PP回归方法在预测模型中的应用－用PP回归建立“积累”“消费”模型

本文利用ＰＰ回归方法,建立“积累”“消费”回归模型,并与最小二乘法拟合的线性回归模型相比较,说明用ＰＰ回归建立的模型预测精度较高．     

高锰酸盐指数的灰色GM(1,1)预测

以中山市岐江河近7年的高锰酸盐指数监测数据为基础，采用灰色系统理论中的预测方法，建立了岐江河高锰酸盐指数的灰色预测模型。用该模型预测岐江河2006年、2007年、2008年高锰酸盐指数的值分别为5．3，5．4和5．4。     

人工神经网络用于锕系离子An3+水解常数pK1预测研究

０引言水解常数是金属离子水溶液化学的基础数据，对于研究水溶液中离子的状态以及进一步研究其在水溶液中的其它化学行为是必不可少的。一般金属离子（包括镧系金属离子）的水解常数数据相对较为完善，对它们水解的规律性也有不少研究，但锕系金属离子的水解常数数据迄今较缺乏，特别是重锕系的水解常数数据基本空缺犤１～５犦。这主要是因为锕系多为放射性元素，重锕系则基本是人工元素，被发现或合成较晚，即使通过核反应合成，量也往往极少（常以多少个原子个数计算），且半衰期大多很短，因而从获取样品到进行有关化学研究都相当困难。…     

考虑防御系统延迟使其预测误差最大的突防弹道设计

对中段多脉冲机动突防弹道的设计问题进行了研究。采用的原理与方法有别于成熟的航天器多脉冲变轨,而是基于路径规划的思想对弹道设计问题简化。考虑敌方防御系统延迟,改进多脉冲点火模型,并基于变射面的思想对关机点参数进行了设计及优化。然后,从使敌方预测误差最大的角度提出评价函数,并利用遗传算法进行优化。最后,给出了一种同时满足导弹机动突防与打击精度要求的多脉冲弹道设计方法。从模型的可行性,方法的有效性、灵活性、迭代效率及精度等方面进行了仿真验证分析。在PC机仿真中,20 s内就设计出一条保证打击精度的中段突防弹道。结果表明,建立的模型是可行的,提出的突防弹道设计方法是快速有效的。     

灰色Verhulst神经网络组合预测区域空域流量

能够对区域空域的流量做出准确的预测,可以为空中交通管理部门协调航班运行,减缓空域内航路的拥堵提供重要依据.运用灰色Verhulst模型与神经网络的组合模型对区域航班流量进行预测,并结合华东地区飞行流量的数据样本训练并测试模型.结果显示,由组合模型得出的流量预测值与实际值较吻合,说明组合模型比单种预测方法能够更为准确地对区域空域流量做出预测.     

基于梯度提升决策树的航班延误分类预测

考虑航空交通网络状态特征对航班延误的影响,将上游的航班延误状态特征加入到预测因素中,并使用梯度提升决策树(Gradient Boost Decision Tree,GBDT)的方法构建了航班延误预测模型.与以往的决策树算法、SVM分类算法、RF算法相比,GBDT算法在航班延误分类预测上具有更高的准确度,可有效提高机场运行管理效率.     

不同优化准则统计组合预测权系数优化

不同的优化准则下,组合预测模型的权系数一般不同.为了兼顾不同准则的优点,根据均方误差,平均绝对误差以及平均绝对相对误差准则分别确定了组合预测模型的权系数向量,再利用这些权系数和层次分析方法构造新的组合预测模型的权系数.最后,通过几个应用实例,说明了这种建立组合预测模型方法的可行性和有效性.     

带多个弹道路径点约束的扩展MPSP制导方法

针对弹道导弹临近空间低弹道突防问题,对仅仅满足末端输出量约束的模型预测静态规划(MPSP)制导方法进行扩展,提出了带弹道路径点约束的扩展MPSP制导方法。通过在临近空间中段飞行弹道上设置一系列弹道路径点约束,依靠这种策略调节中段飞行弹道的形状,提高弹道导弹的机动突防能力。通过仿真对扩展MPSP制导方法的有效性进行验证,仿真结果表明扩展MPSP制导方法能很好地满足临近空间中段低弹道飞行弹道路径点约束,弹道路径点处的角度偏差可控制在0.1°范围内,位移偏差可控制在1.0 m范围内。     

基于EMD-PSO-LSTM组合模型的船舶运动姿态预测

由于船舶在海上航行时的高随机性和复杂性,单一模型预测能力有限,难以做出准确姿态预测。因此,提出一种基于经验模态分解(EMD)和粒子群优化(PSO)的长短期记忆神经网络(LSTM)的组合预测模型,对船舶运动姿态进行预测。首先通过EMD算法将由惯性导航系统在实时测量得到的船舶运动姿态数据进行分解,得到有限个本征模函数(IMF)。然后,利用PSO-LSTM模型学习各IMF分量的短期时序规律并进行预测,将各IMF分量的预测值相加得到最终的预测结果。基于实测数据进行仿真的结果表明,该组合预测模型分别比LSTM模型和PSO-LSTM模型在姿态角的预测中平均绝对百分比误差分别降低了约11%和7%,有效提高了船舶运动姿态预测精度。     

基于改进最小二乘支持向量机的惯性测量组件故障在线检测方法

为提高惯导系统工作的可靠性和导航性能,对其惯性测量组件的故障模式和检测模型进行了分析。针对最小二乘支持向量机(LS-SVM)回归算法做了两点改进,具体方法是先对输入样本观察窗平移更新的每个样本数据进行异常点滤波判断并用牛顿插值法进行处理,接着通过对在线LS-SVM回归过程的研究,提出了一种递推求解的快速算法,将惯性测量组件的输出量、舵偏角改变量并辅以环境因素作为观测样本序列,应用该算法来提高模型检测的准确性和时效性。最后对惯性测量组件无故障和出现卡滞、恒偏差时的故障模式进行了仿真实验,结果表明,与应用LS-SVM、SVM和BP神经网络算法相比,提出的惯性测量组件故障在线检测方法具有较强的鲁棒性和较快的速度。