基于ARIMA和LSSVM的非线性集成预测模型

针对复杂时间序列预测困难的问题,在综合考虑线性与非线性复合特征的基础上,提出一种基于ARIMA和最小二乘支持向量机(LSSVM)的非线性集成预测方法.首先采用ARIMA模型进行时间序列线性趋势建模,并为LSSVM建模确定输入阶数;接着根据确定的输入阶数进行时间序列样本重构,采用LSSVM模型进行时间序列非线性特征建模;最后采用基于LSSVM的非线性集成技术形成一个综合的预测结果.将该方法用于中国GDP预测取得的结果,与单独预测方法及流行的其他集成预测方法相比,预测精度有了较大的提高,从而验证了方法的有效性和可行性.     

基于模拟退火算法的船用核动力装置故障诊断研究北大核心

针对核动力装置故障诊断存在的诊断精度低等问题,提出了一种基于模拟退火算法和概率因果模型相结合的故障诊断方法.首先根据故障样本集和概率因果理论建立动态多故障诊断模型,将复杂系统的多故障诊断转换成非线性规划问题.利用模拟退火算法对该问题进行求解,并建立了诊断测试系统.测试结果表明,方法能有效避免误诊、漏诊现象,可用于复杂核动力装置的动态多故障诊断.     

基于模拟退火算法的船用核动力装置故障诊断研究

针对核动力装置故障诊断存在的诊断精度低等问题,提出了一种基于模拟退火算法和概率因果模型相结合的故障诊断方法.首先根据故障样本集和概率因果理论建立动态多故障诊断模型,将复杂系统的多故障诊断转换成非线性规划问题.利用模拟退火算法对该问题进行求解,并建立了诊断测试系统.测试结果表明,方法能有效避免误诊、漏诊现象,可用于复杂核动力装置的动态多故障诊断.     

基于一类分类方法的多类分类研究

在分析非线性数据处理新方法—核方法理论的基础,研究基于一类分类方法的多类分类的基本原理,提出应用于多类分类的可信度函数,使分类的结果更具有可信度.最后,以某企业对供应商关系调查数据为例,将这种方法应用于企业商业关系分析中,结果表明该方法的有效性,为非线性数据分类提供了一种新方法.     

基于小波神经网络与ARIMA组合模型在股票预测中的应用

为了实现对股票价格变化的短期预测,提出了一种基于小波神经网络(WNN)与自回归积分滑动平均模型(ARIMA)的组合预测模型.将股票的收盘价序列数据划分为线性以及非线性(误差项)两个部分,分别利用统计学中ARIMA模型和小波神经网络分别对两部分数据进行预测并得到结果,将两部分结果组合相加合成为整个股票价格的预测结果.实验结果表明该组合模型在预测精度方面有提高,是一种比较有效的预测模型.     

大数据背景下分布式支持向量回归模型研究

为解决传统的支持向量回归模型在处理大规模数据时计算效率较低的局限,文章将交互有效方法与支持向量回归模型相结合,提出了基于交互有效方法的分布式支持向量回归模型(CE-SVR).该模型首先采用分布式存储方式将大规模数据随机分配给多台机器,其次采用交互有效方法构建支持向量回归的近似损失函数替代全局损失函数获得近似预测结果,能够有效地分析大规模数据.数值模拟和应用研究的结果表明:在线性模型中,文章所提出模型的预测性能与全局支持向量回归模型基本一致,且显著优于基于单轮型方法的分布式支持向量回归模型(OS-SVR);在非线性模型中,文章所提出模型的预测性能会随着机器数的增加而降低,但其预测性能显著优于OS-SVR模型.     

含有等式约束非线性规划的全局优化算法

针对含有多个等式约束的非线性规划问题,提出一个全局优化算法.该方法基于可行集策略把改进的模拟退火方法与确定的局部算法方法相结合.对算法的收敛性进行了证明,数值结果表明算法的有效性及正确性.     

亚声速热射流声源模型的应用

对亚声速转捩热射流中失稳波相关的噪声产生机制进行了研究,并与冷射流中的结果进行了对比.基于时均大涡模拟(LES)流场,通过求解线性抛物化稳定性方程(LPSE)得到了失稳波的空间演化特性,然后基于LPSE的解与声比拟方法构建了射流的线性及非线性声源模型.LPSE结果表明,加热可以提高失稳波的空间增长率,使其更早达到饱和.由线性模型分析可知,加热会提高高频模态的声压级(SPL).与冷射流相比,热射流中线性模型预测的声压级与大涡模拟结果间的差距更小,表明线性机制在热射流中作用更大.在亚声速冷射流中,非线性模型在之前的研究中已经被证明可以提高声辐射效率.在当前热射流中,发现非线性模型与大涡模拟间的声压级差距被进一步的缩小,且温度相关的声源项在声辐射中发挥更重要的作用.     

