序限制下同变预测区间的改进

在统计决策理论框架内考虑了位置和尺度分布族下随机变量的区间预测问题.利用估计问题中对无序限制下参数估计量的改进方法,结合未知分布参数之间的序限制,对通常的位置和尺度同变预测区间进行了改进.在一定条件下,构造了一族改进预测区间,从而解决了常用同变预测区间的改进问题.     

位置分布族下最优同变预测区间的改进

在统计决策理论框架内考虑了位置分布族下的区间预测问题。利用估计问题中对无序限制下参数估计量的改进方法,结合未知分布参数之间的序限制,对通常的位置最优同变预测区间进行了改进,构造了一族改进预测区间。     

位置分布族下最优同变预测区间的改进

在统计决策理论框架内考虑了位置分布族下的区间预测问题.利用估计问题中对无序限制下参数估计量的改进方法,结合未知分布参数之间的序限制,对通常的位置最优同变预测区间进行了改进,构造了一族改进预测区间.     

参数序限制下最优同变预测区间的改进

考虑了位置分布族与尺度分布族中,当未知参数含有序限制时,对未知随机变量的预测区间的问题。利用序限制下最优同变估计量的改进方法,在一定条件下,构造一族改进后的同变预测区间,从而解决了对未知随机变量同变预测区间的改进问题。     

序限制下最优位置同变预测区间的改进

考虑序限制下随机变量的统计预测问题. 利用密度函数中未知参数间的序限制及可得到的所有样本观测值, 改进了位置分布族下常见的同变预测区间, 给出一族改进的预测区间, 并举例进行了说明.     

基于区间数距离和ICOWA算子的变权区间组合预测模型

针对预测值为区间数形式,将区间数距离和诱导连续有序加权平均算子ICOWA结合,以ICOWA算子下实际预测序列与组合预测序列的距离最小为准则,构建了变权组合预测模型,并证明了模型的非劣性.最后,通过实例说明了模型能够有效提高预测精度.     

基于核和精确度的三参数区间灰数预测模型

针对传统灰色预测模型只能解决实数序列和区间灰数序列预测的不足,提出了三参数区间灰数的预测模型.通过定义三参数区间灰数的核和精确度,进而得到三参数区间灰数的核序列、"重心"点序列和精确度序列,从而将三参数区间灰数序列预测转变成实数序列预测,分别对三组序列建立预测模型,在不破坏灰数整体性的前提下,推导还原得到三参数区间灰数的预测模型,并对其进行精度检验,最后用一个实例来验证所建模型的有效性和实用性.     

基于GM包络模型的可转换债券价格区间预测

研究利用GM包络模型预测可转换债券价格的运行区间.提出了一种适用于预测可转换债券价格运行区间的GM包络模型.利用这个模型实现了对W转债价格运行区间的预测,并得到了较好的预测结果.该工作为可转换债券价格运行区间的预测探索了一条新的途径.     

基于区间精度和IOWA算子的变权组合预测方法

现有的区间组合预测模型往往是将单项预测方法不同时刻的预测精度转化为实数,这将导致预测信息的损失。因此,文章提出一种新的区间预测精度的概念,将单项预测方法不同时刻的精度用区间数表示,并利用可能度对其进行排序;将排序后的预测精度作为诱导变量,构建基于区间预测精度和诱导有序加权平均(induced ordered weighted averaging,IOWA)算子的区间变权组合预测模型;实例分析说明了该区间组合预测方法的有效性;最后,对模型参数做了灵敏度分析。     

双边定数截尾下Topp-Leone分布的Bayes估计与预测

在双边定数截尾样本下得到了Topp-Leone分布中参数的极大似然估计.基于无信息先验分布和Gamma先验分布,在平方损失和预防损失下分别得到了参数的Bayes估计.根据后验密度函数得到了未知参数的Bayes可信区间和未来观测值的预测密度,进而可得预测值和预测区间.利用Monte-Carlo模拟计算了参数的各种估计的均...     

以中位数为中心的分级相似预报法

本文介绍一种计算简单且效果较好的预测方法,它既可作趋势预报又可作定值预报。     

基于链路预测算法分析虚假链接问题

链路预测与虚假链接是复杂网络的两大研究热点,目前为止,链路预测方法的研究已经非常成熟,而对于虚假链接的研究却仍旧没有得到太多的关注.根据链路预测与虚假链接的联系,用17种经典的链接预测算法,研究了这些算法在8个真实网络数据集中的识别虚假链接效果.实验结果表明,这些算法在识别虚假链接中的AUC值明显低于在链接预测中的AUC值;并且随着测试集比例的增加,在给定某个算法和数据集上,AUC值逐渐降低.     

