随机系数回归模型的多步预报公式

研究的随机系数回归模型为 y_t=sum from i=1 to s (β_i(t)x_i(t)+e_t) t=0,1,… 其中回归系数β_i(t)是对经典的定常系数的推广,并假定β_i(t),i=1,2,…,s为应用广泛的多元ARMA或ARIMA时序模型或关于时间t的某种函数.并依此给出y_t的多步预报递推公式可进行动态预报.此预报公式仍适用于系数时间序列为非平稳情况.在无初始信息情况下,此预报公式仍具有某种最优性质。     

码激励线性预测快速算法

对语音编码的两大类即波形编码和参量编码的优缺点进行了分析,重点对码激励线性预测进行了研究.首先提出了感觉加权滤波器的等效变换方法,然后提出了一种码本部分重叠分割法,计算机模拟实验证明,采用上述方法,可以得到很好的合成音质,并使运算速度显著提高。     

矿井采掘计划预侧检验的精度分析

本文研究分析了影响矿井采掘计划预测精度的因素,介绍了样本数据的检验方法和预处理方法,并用实例显示了预测预报的效果。     

12种不同来源的生长激素等电点的预测

本文应用一个经过改进的可预测蛋白质及多肽等电点的数学模型,并辅以相应的计算机程序求解,预测了12种生长激素的等电点。     

应用目标规划于自适应回归预测的参数估计

本文应用目标规划和灵敏度分析对自适应回归预测模型的参数进行估计。此种估计参数的方法避免了在最小二乘估计中由于数据“异常”而造成计算结果的偏差。     

利用神经网络预测与控制丝杠螺纹磨削过程

研究了基于神经网络的丝杠螺纹磨削过程的智能预测与控制问题.基于误差反向传播的机制,针对连续制造过程的预测与控制,提出多层神经网络的逐个样本学习算法.对逐个样本学习算法和目前广泛采用的B-P算法进行了比较和讨论,实验结果表明,逐个样本学习算法比B-P算法具有更好的收敛性.最后,介绍了多层神经网络模型在丝杠螺纹磨削过程的预测与控制中的应用.     

模式识别方法预测蛋白质二级结构的研究

提出一种预测蛋白质二级结构的模式识别方法。该法首先对大量已知结构的蛋白质实验数据进行分析，找出鉴别蛋白质不同结构成分的有效信息，即设计分类器，然后实现对未知蛋白质二级结构的预测。用此方法对６４０个实验样本进行了研究，得到较高的预测精度，表明方法是有效的。还对实验结果进行了分析；讨论了有限样本对分类器性能的影响。     

基于参数模型的智能化预测及其系统研制

研究了基于参数模型的智能化预测、人类专家对预测问题的认知模式与预测模型的智能化选取问题;介绍了所研制的一个基于参数模型的智能化预测系统;应用该系统完成了山东省嘉祥县工商税收的年度预测.