基于Logistic回归的水质预测研究

在环境系统评价中,水环境质量等级评价是其中十分重要的工作.鉴于对水环境研究中,水质级别为分类变量不能利用传统回归方法分析的特征,基于logistic回归方法建立了一种水质级别预测模型.利用长江流域的水质监测数据,将logistic回归应用于水质数据分析,进行水质建模,对水质级别做出预测.研究结果表明利用logistic回归进行水质分析,具有良好的拟合和预测效果.     

关于预测误差平方和最小准则的几点看法

在应用桃棣荣等提出的预测误差平方和（ＰＲＥＳＳ）最小准则逐步算法的过程中，发现单纯应用ＰＲＥＳＳ值来控制引进因子数目有时不很有效。因此建议：１）当引进因子过多时，采用赤池信息准则对因子数做进一步控制。２）当引进因子过少时，取消原算法中关于ＰＲＥＳＳ值上界的规定和增加候选因子数以增加引进因子数。最后，对应用ＰＲＥＳＳ准则时所选因子的优良性进行了讨论     

从弹簧滑块到地震预测:BK模型今昔谈

Burridge-Knopoff弹簧－滑块模型作为一个概念性的地震模型，自1967年提出以来一直为地震学家和物理学家所关注，对BK模型的研究成为物理学与地震学之间的一个活跃的交叉领域，BK模型的一些性质，例如确定性浑沌，自组织，孤立波，等等，能够为理解地震的性质和解决地震预测问题提供有用的线索，BK模型与目前的一些悬而未决的复杂性物理问题的联系，使它不仅对地震研究，而且对更普遍的多体系统问题的研究，都有重要的影响。     

用于真实蛋白质结构预测的一种新的优化方法

用“相对熵”作为优化函数 ,提出了一个有效快速的折叠预测优化算法 .使用了非格点模型 ,预测只关心蛋白质主链的走向 .其中只用到了蛋白质主链上的两两连续的Cα 原子间的距离信息以及 2 0种氨基酸的接触势的一个扩展形式 .对几个真实蛋白质做了算法测试 ,预测的初始结构都为比较大的去折叠态 ,预测构象相对于它们天然结构的均方根偏差 (RMSD)为 5～ 7 .从原理上讲 ,该方法是对能量优化的改进 .     

最小偏差分析法在经济周期分析中的应用

利用最小偏差分析法,分析了我国GDP增长率的周期性特征,并对我国今后几年的GDP增长率进行了预测.分析的结果是:从1953—2006年,我国GDP增长率存在着7年左右的小周期,15年左右的中周期,19年左右的中长周期和28年左右的大周期,而且随着时间的推移,经济周期的波动幅度逐渐趋小,反映出经济增长的稳定性增强.预测的结果是:今后几年(2年或更长一段时间)我国GDP增长率应该保持在10%左右,波动的区间为[9%,11%].     

带常数项的最优加权组合预测

We propose a model based on the optimal weighted combinational forecasting with constant terms,give formulae of the weights and the average errors as well as a rela- tion of the model and the corresponding model without constant terms,and compare these models.Finally an example was given,which showed that the fitting precision has been enhanced.     

混流式水轮发电机DMC控制应用研究

动态矩阵控制是一种应用广泛的预测控制算法．因其建模简便、易于在线实施．在工业控制中得到了越来越广泛的应用．水轮机调节系统是一个非线性、参数时变的非最小相位系统．传统的控制手段不能达到满意的控制效果,本文将动态矩阵控制算法应用于水轮机调节系统中，仿真结果表明．对于混流式水轮机组转速得到快速而稳定的控制．     

神经网络在结构响应预测中的应用研究

本文讨论动态神经网络结构及其算法，然后利用所设计的动态神经网络对杜芬(Duffing)方程和一实际结构在不同输入条件下的响应进行预测。仿真结果表明，利用动态神经网络对结构响应有较好的预测效果。     

改进的自组织映射(SOM)蛋白质折叠算法和计算实现

蛋白质结构预测是生物信息学中的重要研究方向．为了研究蛋白质折叠的机理,人们引入了只考虑蛋白质疏水核心和亲水外围位置导致能量差别的简化HP模型．即使是求解二维HP模型已被证明是一个NP完全问题,因此需要设计有效的近似算法来求解较大规模的HP模型．从旅行商问题(TSP)的求解看,自组织映射是构造近似算法的有效工具．本文将归一化的F-W自组织模型应用到蛋白质二维HP问题的求解中,结合为克服多重映射构造的局部线搜索算法．数值试验表明,该算法改进了现有的HP模型的SOM求解算法, 只需很少的迭代步数就能找到最低能量构象．这一改进算法可以成为进一步研究的基础．     

基于分数阶差分的ARFIMA模型及预测效果研究

采用MRS分析法对香港恒生指数周数据序列的长期记忆性进行研究,并建立ARFIMA模型,推导了分数阶差分的计算过程。对分数阶差分的ARFIMA模型与一阶差分的ARFIMA模型进行了比较,发现应进行分数阶差分的序列,简化成一阶差分后,就有可能丢失许多有价值的信息,导致建模误差增大。进一步使用ARFIMA模型预测公式进行预测,结果显示ARFIMA模型预测效果不理想。在对香港恒生指数周数据进行预测时,ARFIMA模型几乎是失效的,并从两个不同的角度论证了这一结果出现的必然性。