基于Chebyshev多项式的神经网络中长期负荷预测研究

高精度负荷预测在提高电力系统的安全性和经济性方面有着极其重要的意义,而现有的负荷预测方法因参数有限,难以完全反映其内在规律,因而导致预测结果不够准确.为此提出了一种基于Chebyshev多项式神经网络模型的预测方法.该方法使用递推最小二乘法训练神经网络权值系数,以获得高精度的参数估计,从而实现Chebyshev多项式神经网络模型对负荷量的最优拟合,再利用训练好的Chebyshev多项式神经网络模型实现中长期负荷预测.研究结果表明,该方法能较好模拟负荷变化规律,有效提高了负荷预测精度,在电力系统负荷预测中有较大的应用价值.     

基于多项式神经网络模型的人口预测方法研究

为了提高人口预测精度,提出了基于多项式神经网络模型与递推最小二乘法的人口预测方法.方法完全避免了人为假设条件,充分利用我国六次人口普查数据来建立基于多项式神经网络模型的人口预测模型,并使用递推最小二乘算法递推计算多项式神经网络模型的加权系数.方法能有效预测中长期人口数据及其变化趋势.研究结果表明,中国将在2016年达到人口高峰1385亿.     

关于直线拟合的注记

讨论了使残差的最大绝对值为最小准则和使残差的绝对值之和为最小的准则的直线拟合问题,采用线性规划可解决此问题,最后讨论了多项式拟合的情况。     

基于异方差的自回归预测模型的参数估计及其应用

从齐性方差的线性回归模型参数估计的最小二乘法出发,通过对统计资料的适当变换,利用加权最小二乘法,获得了异方差的线性自回归模型和四种异方差的非线性自回归模型的参数估计公式,并举例阐述了估计公式的应用.     

线性数据拟合方法的误差分析及其改进应用

利用最小二乘法进行线性数据拟合在一定条件下存在着误差较大的缺陷,为使线性数据拟合方法在科学实验和工程实践中能够更加准确地求解量与量之间的关系表达式,本文通过对常用线性数据拟合方法———最小二乘法进行了误差分析,并在此基础上提出了最小距离平方和法以对最小二乘法作改进处理.最后,通过举例分析对两种线性数据拟合方法的优劣加以讨论并分别给出其较为合理的应用控制条件.     

基于离散Bass模型的双十一销售预测

阿里巴巴双十一购物节的销售额走势,不仅是相关企业规划决策的依据,也是我国经济活动的重要方向性指标,运用Bass模型预测双十一销售额具有十分重要的意义.对普通正向的离散Bass模型采用普通最小二乘法得到的参数估计值偏离于原连续模型参数的真实值,因为存在着多重共线性和时间区间偏差.为克服这两个缺点,根据一类黎卡提方程构建精确的离散Bass模型.研究显示该模型及其解均收敛于原连续模型.给出基于非线性最小二乘法则的搜索算法,估计模型参数,拟合效果较好.最后将模型结果运用到阿里巴巴双十一的销售额预测,结果表明2018销售额将迎来拐点,增速将放缓.     

股市波动性预测模型改进研究

本文从参数估计准则和收益率波动性的定量表达这两方面来探讨股市收益的波动性预测改进方法,并由此提出了以收益率偏差绝对值为代替偏差平方并利用非线性最小二乘法来估计参数的(A)GARCH-NLS模型。最后,我们以国泰君安指数、上证综指以及深证成指1998 1 5-2002 9 25的每日收盘价格为样本来考察各种合理替代所产生的模型对股市波动性的预测性能影响。结果发现,(A)GARCH-NLS模型对股市波动性的预测精确度有了较显著的提高。     

基于GMDH的LSSVM预测模型及其实证

自从Suykens提出新型统计理论学习方法-最小二乘支持向量机(LSSVM)以来,这种方法引起了广泛的关注,它在预测方面的良好性能得到了广泛应用.应用自组织数据挖掘(GMDH)方法改进LSSVM,提升了预测精度.首先利用GMDH方法选择有效的输入变量,再将这些变量作为LSSVM模型的输入,进行时间序列的预测,从而建立LSSVM和GMDH组合的混合模型GLSSVM.并通过汇率时间序列对本文模型进行了实证.结果表明,混合模型预测精度得到了明显的提高.     

非参数局部多项式回归估计的最优子抽样算法

随着科学技术的发展,虽然人们提高了收集和处理数据的能力,但仍存在一些大数据集超出了现有计算机的计算能力.目前,抽取一部分样本来替代全样本进行建模计算是减轻计算负担的一种方法.大数据背景下线性模型的子抽样方法已经得到了相对成熟的研究,在减轻计算量方面获得了很大的优势.文章将线性模型下的子抽样方法推广到非参数回归模型,并推...     

