pH数据进行仿真,使系统实现在线控制和实时控制。结果表明,BP神经网络对脱硫系统中pH值的预测精度很高,产生误差也很小,取得了满意的预测效果。因此,用BP神经网络预测技术对烟气脱硫系统中的pH值进行预测,能提前预知脱硫过程中pH值的变化情况,有助于改善脱硫装置的效率。     

布袋除尘器在焦化除尘系统中的应用分析

为了净化炼焦生产环境,需要一个性能良好的除尘控制系统实现无污染生产。本文从焦炭的生产过程出发,介绍了布袋除尘器如何在焦化除尘系统中实现高效可靠的除尘过程。     

融合多源信息的人民币汇率预测

通过有效融合与汇率相关的互联网搜索信息和宏观经济信息,提出一个新的汇率预测方法.一方面,根据信息丰富的互联网大数据,将选取的百度指数关键词信息合成能反映投资者关注度的百度综合搜索指数,再利用核主成分(KPCA)方法对宏观经济变量的信息进行提取,合成宏观综合影响指数,最后构建基于多源信息融合的汇率预测模型;另一方面,分别采用BP、KELM和SVM模型进行预测.为减小预测误差,对神经网络连接权重和阈值使用灰狼优化算法(GWO)进行了优化.通过对美元兑人民币汇率进行实证发现,融合多源数据信息之后,使用GWO-BP预测模型能获得更好的预测性能.     

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.     

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.     

广东省博罗县中长期电力负荷预测的研究

基于中长期电力负荷预测受诸多不确定因素的影响,结合广东省博罗县电力负荷的发展情况,建立了一种基于灰色系统理论的中长期负荷组合预测模型,旨在提高博罗电力负荷预测的准确度。对传统灰色预测模型进行了改进,引入二次指数平滑法对原始数据进行修正,构造一个新的样本序列,并构建灰色等维新息预测模型。然后将改进后的GM(1,1)模型与一元二次回归模型进行线性组合,该预测模型精度高,其结果对博罗电力生产实际具有指导意义。     

GM(1,1)模型的改进及其在西安市人口预测中的应用

人口规模对大中型城市的发展非常重要,为提高人口预测模型的预测精度,分析了GM(1,1)和等维递补动态预测模型的特点,并以2007—2012年西安市人口数据资料为依据,应用灰色系统理论构建等维递补GM(1,1)动态预测模型,预测了西安市2013—2016年城市人口规模,结果分别为859.757 3万人(2013年),864.010 6万人(2014年),868.285 0万人(2015年),872.580 5万人(2016年)。统计检验和误差分析结果表明,该模型方法简便可行,预测精度高,结果符合实际,可靠性强,为市域经济发展的研究和决策提供了科学依据。     

培养创新能力的教学质量评价体系研究

针对提高高校教学质量问题,对创客教育课程模式进行了设计,优化创新创业教学要素配置,融合"学、做、创"的学习活动内容,建立具备层次性、实践性、自主性和开放性特征的创新创业教育实践平台体系.构建创新创业人才培养的创客教育评价指标体系,提出了基于支持向量机的多类分类教学质量评价模型,并对该模型进行了性能分析.实验数据表明,基于支持向量机的高校教育质量评估模型训练和预测精度完全在可以接受的范围内,是一个合理、可行的预测模型.     

基于单项预测模型筛选的隧道变形优选组合预测

采用优选组合理论,提出了基于单项预测模型筛选的隧道变形优选组合预测方法,建立了隧道变形预测系统.系统由包含各种监测成果的监测库、动态更新的变形预测模型库和模型评价库组成,采用人机对话方式在众多的经评价满足最优组合预测条件的单项预则模型中筛选出合理的单项模型,对其进行组合预测,继而再对不同的组合预测结果进行评价比较,得到较好的隧道变形组合预测结果.将该方法应用于隧道工程的拱顶下沉预测,利用前期工况的数据建模,对后期工况的未来变形量进行滚动预测,获得了令人满意的结果.     

基于CPSO-BP神经网络的PM_(2.5)浓度预测模型

为了提高大气中PM_(2.5)浓度的预测精度,采用平均影响值(MIV)算法筛选出对大气中PM_(2.5)浓度有影响的主要变量,并依次作为神经网络输入变量。利用混沌粒子学(CPSO)算法修正BP神经网络初始权值和阈值,优化BP神经网络机构,以达到提高预测模型精度的目的。以2017年西安市PM_(2.5)日均浓度数据为样本建立预测模型,实验结果表明:相比于传统BP神经网络,基于CPSO-BP神经网络预测性能更优。     

动态测量误差灰色预测建模辨识参数修正方法

基于现代误差修正技术,研究灰色系统理论建立的动态测量误差短期预测模型,以进行误差修正,提高动态测量精度.文章重点分析了所给模型的参数辨识与修正问题,并以长光栅测量系统为对象,对其得到的动态测量误差进行实践,提出在预测过程中对影响测量结果的模型辨识参数修正的方法,从而提高测量模型的精度.     

滑动平均法改进型灰色预测模型在德山开发区电力负荷预测中的应用

利用灰色控制理论对德山开发区电力需求量进行预测.用生成方法对原始数据进行处理,消除了影响电力需求量的众多非重要因素,并从原始数据中挖掘有用的信息,建立微分拟合方程,基于残差修正提出滑动平均法改进型灰色预测模型,增加当年数据的权重,避免数值的过度波动.德山开发区电力负荷预测结果表明该模型能有效提高预测精度.     

基于基因表达式编程的煤矿地表变形预测模型的研究与实现

【目的】本研究论述了煤矿地表变形预测的研究现状和基因表达式编程及其算法。【方法】笔者通过C#编程语言进行程序设计，对煤矿地表变形监测原始数据进行预处理，利用某煤矿前20期的变形原始数据来构建基于基因表达式编程（GEP）的煤矿地表变形预测模型，并对最后5期进行预测分析研究。【结果】结果表明，预测模型得出的预测值和实际值相差4～9 mm。【结论】这说明基于GEP的预测模型具有比较高的精度，有较好的可靠性。