时间序列优选法在棉铃虫发生趋势超长期预测中的应用

本文探讨了时间序列优选法在三代棉铃虫发生趋势超长期预测中的应用方法。     

市场产品占有率和期望利润预测方法研究

本文从市场产品销售出发，研究了产品市场占有率、期望利润的特性并给出了一种新的预测方法，此法在市场营销活动中有指导意义。     

(n,m)-p-蜘蛛树的强优美性

给出了优美树、强优美树、边对称树以及对偶标号的概念,定义了一类蜘蛛树.证明了此类蜘蛛树是强优美树,蜘蛛树的强优美标号是对偶标号,并证明了蜘蛛树的边对称树仍然是强优美树.     

我国生猪年度供给量预测研究

在运用协整检验、成本分析等方法对生猪供给量的影响因素进行分析的基础上,综合运用了回归分析、专家经验分析、指数平滑、情景预测等预测和决策方法,对我国2010-2012年的生猪年度供给量进行了预测.预测结果表明,在不发生影响生猪供给的重大突发事件的情况下,2010-2012年我国生猪产量将呈逐年上升的趋势.     

具有技术指标的逻辑回归模型预测谷歌股票的涨跌趋势

正确预测股价的涨跌趋势会给投资者带来巨大的经济效益.近年来人们提出了时序预测、技术分析、基本分析和机器学习等方法来提高股价趋势的预测精度.文章主要结合技术指标和逻辑回归模型发展提高股价趋势预测精度的有效方法.首先,基于Murphy对金融股市发展的技术分析方法提取一些重要技术指标作为预测变量,构建刻画股价涨跌趋势的逻辑回...     

基于灰色-马尔可夫链模型的危险化学品事故预测

根据危险化学品伤亡事故的发生受多种灰色因素影响,并且具有较大的随机波动性的特点,提出了运用灰色-马尔可夫链预测模型对危险化学品死亡人数进行预测分析.结果表明,所建立的灰色-马尔可夫链预测模型既能反映死亡人数变化的总体趋势,又能体现数据的波动性特点,其预测精度高于GM(1,1)模型的预测精度,可以较好地应用于危险化学品事故的预测,为该行业的安全管理提供准确的理论依据.     

基于特征参数分布的机载电子设备故障诊断与预测

基于特征参数趋势进化的故障预测是一种有效的方法,引入了一种考虑特征参数概率分布的新型判据进行多故障模式诊断与预测.基于过程神经网络建立了高精度预测模型,根据模型和部件使用记录进行趋势预测.基于方法对机载电子设备进行案例研究,结果表明,方法的判定结果更加符合多故障模式并存、故障严重程度不同的实际情况,而具有较高拟和、泛化预测精度的PNN模型是一种有效的趋势预测方法.     

火灾的周期性波动规律及其应用

分析中国火灾的历年统计数据,发现中国火灾发生规律同时具有增长趋势性和周期波动性特征.借助于M ATLAB软件,根据2000-2006年中国火灾统计数据,分别建立了火灾24小时发生起数的(1)趋势灰色预测与周期波动指数相乘的组合预测模型和(2)二次曲线趋势与Fourier级数叠加的组合预测模型,两个模型(预测值与实际值)的平均相对误差都小于0.09.研究结论为消防研究、消防部门决策提供科学依据.     

基于ARIMA与信息粒化SVR组合的股指预测研究

对于证券市场投资者而言,基于合理假设准确预测资产价格未来发展方向与趋势关乎投资成败。本文通过构建一个基于ARIMA与信息粒化SVR的组合预测模型,对股票市场指数价格和收益变化的趋势进行预测。实证研究结果表明:基于ARIMA与信息粒化SVR组合的股指预测模型相较于传统时间序列模型而言,在预测精度和效度方面有较大提升,能够在一定时间周期内对股票等风险资产的价格波动区间进行较为可靠地预测,但目前还只能大致确定时间序列波动的区间范围而不能精确地预测具体点位。未来仍需结合其他预测模型和预判技术进一步深入研究,以有效提升股指趋势预测的准确性和实际指导性。     

蜘蛛的启示

一次雨后,一只蜘蛛艰难地向墙上已经支离破碎的网爬去,由于墙壁潮湿,它爬到一定的高度,就会掉下来,它一次次地向上爬,一次次地掉下来……第一个人看到后,长叹了一口气,自言自语道:"我的一生不正像这只蜘蛛一样吗?忙忙碌碌却一无所得."于是,他日渐消沉.第二个人看到后,陷入了思考:"这只蜘蛛真愚蠢,为什么不从旁边     

Intermittent demand: Linking forecasting to inventory obsolescence

The standard method to forecast intermittent demand is that by Croston. This method is available in ERP-type solutions such as SAP and specialised forecasting software packages (e.g. Forecast Pro), and often applied in practice. It uses exponential smoothing to separately update the estimated demand size and demand interval whenever a positive demand occurs, and their ratio provides the forecast of demand per period. The Croston method has two important disadvantages. First and foremost, not updating after (many) periods with zero demand renders the method unsuitable for dealing with obsolescence issues. Second, the method is positively biased and this is true for all points in time (i.e. considering the forecasts made at an arbitrary time period) and issue points only (i.e. considering the forecasts following a positive demand occurrence only). The second issue has been addressed in the literature by the proposal of an estimator (Syntetos-Boylan Approximation, SBA) that is approximately unbiased. In this paper, we propose a new method that overcomes both these shortcomings while not adding complexity. Different from the Croston method, the new method is unbiased (for all points in time) and it updates the demand probability instead of the demand interval, doing so in every period. The comparative merits of the new estimator are assessed by means of an extensive simulation experiment. The results indicate its superior performance and enable insights to be gained into the linkage between demand forecasting and obsolescence.     

