基于LPWAN和AQI指数预测的空气质量监测系统

针对传统空气质量监测系统抗干扰能力差、稳定性不高以及AQI指数预测精度不足等问题,设计了一种集低功耗广域物联网LPWAN、One-NET云平台和循环神经网络GRU于一体的空气质量监测系统。系统利用LoRa技术采集环境参数,集合云平台技术、SSA-VMD-GRU模型实现远程监控和预测AQI指数。通过通信测试,结果表明通信距离1000米内,通信率在96%以上,丢包率不超过4%。将采集到的特征参数用传统的GRU模型、VMD-GRU模型和本文提出的SSA-VMD-GRU模型进行训练、测试仿真和对比,结果表明SSA-VMD-GRU模型相较于传统的GRU模型和VMD-GRU模型对AQI指数有更好的预测效果,均方根误差RMSE和平均绝对误差MAE均有降低,预测误差率在3%以内。该系统能够实现对空气质量的实时监控和AQI指数的精准预测,为准确发布空气质量预警提供借鉴。     

基于向量投影测度的区间型组合预测模型

区间型组合预测模型的研究核心是确定各单项预测方法的权重。鉴于向量投影是一个综合性测度,既能反映两个向量指标对象之间距离,又能反映他们之间的夹角,本研究提出了一种新的向量标准化投影测度公式。在向量标准化投影测公式的基础上,定义了区间数向量标准化投影测度的概念,用以描述两个区间数向量的接近程度,以组合预测区间数序列和实际区间数序列的标准化投影测度为最优化准则,构建了两个基于投影测度的全新区间型组合预测模型。并通过两个实例进行了分析：（1）与已有文献的组合预测方法的结果作对比研究,验证了本法所构建的组合预测模型的有效性;（2）对我国2010-2022风力发电量序列进行拟合和预测建模,结果表明本法构建的组合预测模型有更好的拟合和预测效果,具有一定的可行性和实用性。     

非线性系统参数的求解方法及应用

利用神经网络结合部分最小二乘法的系统建模方法,分析输入输出非线性系统并确定参数特性,从而在系统的控制和监测过程中进行预报,以实现系统的最优状态。     

基于ARMA-GARCH模型的上证指数实证分析

研究上证指数收益率过程。本文以2004年9月30日至2011年9月30日期间的上证指数收盘价为基础,验证序列的相关性、稳定性及异方差性,建立ARMA-GARCH模型进行实证分析和预测,分别在误差服从正态分布、t分布、GED分布条件下比较拟合和预测效果,得到t分布的ARMA-GARCH模型最优,表明其更适合上证指数收益率的研究。     

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。