非线性时间序列的重构及预测

采用自适应前馈网络算法(AFN)进行非线性时序预测，对网络结构设计进行详细的探讨，并应用该方法对经典非线性时间序列数据进行预测，与传统预测方法(TAR)比较，结果证明此种方法具有较好的效果，网络的结构得到了简化。不仅满足了误差目标的要求，而且提高了网络的推广能力。且AFN方法可以对时间序列数据间的关系给出一种基于贡献率的解释。     

模型预测控制(MPC)系统仿真软件开发与实现

介绍了基于PC机平台的模型预测控制(MPC)系统仿真软件的开发与实现过程。该软件包含MAC、IMAC、DMC、DDMC和GPC五种预测控制算法，可以用不同的方法实现对预测控制系统的综合性仿真，包括扰动对系统性能的影响以及控制器参数调整的作用等。利用该软件可对模型预测控制系统的作用机理做进一步仿真分析，并有助于定性分析各种算法中设计参数对系统性能的影响以及不同算法之间的区别。     

数据挖掘技术在保险中的作用

数据挖掘在商业应用中正发挥着越来越重要的作用.在该文中,首先讨论了数据挖掘的概念,然后讨论了数据挖掘技术在保险业的应用.     

基于线性变换的MMSE盲多用户检测法

提出了一种基于线性变换和预测的盲多用户检测方法，可同时消除MAI和ISI．它仅利用了某特定用户的扩频序列，先进行线性变换和线性预测，再进行MMSE检测．由于不进行直接信道估计，避免了信道估计误差，使算法的准确性得到了提高．     

双向Elman神经网络在卫星电池阵功率预测中的应用研究

针对神经网络预测电池阵功率存在的模型阶数难以确定及预测精度低下的问题，提出一种基于改进的Elman神经网络的双向预测模型。该模型利用关联层动态神经元的反馈连接，将未来预测网络和过去预测网络的信息进行融合。使网络对时间序列特征信息的记忆得到加强，从而提高预测精度。用该文提出的双向预测模型对电池阵功率进行预测，输入层仅需一个节点，不需事先对模型进行定阶。仿真预测表明，预测精度比单向模型明显提高，且网络具有较好的泛化能力。     

基于支持向量机的短期GDP预测模型与应用研究

支持向量机是最近几年国际上模式识别研究的热点,具有全局最优和良好的泛化能力.本文在理论分析江门市GDP预测指标体系的前提下,研究了基于SVM的预测方法,并运用实际数据进行建模和预测,获得了比较准确的预测结果.     

人工神经网络构造经济预测模型方法的探讨

探讨利用人工神经网络建立经济模型的一般原理和方法,并通过构造一个宏观经济模型的实例加以说明.与传统的回归分析方法相比,人工神经网络具有良好的适应性和分析预测能力.     

柔化因子对广义预测控制稳定性的影响

在内模控制结构下，利用广义预测控制从对象至闭环特征多项式的系数关系，讨论了在Nu=1，λ=0的前提下，柔化因子。的选取对闭环系统稳定性的影响，并给出了根据阶跃响应系数保证闭环系统稳定的参数α的设计准则．这些理论结果为设计广义预测控制系统的稳定性提供了依据。     

甘肃黄土地区地震动持续时间预测研究

在阐述地震动持时的含义及特征的基础上，分析研究了黄土地区与非黄土地区地震动衰减的差异，建立了甘肃省黄土地区地震动衰减规律，提出一种解决与给定超越概率水平相匹配的地震动持时的概率预测方法，给出了甘肃省黄土主要分布地区50年超越概率10％的地震动持时区划结果。     

我国深部找矿技术的突破——隐伏矿深部定位预测技术集成及应用

矿产资源是人类社会赖以生存和发展的基础，矿业已成为我国国民经济发展的支柱性产业，确保矿产资源的稳定供应是国民经济可持续发展的基本条件。温家宝总理多次强调“要高度重视矿产资源的可持续开发利用问题，应作为主要的战略性任务来抓”。