大气污染预测的参数化组合算子方法

大气污染物浓度预报是一个多因素、复杂的非线性问题，以往多使用线性回归方法．根据Zimmermann提出的参数化二元组合算子方法，将其推广为多元的情形．在成因分析的基础上，建立了大气污染物浓度预测的参数化组合算子模型，适应非线性问题．实例分析比较表明，该方法是有效的．     

广义加权函数平均组合预测模型及其应用

针对各种预测问题的实际情况，组合预测模型可以采用多种不同的组合形式．而不同的组合预测模型，其预测效果是不同的．给出一种新的组合预测模型——广义加权函数平均组合预测模型及其加权系数的参数估计方法．利用此模型对航材消耗进行预测，并以实例说明其预测效果．     

成都市四种垂直绿化植物生态学效应研究

对爬山虎（Parthenocissus trcuspidata)，木香（Rosa banksiae Ait)，油麻藤（Mucuna sempervirens)，紫藤（Wistaria sinensis Sweet)四种垂直绿化植物测定叶面积指数、呼吸与光和速率及蒸腾强度等指标，计算释氧固氮和吸热降温量，量化评价了四种垂直绿化植物的生态学效应．     

短期负荷预测模型及其影响因素

在分析电力负荷曲线特性的基础上，将日负荷分成工作日和非工作日，并着重考虑温度对负荷曲线特性的影响，将BP算法和模拟退火(SA)算法相结合，对某电网的日负荷数据进行实际计算，发现考虑预测日类型和温度等因素后，负荷预测精度有很大提高．     

长沙市科技人才需求预测与高等教育发展战略研究

本文在分析长沙市科技人才及高等教育发展现状的基础上,结合未来长沙市科技人才需求的预测,提出了长沙市高等教育发展的战略目标及其具体途径.     

基于自适应神经模糊推理系统的企业市场预测

针对传统的市场预测方法几乎回避了市场信息具有模糊性的特点，出现的用神经网络进行市场预测又不能表达模糊语言的情况，分析了自适应神经模糊推理系统的结构机理，提出了用自适应神经模糊推理系统进行企业市场预测；仿真结果说明了该方法的有效性和可行性。     

应用级联神经网络预测供热锅炉次日小时热负荷的初步研究

通过对供热锅炉房热负荷的分析，建立了基于两个BP网络的级联神经网络(CNN)。相关性分析表明，可将时间序列负荷数据作纵横向分离，横向相关系列负荷可作为CNN前一BP子网络的输入数据，纵向相关系列负荷可作为CNN后一BP子网络的输入数据。前一BP子网络用于小时负荷的初始预测，其预测结果加入后一BP子网络的输入系列，实现对负荷的精确预测。按照此模型，建立了某一印染厂锅炉房次日小时蒸汽负荷的CNN预测模型。程序运行结果表明该模型在预测时足够准确可靠。     

战区反导拦截效率模型研究

在未来防空作战中,反战术弹道导弹(TBM)是防空导弹部队担负的重要作战任务。针对拦截战术弹道导弹过程中,难以用一般预警雷达完成情报预警的问题,建立了情报预警系统的发现概率和预警概率计算模型,以及防空导弹拦截系统的排队论模型,给出了反导作战拦截效率的计算方法,并讨论了提高反导拦截效率的对策与方法     

非线性时间序列建模的混合GARCH方法

在文献[1]的基础上，首次提出混合广义自回归务件异方差（Mixture Generalized Autoregressive Conditional Heteroscedastic Model简记MGARCH）模型；给出并证明了MGARCH模型的一阶平稳性的充分必要条件及二阶平稳性的充分务件；给出该模型参数估计的EM算法：利用BIC定阶准则对MGARCH模型的各成份进行定阶；计算结果表明该模型对金融非线性时间序列中存在的变异率现象具有较强的描述能力，有广阔的应用前景。     

基于二层分解技术和改进极限学习机模型的PM_(2.5)浓度预测研究

准确的PM_(2.5)浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于PM_(2.5)浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机(ELM)模型的PM_(2.5)浓度预测方法,该方法融合了快速集成经验模态分解(FEEMD)和变分模态分解(VMD)两种分解技术以及经过差分演化(DE)算法优化的ELM模型.为了验证所提出预测方法的有效性,本文使用该方法对北京市和石家庄市的PM2.5浓度序列进行了预测研究.结果表明:1)相比于单层分解技术,本文提出的二层分解技术可以更加有效地降低PM2.5浓度序列的非线性及非平稳性特征;2)基于二层分解技术的DE-ELM预测模型可以显著提高PM_(2.5)浓度的预测精度.