对地观测卫星过顶预报与定轨模型的建立

针对某些对地观测卫星,其轨道参数不公开,只能通过对卫星的运行规律建立数学模型,推导出卫星的过顶时间,从而使对地目标有效规避卫星的对地观测.首先从卫星运行的基本规律出发,根据稀疏数据进行定轨建立了卫星定轨的数学模型,利用牛顿迭代法递推出轨道根数,同时利用摄动补偿优化了模型,再通过八阶龙格库塔法,进行轨道递推,得到了卫星过顶时间与轨道信息的对应关系.     

神经网络在复杂自相关预测过程中的应用及对比研究

由于PM_(2.5)日均浓度值受外界多重复杂因素的影响,其较强的自相关性使得时间序列模型ARIMA构建难以实现,因此,给出高映射能力的非线性神经网络预测模型,并分别建立基于BP神经网络和GRNN神经网络的预测模型,进行PM_(2.5)浓度预测实验.结果表明,BP神经网络回检过程和检测过程存在不稳定性,预测残差波动较大,而GRNN神经网络检测残差呈完全U型,回检过程和检测过程较稳定,并且GRNN神经网络回检数据拟合度、预测数据精度和运算速度均优于BP神经网络,建模过程更为方便,易于实际应用.     

汽车千车故障数的预测与分析

针对原有千车故障数统计方法上的不足,本文从改进统计方法着手,提出一种新的统计方法即重新定义千车故障数,然后利用数据挖掘中的聚类分析方法将具有相同特征的批次综合起来考虑,建立通用的运筹模型.针对缺失数据、近期预测这两个问题,本文对通用模型进行调整,“学习”出同类数据间的不同权值,然后利用加权数据,并通过拟合曲线来求出预测值.由于远期预测中数据的严重缺乏,则是从纯粹统计学的角度出发,计算得到预测值.预测模型通用性强,适用面较广.本文应用了SAS和MATLAB两种软件来求解上述模型,预测结果准确率较高,并且符合实际情况.     

城市道路短时交通流量预测

结合BP神经网络模型和自回归求和滑动平均(ARIMA)模型对城市道路交通短时区间流量进行预测.影响交通流的因素有很多,难以一一量化,但这些因素都可以由线性自相关结构和非线性结构结合线性组合得到.而BP神经网络对非线性关系有很好的拟合效果,ARIMA模型则具有良好的线性拟合能力.在训练模型时,先用ARIMA模型拟合训练集,与原始数据作差得到一组残差;用BP神经网络模型拟合残差;将两个模型结合得到组合模型.将2017年7月1日7:00到2017年7月1日18:00期间,贵阳市某个路口断面所采集的过车数据作为训练集,建立ARIMA模型和BP神经网络模型以及组合模型,预测2017年7月1日18:00到2017年7月1日19:00的短时交通流.过车数据统计时间间隔为5min,则训练集共有有效数据132组,测试集的有效数据为12组.分别用三类误差分析指标比较三个模型的拟合、预测效果,结果显示组合模型的预测效果比两个模型单独使用的预测效果更准确.     

售后服务数据的运用

提出了商业销售中企业售后服务数据分析这个国际上尚未完全解决的难题的初步解决办法.首先分析了该表中存在的不合理数据,有两类不合理的数据,包括:使用了的轿车数据还没有反馈,轿车销售需要一定时间.再对该表的制作方法提出建议.第二问中,对于0205批次使用月数18时的千车故障数预测,我们假设该模型服从WeibullDistribution函数,根据该批次使用月数0至12的数据,利用WeibullDistribu-tion函数进行拟合,得到拟合函数,再由拟合函数得到0205使用18个月的千车故障数,为44.08.而对于0306批次使用月数为9时千车故障数的预测,因为每批次的千车故障数符合WeibullDistribution,所以多元线性回归模型,利用前面使用了1,2个月的数据对后面的9月的故障数进行回归计算,结果为:18.1114.对于0310使用月数12的预测,则根据数据反馈的滞后与质量管理关系模型从纵向上对其进行预测,得结果为:6.44.第3问,从销售服务过程质量管理的角度,提出7个方面的质量管理决策与咨询,并给出相应的数学模型.第4问,分别从生产组织管理和配送及物流链管理两个方面提出了想法和建议.     

基于RVM模型的国内游客流量预测研究——以海南为例

引入RVM对海南旅游景区接待国内游客流量进行预测,并利用2011年1月至2016年12月海南交通行业数据和相应的网络搜索数据构建模型的输入集.12个月的预测结果表明,与基准模型相比,RVM具有更优异的预测性能,证实了模型在旅游需求预测领域的有效性.     

智能制造模式下基于改进BP-ARIMA组合模型产品需求预测方法

为有效预测智能制造模式下的不确定性需求,提出自回归移动平均模型ARIMA和改进BP神经网络的组合模型,对预测数据中包含线性规律的Lt以及非线性规律的ε_t进行模拟和分析,以解决预测有效性和精度问题.通过数据样本构建,对ARIMA模型结构进行辨识,确定p,d,q参数,并对模型进行诊断和检验;在此基础上进行需求数据一次预测;通过连接权值的修正降低BP神经网络学习误差,并对一次预测结果与原需求数据样本存在的误差进行二次预测.实例数据分析表明:组合模型的预测精度较ARIMA模型有显著提高,因此组合预测模型在预测效果上具有合理性和有效性.     