基于改进BP神经网络的组合预测模型设计

为提高预测精度,解决非线性组合预测中的困难,利用改进BP神经网络对非线性组合预测模型进行了设计.讨论了模型设立的原则和一般程序,比较其与传统的组合预测方法之间的优劣,并给出实例加以验证.结果显示,基于改进BP神经网络的非线性组合预测模型能够准确描述系统中的非线性,提高预测精度.     

亚声速热射流声源模型的应用（英文）

对亚声速转捩热射流中失稳波相关的噪声产生机制进行了研究,并与冷射流中的结果进行了对比.基于时均大涡模拟(LES)流场,通过求解线性抛物化稳定性方程(LPSE)得到了失稳波的空间演化特性,然后基于LPSE的解与声比拟方法构建了射流的线性及非线性声源模型.LPSE结果表明,加热可以提高失稳波的空间增长率,使其更早达到饱和.由线性模型分析可知,加热会提高高频模态的声压级(SPL).与冷射流相比,热射流中线性模型预测的声压级与大涡模拟结果间的差距更小,表明线性机制在热射流中作用更大.在亚声速冷射流中,非线性模型在之前的研究中已经被证明可以提高声辐射效率.在当前热射流中,发现非线性模型与大涡模拟间的声压级差距被进一步的缩小,且温度相关的声源项在声辐射中发挥更重要的作用.     

风电场风速和发电功率预测方法综述

随着大规模风电并网,在电力市场中,风电所占比例越来越大。由于风的随机性和间歇性,风力发电并不稳定,这给风电并网带来了很大的挑战。风电功率预测成为当前解决该问题重要途径,在风电并网中发挥着重要作用,关系到风力发电的使用效率。本文梳理了常见的模型驱动的风电功率预测方法:第一类是概率统计模型,以ARIMA模型为代表。第二类是机器学习模型,如支持向量机,高斯过程,随机森林等。第三类是深度学习模型,以循环神经网络为代表。第四类是模型分解方法,将序列分解为线性部分和非线性部分,再分别建立线性模型和非线性模型,最后将两部分的预测结果相加。此外,还有组合预测方法,先使用小波分解、经验模态等方法将序列分解为多个信号,再用以上四类基本方法对每个信号建模,最后将各个信号的预测值重构回原序列的预测值。本文将详细介绍并比较以上四类基本预测方法和组合预测方法,并分析各类方法的优点和局限性。     

区间值时间序列预测效果测度研究

传统的区间时间序列有效性度量方法在处理具有同等水平绝对误差的不同区间信息时具有一定的局限性,为了更全面的反映区间值时间序列的预测效果,本文基于区间的相对位置,提出了包含可信度,有效度,趋势误差和动态相关性指标等在内的多个预测效果测度。本文首先就传统的区间值预测效果测度进行了梳理和定性分析,就不同位置的预测区间所体现的预测效果及其测度进行了分析和定义。为从整体上对多个区间值预测结果进行调整和优化,提出区间值组合预测方法,并基于所构建预测效果测度构建最优化模型确定组合预测各单项方法的权重,结合上证综合指数的实例表明所提方法的可行性和合理性。     

基于SVR的RAR区域经济预测模型

由于区域经济系统中许多经济变量呈现出强非线性与大波动性的特征,使得传统的时间序列线性建模和预测技术难以适应区域经济预测的要求.为此,提出基于支持向量机改进的残差自回归区域经济预测模型.首先采用时间序列分析中的残差自回归模型对时间序列趋势进行线性拟合,然后对残差自回归模型估计后的残差序列采用支持向量回归方法再次提取其非线性特征,从而提高区域经济时间序列模型的预测精度.最后以广东省GDP的预测实例说明模型的有效性.     

基于MINRES-QLP截断牛顿法的全波形反演

在全波形反演过程中,二阶梯度信息扮演着重要的作用.然而,由于其巨大的计算量和内存需求,限制了其在全波形反演问题中的应用.本文基于MINRES-QLP方法提出了一种高效的截断牛顿全波形反演方法.该全波形反演方法能够充分利用目标泛函的二阶梯度信息,提高反演精度.MINRES-QLP反演方法还能够利用Hessian阵负特征值信息,从而提高算法的重构分辨率和计算效率.针对Hessian阵计算难题,本文给出了一种矩阵向量相乘的快速算法.基于二维2004 BP模型,Sigsbee模型,验证了MINRES-QLP截断牛顿反演方法的有效性.数值结果表明MINRES-QLP截断牛顿法能充分利用二阶梯度信息和Hessian阵负特征值信息,从而加速算法收敛速度和提高成像精度.     