可拓预测方法

针对以时间为自变量的预测对象—变动性事物的变化原因,通过可拓学中物元的可拓性分析,运用物元方法进行形式化描述,进而给出变动性事物的可拓预测方法.并对预测结果的误差给出评价与修正的方法,建立起对预测对象的定性分析与定量计算有机结合的预测模型,形成了一种集科学性、直观性、准确性、普适性于一身的新型预测方法.     

Reduced order models for the prediction of the time of occurrence of extreme episodes

We describe in this paper a very special class of complex systems, namely those which admit reduced order models for the prediction of the peaks of a relevant variable (the output variable of the system). In particular, we show that if the attractor of the system is a torus or a low-dimensional strange attractor, such reduced order models exist and allow one to forecast the time of occurrence of the next peak, given the times of occurrence of the last three peaks. This property is particularly useful for forecasting recurrent extreme episodes in ecosystems.     

基于向量值有理插值的最优预测算法研究及陶瓷需求量预测的应用

通过对高维数据整体表达式建模预测方法和分区间等预测算法的缺陷分析,提出基于向量值有理插值的最优预测算法,通过有理向量插值函数和各分量的误差限得到向量之间的相似性,克服了其它很多算法利用向量的整体表达式方法而产生预测的偏差;另外,通过向量的误差限与训练样本所得向量值有理插值函数及迭代仿真方法来确定预测样本向量所对应的最优预测值.通过实例,算法所得预测值的精度比其他算法更高,并且分析了误差限和迭代步长对算法性能的影响.     

基于FOA-RBF神经网络的外贸出口预测

应用果蝇优化算法对径向基神经网络扩展参数的优化方法进行研究,给出了一种以标准误差计算公式为味道判定函数,以此确定最优的径向基函数的扩展参数值的方法,并建立了相应的预测模型.应用该预测模型对黑龙江省外贸出口额进行预测,结果表明:预测模型的预测精度优于径向基神经网络,从而证明了方法的有效性.     

降雨量预报方法评价模型

目的:给出2005年全国大学生数学建模竞赛C题的解答.方法:利用二维插值、区域圆形覆盖算法、层次分析法(AHP)中的1—9标度法和独立样本t检验,分别对非等级预报和等级预报情形建立了点降雨量和面降雨量预报方法评价模型.结果:得到了题中两种预报方法优劣的比较结果.结论:降雨量预报方法1优于方法2.     

The use of forecast gradients in 3DVar data assimilation

In this paper, we propose an optimization approach for data assimilation by the use of forecast gradients. The proposed objective function consists of two data-fitting terms. The first term is based on the difference between the gradients of the forecast and the analysis, and the second term is based on the difference between the observations and the analysis in observation space. The motivation for using forecast gradients is that the forecast values provide an estimation of the system state, but they may not be accurate enough. We therefore propose to construct analysis gradients driven by the forecast gradients, instead of the forecast values. The associated data-fitting term can be interpreted by using the second-order finite difference matrix as the inverse of the background error covariance matrix in the 3DVar setting. In the proposed approach, it is not necessary to estimate the background covariance matrix and to deal with its inverse in the 3DVar algorithm. The existence and uniqueness of the analysis solution of the proposed objective function are established in this paper. The solution can be calculated by using the conjugate gradient method iteratively. Experimental results based on Community Multiscale Air Quality (CMAQ) and Weather Research and Forecasting (WRF) simulations are presented. We show in our air quality data assimilation experiment that the performance of the proposed method is better than that of the 3DVar method and the En3DVar method. The average improvements over the CMAQ simulation results for single-species NO₂, O₃, SO₂, NO, and CO are 18.9%, 34.0%, 22.2%, 4.3%, and 91.9%, respectively; and for the multiple-species PM2.5 and PM10, the improvements are 61.2% and 70.1%, respectively. In addition, the performance of the proposed method in temperature data assimilation is improved by 45.1% compared with the 3DVar method.     

模糊神经网络方法在定点定量降水预报中的应用研究

以单站24小时降水量作为预报对象,采用模糊神经网络方法进行了新的数值预报产品释用预报方法研究.首先通过对T 213、ECMW F预报因子场以及高空气象探测资料进行处理,有效浓缩多种物理量因子场的实况及预报信息,并进一步建立了南宁、桂林、河池、百色4站的降水模糊神经网络释用预报模型.运用与实际业务相同的预报方法对2006年6—8月进行逐日的降水量预报试验,并与相同时次的T 213降水预报产品进行对比分析.结果表明,4个单站的定点、定量模糊神经网络降水预报模型,在预报性能上明显优于同期T 213数值预报模式的降水预报结果.     

基于马尔可夫模型的我国东、中、西部的产业结构预测

应用马尔可夫预测方法对我国东、中、西部产业结构预测问题进行研究,并给出了其马尔可夫的状态转移概率矩阵的估算模型,经计算结果表明此方法具有较高的预测精度,并应用此方法预测了我国2009年和2010年的东、中、西部的产业结构.     

证券投资预测的E-Bayes方法

本文提出了证券投资的一个分析方法—E-Bayes方法.首先进行统计分组,在此基础上应用状态概率的E-Bayes估计建立证券投资的预测模型,最后结合实际问题进行了计算,结果表明本文所提出的方法便于应用.