基于多种灰色模型对比的广西外贸加工贸易预测研究——灰色系统理论与应用系列论文之二

根据广西2009-2015年外贸加工贸易的数据,构建多种灰色模型,用残差检验和后验差检验计算小误差概率和均方差比,以此判断各模型的精度,并对广西外贸加工贸易额进行了预测.预测结果表明,新陈代谢模型在广西外贸加工贸易的短期预测中精度较高,Verhulst模型在广西外贸加工贸易的长期预测中精度较高.根据预测结果,提出构建并完善加工贸易数据平台,打造中国—东盟区域性制造中心,高端锁定广西-东盟加工贸易产业链,强化投资便利化与人才吸引力,加大对中小型加工贸易企业的扶持等对策建议.     

基于区域房价的空间自回归模型平均

文章是基于模型平均的方法对我国重点省会城市月度房价数据的空间自回归模型的拓展研究.通过一定的宏观经济解释变量和房价数据,构建区域房价的空间自回归模型,并在基于MMA准则的模型平均框架下,将不同的候选模型组合进行房价预测.对比经典空间自回归模型的预测,基于模型平均的MMA, SAIC和SBIC的预测有更高的精确度和更好的稳定性.     

基于改进的支持向量回归机的金融时序预测

金融市场是一个复杂、演化、非线性的动态变化的系统.金融数据往往带有噪声,非平稳且时常是混沌的.本文基于时序数据的先验知识——近期数据对于预测未来走势提供了更多的信息,对于传统的支持向量机的回归模型做出了一定的改进,即对于近期的数据预测错误施以更严重的惩罚,构建了改进的支持向量回归机模型.使用该改进模型对中国股票市场指数时间序列进行了预测,结果显示,本文改进的模型较之传统的支持向量回归机模型和神经网络模型有较好的预测效果.     

车站咽喉通过能力可视化计算集成系统的研究

在对国内外咽喉道岔通过能力计算方法比较与分析基础上 ,论文提出了车站咽喉通过能力可视化计算集成系统的系统结构和功能设计 ,应用图论和网络优化技术对车站咽喉布置、咽喉及车站作业过程进行抽象建模 ,建立了咽喉作业占用安排网络优化和咽喉作业能力的复合递阶决策模型 .该研究综合运用上述模型、算法、计算机信息处理技术和图形技术 ,可视化模拟咽喉作业情况 ,实现了核心基础数据计算机模拟采集、作业优化安排和最大可实现能力的查定及优化 ,并将结果以图形方式输出 .通过实例验证表明 ,计算结果合理可信 ,可用于车站咽喉能力的评价检验 .     

基于分解—集成的铁路货运需求预测研究

铁路货运量受到多种因素影响,准确的预测可以为铁路行业未来规划的编制提供重要的参考依据,也可以使铁路部门制定符合当前货运市场的运输政策。货运量数据具有非线性、不平稳的特点,利用传统的单一预测模型进行预测,很难描述整体特征,预测精度有待提高。本文基于分解—集成的原则,利用变分模态分解算法将货运量分解为高频和低频模态,针对各模态特点,分别建立预测模型,将得到的预测结果加总起来作为最终货运量的预测值。实证表明,分解—集成预测方法与传统的单一预测模型相比,提高了预测的准确率,可以很好地应用在铁路货运量需求预测的研究中。     

Model-based clustering and segmentation of time series with changes in regime

Mixture model-based clustering, usually applied to multidimensional data, has become a popular approach in many data analysis problems, both for its good statistical properties and for the simplicity of implementation of the Expectation?CMaximization (EM) algorithm. Within the context of a railway application, this paper introduces a novel mixture model for dealing with time series that are subject to changes in regime. The proposed approach, called ClustSeg, consists in modeling each cluster by a regression model in which the polynomial coefficients vary according to a discrete hidden process. In particular, this approach makes use of logistic functions to model the (smooth or abrupt) transitions between regimes. The model parameters are estimated by the maximum likelihood method solved by an EM algorithm. This approach can also be regarded as a clustering approach which operates by finding groups of time series having common changes in regime. In addition to providing a time series partition, it therefore provides a time series segmentation. The problem of selecting the optimal numbers of clusters and segments is solved by means of the Bayesian Information Criterion. The ClustSeg approach is shown to be efficient using a variety of simulated time series and real-world time series of electrical power consumption from rail switching operations.     

Selecting the Superpositioning of Models for Railway Freight Forecasting

The problem of selecting the optimum system of models for forecasting short-term railway traffic volumes is considered. The historical data is the daily volume of railway traffic between pairs of stations for different types of cargo. The given time series are highly volatile, noisy, and nonstationary. A system is proposed that selects the optimum superpositioning of forecasting models with respect to features of the historical data. A model of sliding averages, exponential and kernel-smoothing models, the ARIMA model, Croston’s method, and LSTM neural networks are considered as candidates for inclusion in superpositioning.     

