马尔可夫链在太湖流域梅雨期预报中的应用

依据1954~1991年太湖流域的入、出梅日期以及梅雨集中期,应用马尔可夫链预报了太湖流域1992年和1993年的梅雨期,并利用其平稳分布分析了梅雨期系统在各状态下的概率.应用结果表明:在太湖流域气候条件稳定的情况下,历史数据越多越精确,预测也就越可靠;以马氏链预测梅雨状态的方法是一种概率预报方法,需通过大量的预测检验才能显示出该方法的准确性和可靠性.     

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．     

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。     

ARMA-GM combined forewarning model for the quality control

1.INTRODUCTION Tocontrolthequalityoftheproducts,wemustsu pervisethequalityindexesandanalyzethechanging tendency.Therearealotofstatisticaltoolsincom monuse,themosteffectivemethodisacontrol chart.Itcangrasptheabnormalsymptomofatrend ofthequalityofproductsincontrollingprocessand makethequalitypreventionpossible.Butfromits workingprocessweknowthismethodalsohassome limitation.Becausethecontrolchartonlydetermines theaveragevalueandlimitinterval,onecanonly judgethequalitystateofproductsstatica…     

BP 神经网络网络结构优化问题的研究

将灰色关联分析法应用到BP神经网络隐层结点数的确定中,实现了BP神经网络网络结构的优化,提高了网络的预测精度.仿真结果表明这种方法非常有效,同时也对BP神经网络的进一步研究提供了一种全新的思路.     

基于区间灰数预测模型的天猫“双十一”物流需求量预测

基于天猫"双十一"包裹量增长呈"S"形和连续动态变化的特性,对"双十一"包裹量进行预测;首先将天猫历年"双十一"包裹量划分成几个连续区间,然后通过信息分解法对连续区间灰数进行白化处理,将区间灰数分解成白部序列和灰部序列,最后建立基于信息分解的连续区间灰数离散Verhulst预测模型;经误差检验分析,该模型预测结果精度较高,可以作为天猫平台第三方物流企业对物流资源进行合理、有效调配的依据。     

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.     

基于集对分析的城市供水管网漏损预测及降漏研究

为了降低管网漏损水平,保障城市供水安全性和可靠性,以云南省某城市典型供水片区作为研究对象,运用集对分析漏损预测模型（SPA LF）,从供水管网漏点数和漏点率两个方面分析了不同管材漏损的实际情况,预测未来不同管材的漏损趋势。该研究能够提高供水企业主动检漏水平与供水安全可靠性,降低管网漏损率与供水成本。