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。     

利用少量样本集成吸毒人员预测模型的方法

为了从"潜在"吸毒人员中准确的锁定嫌疑个体,首先甄选样本并利用改进的特征缩放方法得到组合升维的基本样本集,然后对正样本进行过采样、负样本进行样本分片,修正了正、负样本集的不均衡性,最后利用神经网络集成预测吸毒人员的模型,由正负样本集进行训练和验证,提出了基于查准率、准确率、召回率的"三率判断法"的评估模型并进行模拟验证,给出了相关政策建议.     

基于ANP法的股权激励模式选择研究

本文对企业如何科学合理地选择股权激励模式问题进行研究探讨。不仅考虑到以往研究中的企业特征因素,同时也考虑了激励对象特征因素和外部实施环境因素,建立股权激励模式选择指标体系,并分析各指标间的依存关系,基于此构建了ANP网络结构模型,并选取两个代表性样本企业进行算例验证和应用,最终使得不同企业可根据自身的实际情况选择合适的股权激励模式,验证了该模型的合理性与可行性。     

条件数学期望的定义归纳及其应用

给出条件数学期望的一般定义、经典定义以及随机变量关于一般σ代数的条件数学期望的几何定义,并举例说明条件数学期望在均值回归中的应用.     

基于模型的小域估计方法及其拓展——由单变量推广到多变量情形

小域估计是当今抽样调查领域的研究热点,通过建立小域估计模型,将所有调查区域通过公共的参数连接起来,利用相关区域数据作为辅助信息,解决多层次抽样调查中某些域样本量不足的问题,提高参数的估计精度。本文首先在目标变量是单变量的情形下,研究了域层次模型和单元层次模型的参数估计方法,进而推广到目标变量是多变量的情形,考虑变量之间的相关性,研究了多变量Fay-Herriot模型参数的经验最优线性无偏预测及其均方误差矩阵的性质,最后通过一个实例,验证了参数估计具有良好效果。     

光伏业CFO难尽责？

“一个七十多岁的老人，只买了200股我们公司的股票，因为企业亏损，股价下跌而每天给我打电话。”一位光伏企业董秘在电话里显得颇有些无奈。在采访过程中，记者了解到由于前期光伏暴利的驱动，企业投资决策盲目，受行业自身限制，面对风险，CFO也难以有效应对。