基于小波分析理论的证券投资市场预测

提出了一种基于小波分析理论对证券投资市场建模及其预测的方法·该方法分两步完成:第一步通过小波分解进行数据滤波,将证券价格变化曲线中的高频信息过滤,从而实现消除噪声,提高预测精度的目的;第二步应用最小二乘方法建立数学模型,并用模型进行中、长期证券价格预测·实际股票价格仿真结果表明:此方法简洁、预测效果良好,优于一般最小二乘方法     

非对称损失下的点预测问题

从统计判决理论角度考虑了非对称Linex损失下的点预测问题。定义了Linex无偏预测量并讨论了与之相关的一些结论。利用十分统计量给出了最优Linex无偏预测量。     

基于岭估计的最优预测与经典预测的最优性判别

针对有偏估计的预测问题 ,以岭估计为基础 ,以离差矩阵MDE(MeanDispersionError)和广义风险函数为判别准则 ,对广义线性回归模型 {y =Xβ +e ,e～N(0 ,σ2 W ) }的最优预测量与经典预测量的最优性判问题进行了讨论。借助矩阵不等式的一些性质 ,获得在离差矩阵判别准则和风险函数判别准则下判断两类预测量最优性的充要条件。为进一步研究基于有偏估计关于两类预测量的最优性判别问题提供了一种方法和思路     

中国粮食多因子灰色关联神经网络预测研究

针对BP神经网络多变量输入难以确定的缺点，提出了采用灰色关联分析法确定主要影响因子输入的多因子灰色关联分析神经网络预测模型，并给出了灰色关联神经网络BP预测模型的建立方法，对我国粮食生产影响因子多因子预测实证研究结果表明，用该网络建立的模型经过训练后，可得到影响粮食产出的主要影响因子及其之间的非线性关系，网络模型新颖，具有较好的预测精度及较好的预测效果，可广泛应用于各种预测研究，有较高的推广价值。     

乘性噪声中的谐波恢复

研究在乘性噪声均值先验知识未知情况下的谐波恢复问题.提出了基于一阶、二阶循环统计量的混合方法(FSCSH)和基于一阶、三阶统计量的混合方法(FTCSH),即先利用一阶循环统计量得到对应非零均值乘性噪声的谐波频率,再求出与谐波频率对应的乘性噪声均值,最后用二阶或三阶循环统计量来恢复谐波.仿真结果证实了该方法的有效性.     

交通噪声对暨南大学环境的影响

目的：考察中山大道交通噪声对暨南大学北区以及华南快速干线交通噪声对暨南大学东区的影响。方法：采用24h和1周连续监测方法，分别统计监测点的等效声级Leq、昼间等效声级Ld、夜间等效声级Ln。结果：北区监测点的Ld为61．6dB，Ln为58．7dB；东区3个监测点的Ld分别为63．9、61．8、60．2dB，Ln分别为58．7、51．6、47．5dB，均超过了国家标准中的1类标准，1周连续监测结果显示，北区和东区居民所受到的噪声污染是长期而不间断的。结论：暨南大学东区和北区噪声普遍超标。随着城市机动车辆数的继续增加，形势将越来越严峻。     

噪声污染及其控制对策

噪声是全球性的主要环境污染之一，阐述噪声及噪声污染的危害，提出控制噪声污染的防治对策，这对于加强噪声污染的治理具有指导意义。     

正态云关联规则在气象中的应用

用数据挖掘方法发现关联规则和进行预测是信息处理领域的两大热点。在文献[1]的基础上对这两个问题进行了进一步的研究，提出了应用竞争聚集臬法确定正态云的两个参数，应用双参数阈值挖掘正态云关联规则，并利用求正态云关联规则的支持率和信任度来进行预测。将这种方法应用于气象数据，结果表明，所提出的关联规则挖掘方法比文献[1]所用的方法更合理，该预测方法简单易懂，更容易被人理解和使用。     

非线性神经网络模型及在粮食生产预测中的应用

本利用非线性神经网络BP模型，对我国粮食生产进行了实证预测研究。结果表明，用该网络建立的模型经过训练后，可得到影响粮食产出与各因子及其之间的非线性关系，网络模型新颖，具有较好的预测精度及较好的预测效果。可广泛应用于各种预测研究，有较高的应用推广价值。     

今后20年气候变化预测

政策制订者需要短期气候预报来就典型的 2 0年规划远景制订对付气候变化的策略 ,有两项新的研究增加我们对这些气候预报的信心