最优组合预测方法及其应用

组合预测方法是当前预测科学研究得最热烈的课题之一．组合预测的基本含义是把两个或两个以上的预测模型采用加权平均的方式组合为一个模型．组合预测的关键是确定各个组合系数或加权系数．关于加权系数的确定还有待于深入研究．有的认为加权系数可以事先人为设定［１］，有的认为可以采用层次分析法或二项式系数法来确定［２］，有的采用简单平均法来确定［３］．本文以组合预测误差平方和为目标函数．通过使误差平方和极小化来确定最优加权系数．本文给出了计算任意有限ｎ个预测模型组合的加权系数的公式，并导出了算术平均预测是最优预测的条件．最后还给出了应用实例．  

灰色动态模型及其在人口预测中的应用

一个国家人口的数量直接影响着其经济、社会的发展和资源的利用 ,中国是世界上人口的第一大国 ,人口问题一直是制约中国发展的第一因素 .本文应用灰色系统等维灰数递补动态预测模型 ,对中国未来5 0年的人口数量进行了动态预测 ,通过检验表明 ,该模型合理、方法简便可行、结果符合实际 ,为中国经济和社会发展的决策和研究提供了科学依据  

非等间距序列的灰色模型

在对原始数据序列的一次累加生成时 ,考虑序列的间距 ,提出了对非等间距序列建立 GM( 1,1)模型的基本理论和方法 .通过对算例进行的计算 ,表明本文提出的方法概念明确、计算方便、有较高的拟合和预测精度 .对解决各个领域中广泛存在的非等间距序列的建模拟合和预测问题提供了一种比较好的方法  

任意秩多元线性模型中的最优预测

本文研究了任意秩多元线性模型中可预测变量的最优预测，特别地，我们考虑了一类特殊的预测函数，Φ－线性预测函数，给出了Φ－可预测变量和最优Φ线性一无偏预测的定义，得到了Φ－可预测变量的最优Φ－线性无偏预测，并证明了它在几乎处处意主意义下的唯一性。  

ARIMA模型在上海市全社会固定资产投资预测中的应用

本文采用自回归求积移动平均(ARIMA)法,对《上海市统计年鉴2002》提供的固定资历产投资额资料进行了分析。结果显示,ARIAM(1,1,10)模型提供较准确的预测效果,可用于未来的预测,并为上海市全社会固定资产投资提供可靠依据。  

非负权重最优组合预测方法的基本理论研究

本文从三个方面研究了非负权重最优组合预测方法的基本理论，给出了一种解决三阶非负权重最优组合预测问题的简捷方法。  

BP神经网络在铁路客运市场时间序列预测中的应用

铁路客运市场受多个因素的影响，而且这些作用多是非线性的。时间序列预测实质上是实现一个非线性映射。由于具有任意个隐层节点的前馈神经网络可以以任意精度逼近一个连续函数，因此，目前得到普遍应用的是采用BP算法的多层前馈神经网络。本探讨用人工神经网络的反向传播(BP)算法研究铁路客运市场的时间序列预测。数值计算结果表明该方法预测精度较高，方法简单易行，为铁路客运市场预测研究提供了新的途径。  

模糊聚类与模糊识别理论模型研究

指出文 [1]模糊聚类与模糊识别模型的局限性 ,进一步研究模糊环境下的目标函数 ,修改模糊聚类中心的计算公式 ,提出计算权重的一个公式 ,拓广模糊聚类与模糊识别理论模型的应用范围  

煤层压裂裂缝三维延伸模拟及产量预测研究

针对煤层气井的压裂特点和产出机理，综合应用流体力学，线弹性断裂力学，传热学，计算数学和软件工程等方面的知识，提煤层压裂裂缝三维延伸模型和产量动态预测模型，其中裂缝三维延伸模型考虑了为煤层，上下遮挡层之间的地应力和岩石力学参数变化的影响，产量动态预测模型考虑了煤层气先解吸扩散后渗流入井的产出机理，在此基础上研制了煤层气井三维压裂优化设计软件，并通过实例计算验证了其实用性和可靠性。  

人工神经网络BP算法的改进和结构的自调整

本文解决了BP神经网络结构参数和学习速率的选取问题，并对传统的BP算法进行了改进，提出了BP神经网络动态全参数自调整学习算法，又将其编制成计算机程序，使得隐层节点和学习速率的选取全部动态实现，减少了人为因素的干预，改善了学习速率和网络的适应能力。计算结果表明：BP神经网络动态全参数自调整算法较传统的方法优越。训练后的神经网络模型不仅能准确地拟合训练值，而且能较精确地预测未来趋势。