灰色Verhulst神经网络组合预测区域空域流量

能够对区域空域的流量做出准确的预测,可以为空中交通管理部门协调航班运行,减缓空域内航路的拥堵提供重要依据.运用灰色Verhulst模型与神经网络的组合模型对区域航班流量进行预测,并结合华东地区飞行流量的数据样本训练并测试模型.结果显示,由组合模型得出的流量预测值与实际值较吻合,说明组合模型比单种预测方法能够更为准确地对区域空域流量做出预测.     

经济预测中的正交回归分析

本文介绍了一种新的线性模型参数回归分析方法即正交回归,并以建立经济模型为例,对正交回归和经典回归的结果进行了比较。     

基于梯度提升决策树的航班延误分类预测

考虑航空交通网络状态特征对航班延误的影响,将上游的航班延误状态特征加入到预测因素中,并使用梯度提升决策树(Gradient Boost Decision Tree,GBDT)的方法构建了航班延误预测模型.与以往的决策树算法、SVM分类算法、RF算法相比,GBDT算法在航班延误分类预测上具有更高的准确度,可有效提高机场运行管理效率.     

数学与系统科学方法在宏观经济管理和公共政策分析中的应用专辑 序言

宏观经济管理和公共政策分析是两个非常重要的学科领域,大量使用统计学模型、计量模型、优化模型、对策论模型和其他数学与系统科学分析工具.高度关联状态下世界经济的脆弱性和社会系统的复杂性,给宏观经济管理和公共政策分析带来了若干全新的     

全国平均每百户居民私家车拥有量预测

为了对全国平均每百户居民私家车拥有量进行预测,建立了可分离变量微分方程的数学模型,采用最小二乘法,借助Excel作为计算工具,得到了微分方程近似解的参数值,并用微分方程的近似解估计了最大拥有量以及2010年以后某些年的拥有量．     

基于模型预测控制的低温控温策略设计及实验验证

低温温度计的标定中,控温策略是低温温度计标定效率和精度的重要影响因素。本研究搭建了以液氦为冷源的低温温度计全自动标定系统,通过温控仪和Python/QT编写了上位机控制程序,对标定过程中所遇到的控温性能问题进行研究。提出一种基于模型预测控制和PID结合的控温策略,通过计算机仿真进行参数优化与实验测试的方法,对PID控温和模型预测控制控温进行实验验证。结果表明,采用模型预测控制后,温度超调量仅为PID模式下的45.42%,稳态调节时间缩短为PID下的23.61%。该控制方法能够显著提高低温系统的控温性能。     

多波束测深仪姿态对测深影响分析及误差校正技术

传统多波束测深仪姿态校正处理效率较低,并且校正质量受姿态设备精度影响较大。在平坦海底条件下,测底数据的一些数学拟合特征可较好地反演姿态,为此提出基于多波束测底数据特征进行姿态拟合并校正的方法。本文首先对姿态对测深的影响进行理论分析和仿真分析,得到“横滚和升沉的影响较大、俯仰的影响较小”的结论。其次提出基于测底数据进行姿态补偿的方法,并对实测海底数据进行姿态拟合并校正,校正后海深分布集中度提高。分析表明提出的方法在多波束测深仪姿态校正技术领域有较好的应用价值。     

基于损失函数的GARCH类模型波动率预测评价

本文的目的是通过利用多种损失函数评估三种GARCH模型的预测精度,找到最优的股指期货日内波动率研究预测模型。利用之前的研究结果,三个沪深300股指期货日内一分钟日内收益率被用作研究对象,对标准GARCH,eGARCH以及RealGARCH三个模型做了实证检验,并利用多种损失函数,从不同角度衡量三个波动率模型的预测精度。研究发现：Sample1样本的RealGARCH模型有最好的预测效果,而Sample2样本与Sample6样本的eGARCH模型有最好的预测精度。因此,在对沪深300股指期货日内波动率研究时,应根据其样本特征,优先选择具有能够反映非对称特征的波动率模型来刻画波动过程,对未来波动率做预测。     

基于优化核极限学习机的风电功率时间序列预测

针对时间序列预测,在单隐层前馈神经网络的基础上,基于进化计算的优化策略,提出了一种优化的核极限学习机(optimized kernel extreme learning machine,O-KELM)方法.与极限学习机(extreme learning machine,ELM)方法相比,核极限学习机(kernel extreme learning machine,KELM)方法无须设定网络隐含层节点的数目,以核函数表示未知的隐含层非线性特征映射,通过正则化最小二乘算法计算网络的输出权值,它能以极快的学习速度获得良好的推广性.在KELM的基础上,分别将遗传算法、模拟退火、微分演化三种进化算法用于模型的结构输入选择、正则化系数以及核参数的优化选取,以进一步提高网络的性能.将O-KELM方法应用于标准Mackey-Glass混沌时间序列预测及某地区的风电功率时间序列预测实例中,在同等条件下,还与优化的极限学习机(optimized extreme learning machine,O-ELM)方法进行比较.实验结果表明,所提出的O-KELM方法在预测精度上优于O-ELM方法,表明了其有效性.     

耦合火焰不稳定的爆炸超压预测

基于火焰不稳定和爆炸超压的耦合机制,通过向光滑火焰模型中引入褶皱因子,建立了褶皱火焰模型和湍流火焰模型,对密闭燃烧室内爆炸超压进行理论预测,且对比了绝热压缩和等温压缩对爆炸超压预测的影响规律。结果表明：在增强的流体动力学不稳定作用下,膨胀火焰失稳加剧,且在定容燃烧阶段形成胞状火焰;光滑火焰模型忽略了火焰不稳定,爆炸超压理论预测值比实验值偏低,且等温压缩下超压预测值低于绝热压缩下的预测值;湍流火焰模型高估了火焰褶皱程度,超压预测值远高于实验值;褶皱火焰模型可成功预测丙烷/空气爆炸压力和燃烧室体积V=25.6 m³的甲烷/空气爆炸压力;对于甲烷/空气爆炸,燃烧室体积V≤1.25 m³时,实验压力值介于褶皱火焰模型和绝热光滑火焰模型预测值之间。