基于时间序列分析方法的伊犁州GDP的预测研究

基于时间序列理论,以伊犁州1978年至2014年来生产总值为基础数据,利用Eviewes8.0软件对数据进行处理分析,并对模型进行显著性检验,综合各种条件确定最终时间序列回归模型,对伊犁州未来三年的生产总值做出预测,为伊犁州党委、政府制定相关经济政策和发展战略提供科学依据.     

基于DEA-博弈论模型的铁路电子车票实名制查验评价分析

将基于数据包络分析(DEA)模型和纳什讨价还价博弈论结合, 作为一种合作博弈方法, 对铁路电子车票实名制的查验进行了综合评价, 为准确评估铁路电子车票实名制查验的效率, 加强铁路客运服务水平提供决策判断。本文以20个不同等级的铁路车站为研究对象, 分人工和机器两大类, 选取身份证购票比例、通勤员工购票比例、临时身份证购票比例, 以及人工查验旅客数/小时/通道、机器查验的通过人数/闸机/小时、闸机人脸自动识别比例和延误比例等7个指标作为投入指标, 选取人、证、票三证合一的实名制查验比例作为产出指标, 基于数据包络分析(DEA)和纳什讨价还价博弈论结合的合作博弈模型, 从人工查验和机器查验两个角度对铁路电子车票实名制查验进行统一综合评价。案例结果表明, 铁路电子车票实名制查验效率呈现出人工查验和机器查验效率不均衡的态势; 车站人脸识别闸机的数量投入与所需闸机数量的不匹配是造成实名制查验效率下降的主要原因。根据评价结果, 从人工和机器查验两个角度提出了可行建议, 促进了铁路电子车票实名制查验效率的进一步提升。     

铁路应急设施非概率可靠性选址优化研究

为解决小样本、贫信息下铁路应急资源储备点的可靠性选址问题,创新性地将选址-路径问题与区间非概率可靠性方法结合起来,考虑灾情发生后应急设施点在可接受的时间范围内响应受灾点的需求能力及其稳定程度,采用区间值度量路段阻抗,基于区间非概率可靠性理论及区间运算规则,提出路径的非概率可靠性度量及可靠最短路径选择方法;建立基于区间时间阻抗下可靠最短路径的无容量设施选址模型,提出约束条件限制的Monte Carlo改进算法,确定了铁路资源储备点选址的最优方案。实例表明,本文的优化方案能更好地保证救援的时间可靠性,改进的求解算法具有更小的时间复杂度,有效地缩短了运算时间,改善了解的质量。本文的方法与模型体系对于实现铁路应急设施可靠性选址,为决策者提供决策支持,提高铁路应急响应能力具有重要的指导意义。     

基于效益最大化的城际铁路属性设置及调整

为便于城际铁路企业及时、合理地调整城际铁路运输属性,使其能在区域交通走廊各种交通工具竞争激烈的条件下健康运营和可持续性发展,分析了城际间各交通工具的属性特征,并对其进行了定量化描述。以城际铁路企业利润最大化为优化目标,考虑了城际铁路应取得最小社会效益的约束,建立了城际铁路运输属性设置及调整的多元非线性模型。利用罚函数法把模型转化为无约束的非线性模型,运用步长加速法进行求解。最后,把所设计的模型及算法应用到长株潭城际铁路初期运输属性设置中,结果表明本文所建立的模型及采用的算法是可行的,得到的城际铁路的技术经济特征设置值能为企业决策提供参考。     

The Application of Kernel Smoothing to Time Series Data

There are already a lot of models to fit a set of stationary time series, such as AR, MA, and ARMA models. For the non-stationary data, an ARIMA or seasonal ARIMA models can be used to fit the given data. Moreover, there are also many statistical softwares that can be used to build a stationary or non-stationary time series model for a given set of time series data, such as SAS, SPLUS, etc. However, some statistical softwares wouldn＇t work well for small samples with or without missing data, especially for small time series data with seasonal trend. A nonparametric smoothing technique to build a forecasting model for a given small seasonal time series data is carried out in this paper. And then, both the method provided in this paper and that in SAS package are applied to the modeling of international airline passengers data respectively, the comparisons between the two methods are done afterwards. The results of the comparison show us the method provided in this paper has superiority over SAS＇s method.     

基于GAS模型的动态VaR预测效果分析

GAS模型是一种基于观测的动态模型,理论简单且应用灵活,可以直接估计VaR.将GAS模型和GARCH类模型应用于不同条件下生成的模拟数据和三个时间段的沪深300指数的日对数收益率数据,并比较模型关于VaR的预测效果。结果表明:在对称的条件分布下,GAS模型容易高估风险且不稳健,其表现不如GARCH类模型;但在条件分布为有偏的时,GAS模型与GARCH类模型的表现相当,部分情况下会优于GARCH类模型,尤其在实证分析中关于序列2和序列3的VaR的估计,GAS模型的预测效果较好。因此,实际应用中,对于具有较明显偏态分布或尖峰分布的数据可以考虑使用GAS模型预测动态VaR.