辽宁沿海经济带经济与环境协调发展的态势预测

区域经济环境协调发展的目标是在经济持续增长的过程中充分考虑环境要素的限制并加以保护,以获得经济效益与环境效益的统一.预测的目的则是为了掌握经济与环境协调发展的状况和趋势,以及时化解和防范经济与环境协调度恶化的风险.通过灰色预测模型对辽宁沿海经济带经济与环境协调发展的态势进行预测,经济与环境协调度预测的结果显示,2017年之后会呈现大连、盘锦两市协调度开始下降的态势;经济与环境效益综合指数预测的结果显示,辽宁沿海经济带的经济与环境效益综合评价指数主要依靠大连、营口两市的拉动和提升;经济与环境协调发展度预测的结果显示,大连市、营口市的经济与环境协调发展度明显高于其他4个城市.     

基于Apriori模型的海洋灾害预警数据挖掘技术

针对Apriori模型在挖掘的过程中需要多次访问数据库和产生大量频繁项目集占用更多的内存的问题,文章对基于数据库记录的Apriori模型的数据挖掘方法进行了改进,采用以事物数据库为中心的挖掘方法减少了频繁项目集和访问数据库的次数。此方法能够快速地形成预警决策支持库,是解决海洋自然灾害预报的一种新方法。     

预测控制在数控机床伺服系统中的应用研究

提出一种采用模型算法PI预测控制及其在数控机床伺服系统的应用方案,对预测控制三要素（预测模型,参考轨迹和控制律）作了详细的论述．模型算法PI预测控制使数控机床伺服系统实现了快速、精密的位置控制．经仿真和实测践表明,谊系统具有较好的鲁棒性和跟踪性能．     

基于辐射预测的太阳能平面接收器安装角度优化

以北京54511气象观测站的太阳辐射数据为基础,分别用该气象站2003年实测太阳辐射数据、Elman神经网络预测得到的2003年太阳辐射数据和标准气象年太阳辐射数据,以斜面上累计太阳辐射总量最大为目标,分别计算太阳能平面接收器的最优安装角度,得到了3种情况下月最优安装角度、全年最优安装角度、夏半年以及冬半年最优安装角度.以按实测数据求解所得结果为基准,进行比较.结果表明,按神经网络预测数据计算的最优安装角比按标准气象年数据计算的结果更为理想.     

The importance of time‐varying volatility and country interactions in forecasting economic activity

This paper examines the relative importance of allowing for time‐varying volatility and country interactions in a forecast model of economic activity. Allowing for these issues is done by augmenting autoregressive models of growth with cross‐country weighted averages of growth and the generalized autoregressive conditional heteroskedasticity framework. The forecasts are evaluated using statistical criteria through point and density forecasts, and an economic criterion based on forecasting recessions. The results show that, compared to an autoregressive model, both components improve forecast ability in terms of point and density forecasts, especially one‐period‐ahead forecasts, but that the forecast ability is not stable over time. The random walk model, however, still dominates in terms of forecasting recessions.     

严西湖后湾水质污染趋势研究

根据武汉市严西湖后湾实测污染的数据,作者借助于流场二维数学模型,用差分法对有机污染物浓度场进行数值计算,得到了其浓度分布。采用相关数学模型预测有机物发展趋势,可为掌握湖区污染状况,对其进行综合防治,发展水产养殖,湖区环境保护,环境规划等,提供科学依据。     

基于ARMA模型的振动信号建模与预测

振动信号是反映系统故障的重要信息,预测振动信号的趋势是系统状态监测与故障诊断中的一个重要内容。本文提出了一种采用时间序列模型来分析和预测非线性随机振动信号的方法,建立了描述振动信号的数学模型。首先将现场测得的非平稳振动信号转化成标准正态平稳时间序列,然后利用这些参考信号建立时间序列模型,并采用非线性最小二乘法进行模型参数估计,最后利用该模型对信号进行预测。应用结果表明该模型能够很好地拟合振动信号时间序列,并取得了一定的预测精度,可以达到预测要求。     

基于灰色关联支持向量机的中国粮食产量预测模型

研究我国粮食生产系统的变动规律,做好粮食产量科学预测不仅是制定农业政策的重要依据,而且对于保证我国的粮食安全具有重要意义。鉴于粮食生产系统的复杂性和信息不完全性,在对粮食生产系统灰色关联分析的基础上,确定出影响粮食产量的主要因子,然后根据支持向量机回归原理,建立了基于灰色关联支持向量机的预测模型。预测结果表明该模型具有较高的预测精度,为粮食产量预测提供了一条新的途径。     

基于GM(1,1)-Markov模型的我国人口城市化水平预测

结合灰色GM(1,1)模型和马尔可夫链理论的优点,建立耦合的GM(1,1)-Markov预测模型。实例预测2009年—2015年我国人口城市化水平,其结果证明GM(1,1)-Markov模型预测精度较高,具有较强的科学性和实用性。     

基于改进BP神经网络的路基材料性能预测

结合人工神经网络原理，分析了路基材料性能的影响因素，采用GSL变换改进后的BP神经网络来预测路基材料的有关性能，通过直接对实验数据的神经网络学习，发现各力学参数之间的关系，从而建造了路基材料性能的人工神经网络模型，对路基材料的无侧限抗压强度和回弹模量进行了预测，结果表明，该模型收敛速度及预测精度均得到改善，可以很好地拟合输入参数与输出参数之间的非线性关系，有较好的实际应用价值。