混合模拟退火-进化策略在非线性参数估计中的应用

提出了一种混合模拟退火-进化策略算法应用在非线性参数估计中,方法克服了传统优化方法估计参数精度不高且容易陷入局部极小值等缺点,并且将模拟退火算法和进化策略算法相结合,充分发挥各自算法优点.最后通过给出非线性参数估计算例,结果表明,算法具有参数估计精度较高,收敛速度快,自适应性强,在实际工程中有较大的应用价值.     

EEMD、CEEMD算法与SVM在SST时间序列研究中的应用

海洋表面温度(SST)具有非线性、非平稳等特征,给处理和预测带来了很大的困难.将集合经验模态分解(EEMD)、改进的集合经验模态分解(CEEMD)与支持向量机(SVM)方法相结合,实现了对东北太平洋月平均海温距平序列(SSTA)的预测:首先应用EEMD或CEEMD方法将SST数据分解为多个本征模态函数(IMFs),然后应用SVM算法对各IMFs进行拟合、预测,最后对各IMFs预测结果叠加重构得到预测结果.EEMD-SVM和CEEMD-SVM数值模拟结果显示,预测最大误差小于0.25℃,并且CEEMD-SVM预测效果更好,为SST实际预测提供了参考.     

多电极成像测井反演问题的数学模型和数学方法

多电极成像测井是一种新的电阻率测井技术,这一测井技术的电极系中包含有多个测量电极,可提供较多的测量信息,从而有助于用较高的分辨率确定地层电阻率参数。本文对这个问题建立了数学模型,且运用非线性优化等数学方法对多电极成像测井反演问题提出了数值求解方法。并利用一些数值结果证实了这些算法的有效性。     

关于辛算法稳定性的若干注记

我们讨论辛算法的线性稳定性和非线性稳定性,从动力系统和计算的角度论述了研究辛算法的这两类稳定性问题的重要性,分析总结了相关重要结果.我们给出了解析方法的明确定义,证明了稳定函数是亚纯函数的解析辛方法是绝对线性稳定的.绝对线性稳定的辛方法既有解析方法（如Runge-Kutta辛方法）,也有非解析方法（如基于常数变易公式对线性部分进行指数积分而对非线性部分使用其它数值积分的方法）.我们特别回顾并讨论了R.I.McLachlan,S.K.Gray和S.Blanes,F.Casas,A.Murua等关于分裂算法的线性稳定性结果,如通过选取适当的稳定多项式函数构造具有最优线性稳定性的任意高阶分裂辛算法和高效共轭校正辛算法,这类经优化后的方法应用于诸如高振荡系统和波动方程等线性方程或者线性主导的弱非线性方程具有良好的数值稳定性.我们通过分析辛算法在保持椭圆平衡点的稳定性,能量面的指数长时间慢扩散和KAM不变环面的保持等三个方面阐述了辛算法的非线性稳定性,总结了相关已有结果.最后在向后误差分析基础上,基于一个自由度的非线性振子和同宿轨分析法讨论了辛算法的非线性稳定性,提出了一个新的非线性稳定性概念,目的是为辛算法提供一个实际可用的非线性稳定性判别法.     

改善的ADL模型对中国GDP增长率的研究与预测

本文提出三种创新性模型PLSADL,RADL和RPLSADL.这三种新模型是将考虑了数据时序性的时间序列ADL模型与考虑了多变量共线性问题的多元线性回归模型PLSR,RR,RPLS相结合.通过分析我国2000年到2012年季度GDP增长率与八项经济指标的关系,我们发现新模型PLSADL,RADL和RPLSADL在拟合效果和预测能力上都优于其它四个模型.这说明在ADL模型的建立过程中,如果能够考虑多变量共线性问题将会有效地提高模型的预测效果.     

三阶微分方程的多区域Legendre-Petrov-Galerkin谱方法

提出三阶微分方程初边值问题的多区域Legendre-Petrov-Galerkin谱方法.对于三阶线性微分方程,证明该方法全离散格式的稳定性,并给出L~2-误差估计.进而将该方法和Legendre配置方法相结合,应用于某些非线性问题.数值算例对单区域和多区域方法的结果进行比较.