基于神经网络的灰色预测模型及其在中国粮食总产量预测中的应用

在单变量灰色预测模型中,不同模型的建模机理是影响因变量模拟和预测结果的重要因素之一.为了充分挖掘不同模型的优点,提出了基于神经网络的灰色耦合预测技术.设计了详细的建模步骤,开发了用于构建新模型的算法,介绍了模型的评估标准,并通过数值示例对模型的性能进行了测试.最后,新模型被用于预测中国的粮食产量.新模型的平均相对误差为...     

An Algorithm for Combined Code and Carrier Phase Based GPS Positioning

The Global Positioning System (GPS) is a satellite based navigation system. GPS satellites transmit signals that allow one to quite accurately estimate the location of GPS receivers. In GPS a typical technique for kinematic position estimation is relative positioning where two receivers are used, one receiver is stationary and its exact position is known, the other is roving and its position is to be estimated. We describe the physical situation and give the mathematical model based on the difference of the measurements at the stationary and roving receivers. The model we consider combines both the code and carrier phase measurements. We then present a recursive least squares approach for position estimation. We take full account of the structure of the problem to make our algorithm efficient, and use orthogonal transformations to ensure numerical reliability of the algorithm. Real data test results suggest our algorithm is effective. An additional benefit of this approach is that the drawbacks of double differencing are avoided. The paper could also serve as a straightforward introduction for numerical analysts to an interesting area of GPS.This revised version was published online in October 2005 with corrections to the Cover Date.     

滑动数据重心预测方法及其应用研究

本文在研究多因素数据重心法的基础上,进一步提出滑动数据重心预测方法,该方法是对原始样本数据提出了一种新的数据处理方法,大大降低了由于历史数据组中的异常点对预测结果产生的破坏性。通过建立我国钢材消费量与国内生产总值(GDP)的计量动态模型对该方法与多因素数据重心预测法进行对比研究。同时利用时间序列自回归AR(p)对计量动态模型的初级预测结果进行差值校正,并将该方法应用于我国2015年、2020年的钢材消费量预测。对比研究表明该方法使得预测结果更加精确、稳健。     

基于SSA的金融时间序列自适应分解预测

提出了分解预测的思想,通过SSA将序列分解成低频与高频两部分,分别采用最小均方(LMS)自适应自回归移动平均(ARIMA)与LMS自适应自回归(AR)模型进行预测,然后将两者叠加便可得原始序列预测值.同时,为了更好地捕捉序列局部突变,缩减预测延迟,提高预测精度,对EaLMS算法(基于误差调整的LMS算法)参数进行修正并...     

一种基于EKF的弹丸最优速度预测算法

弹丸运动速度的高精度测量是测量弹丸膛内其他运行参数的基础.采用极值法测量弹丸运动速度时,传统的做法是直接对解算出的速度信息进行数据拟合,用拟合结果去描述弹丸速度信息,这样做在一些工程应用中虽然能达到技术指标,但误差还是较大.提出基于扩展卡尔曼滤波的预测算法,对极值法解算出的弹丸速度信息进行最优预测,进一步提高了弹丸速度的测量精度.通过实测信号进行验证分析,弹丸速度的测量值更加逼近理论值,误差更小,方法具有工程应用价值.     

基于灰色关联分析与PLS-LSSVM的航材备件需求预测模型

航材备件是保障航空装备日常训练和作战正常使用的重要影响因素,针对部分航材备件样本数据量少,影响因素多且复杂多变,预测结果与装备系统完好性要求偏差较大等问题.建立基于灰色关联分析(GRA)与偏最小二乘(PLS)及最小二乘向量机(LSSVM)相结合的航材备件预测模型,采集某无人机航材备件数据,通过对统计数据进行灰色关联分析...     

用Simpson公式构造背景值的GM(1,1)建模新方法

提出了用Simpson数值积分公式构造背景值的GM(1,1)建模新方法,并通过算法分析和一些实例说明了该方法对很多时间序列应用方便,且其模型的拟合精度也比一些文献中的建模方法有明显改进.认为所提出的方法是建立GM(1,1)预测模型时值得考虑的一个新方法,这不仅将对GM(1,1)建模方法的理论研究提供必要的算法依据,而且...     

基于Pulic智力资本模型的上市公司财务危机预警研究

智力资本在知识经济时代对企业的发展至关重要.本文考察Pulic智力资本评测模型是否能够用于企业财务危机预警.首先基于2003年至2007年中国A股市场新增ST公司样本及配对样本的前三年数据对Pulic模型综合指标进行单变量分析证实了该模型的预警可行性,然后根据三项因素驱动指标分别运用多元判别、逻辑回归、神经网络和最小二乘支持向量机方法建立预警模型进行回判和外推.结果表明,Pulic模型在ST前两年具有较高的判断准确性,可以通过对智力资本的考察而预知企业未来的财务状况.