排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
利用最小二乘原理,提出一个基于SVD-Krylov的模型降阶方法,方法兼顾基于SVD模型降阶方法的理论性质和基于Krylov模型降阶方法的有效计算,使得到的降阶系统既能匹配原系统的前r阶模,又能够保持系统的稳定性.利用对称矩阵特征值的极小极大原理,给出了保持系统稳定性的一个新的证明方法,与已有的方法相比,提出的理论证明方法更为简洁.对于离散系统,方法除了能匹配原模型的前r个Markov参数,还可将其推广到任意点处模匹配.数值例子也证明了方法的有效性. 相似文献
2.
基于指数平滑模型与误差反传神经网络法提出了一个改进的时间序列预测方法.将神经网络模型移植入指数加权滑动平均模型中,充分考虑了时间序列的部分线性性和非线性性对预测结果的影响,是传统的混合模型的一个更合理的改进.最后通过对上证指数时间序列的实证分析,以预测均方误差为检验标准,对五种常用的时间序列预测模型进行了预测精度的比较,而且经验证所提出的改进的时间序列预测模型相对来说具有更小的预测均方误差. 相似文献
1