太阳能电池阵的功率预测

为实现卫星太阳能电池阵的功率预测,在工程上常用太阳能电池的单指数等效电路模型的基础上,考虑了串联电阻,提高了I-V特性方程模型精度。利用某地球同步卫星在轨6年的太阳能电池阵的输出功率数据,求出了太阳能电池阵在卫星寿命过程中每年的衰减因子,代入功率预测模型,预测结果表明,预测精度可以满足工程上的要求。该功率预测模型适用于其他同类型地球同步轨道卫星的太阳能电池阵的功率预测。     

基于时序长记忆模型的风电场短期功率预测

随着风电的飞速发展,风电场接入电网的规模日益扩大,随之而来的是对风电功率预测准确性要求的提高,准确的风电功率预测可以更好地利用风能资源,减小风电并网对电网的不利影响。为了提高风电预测的精度,采用最大期望算法(expectation maximization algorithm,EM算法)对风电场功率历史数据进行处理,填补缺失值,替换错误数据,然后采用修正重标极差分析法即修正R/S分析方法分析数据的长记忆性,采用时间序列ARFIMA模型,然后根据预测时刻之前的功率数据,通过贝叶斯统计推断对模型参数进行估计,生成预测模型方程,进而对风电场输出功率进行预测。     

基于灰色-神经网络的核动力设备运行趋势预测

根据核电设备运行参数的历史数据,利用灰色系统GM（1,1）预测模型建立动态微分方程,并预测其发展趋势。如果原始数据序列呈线性变化且还原值序列的相对误差平方和较大,则用BP神经网络对GM（1,1）的预测结果进行修正,以提高预测精度。文中以二回路辐射剂量率的预测为例,对该方法进行了仿真实验验证。验证结果表明,用BP 神经网络对GM（1,1）的预测结果进行修正相比较GM（1,1）预测模型,预测精度得到了显著提高。     

基于最优组合预测模型的电力负荷预测研究

电力负荷预测是电力规划及安全运行的基础,提高预测精度是电力负荷预测研究的重点,由于负荷预测的变化性和不确定性,单一的预测模型很难满足所有的预测情况;组合预测是将各个单项预测所得的结果选取适当的权系数进行加权平均的一种预测方法;采用灰色和时间序列作为单项预测模型,然后进行最优组合建立组合预测模型进行电力系统短期负荷预测;仿真实例表明:最优组合预测模型比单项预测模型具有更高的预测精度,具有一定的优越性。     

基于灰色支持向量机的矿山安全事故预测研究

为了提高矿山安全事故预测的可靠性,在灰色预测模型GM(1,1)和支持向量机SVM的基础上,提出了矿山安全事故次数的灰色支持向量机G-SVM的组合预测模型.首先采用GM(1,1)进行数据趋势预测,然后对于残差序列采用支持向量机预测进行捕获,最后将两种模型的结果进行融合,得到组合预测结果.结果表明,组合模型比单一的GM(1,1)模型和SVM模型具有更高的预测精度.     

基于平流层环流变化的夏季长江下游强降水频数气候预测模型

采用相关分析方法,研究了6~8月长江下游强降水频数与前期冬季12~2月全球50 hPa纬向风的关系;并研制了基于KLM滤波的夏季长江下游强降水频数气候预测模型。结果表明,存在3个显著的相关区:北极附近,北太平洋中纬度和南半球高纬度地区。用这些前期12~2月全球平流层关键区的纬向风建立KLM预测模型进行预测试验,发现它对近10年6~8月长江下游地区强降水频数的变化具有较好的预测能力,明显优于多变量的线性回归预测;其中与北极附近和南半球高纬度地区平流层纬向风相关稳定,而与北太平洋中纬度纬向风的相关存在一定程度的不稳定。基于平流层环流变化的夏季长江下游强降水频数KLM模型可以为短期气候预测业务预报提供重要参考。     

三种预测模型的比较与研究

通过对某地区自然灾害造成的损失数据的预测,针对灰色预测模型GM(1,1)预测精度问题展开了一系列研究.采用直线插值法将非等时距数据进行等时距变换.通过后验差验算线性回归模型、指数回归模型和GM(1,1)模型的预测等级,验算结果表明指数回归模型的预测等级与GM(1,1)的预测等级都处于最优级,线性回归预测等级为不合格.为进一步研究GM(1,1)和指数回归预测模型的预测精度,将两者的预测相对残差绝对值进行对比分析,结果表明GM(1,1)整体预测精度比指数回归模型略高.