某场站温度预报初探

本文基于某场站温度变化的特点,对温度数据进行统计分析,利用平稳时间序列的理论就其数据建立模型进而做出预报,并验证此理论方法在场站温度预报中是有效可行的.     

导弹武器系统费用预测的径向基函数网络方法

提出采用径向基函数网络理论来估算导弹武器系统的费用,武器系统的费用与武器特征参数的关系可通过神经网络的阈值和权值来表现,并且对几种用于导弹武器系统费用分析的数据分析结果进行比较分析.通过实例说明了应用径向基函数网络进行导弹武器系统费用分析不但算法可行性好、拟合精度高,而且具有运算简单,结果可靠的特点.     

基于小波神经网络的天然水体溶解氧预测研究

建立基于小波神经网络的预测模型,以不同时间滞差和影响因子组合作为输入变量,对海河流域四个监测断面的溶解氧浓度进行短期预测.结果表明,基于溶解氧历史数据的小波神经网络预测模型精度更高,可用于天然水体的水质预测,为水质管理提供更客观的参考和依据.     

基于反馈回归法的用电量预测模型研究

多元线性回归法是用电量预测中常用的一种方法,带反馈的多元线性回归法是一种改进的回归方法,具有更高的精度.本文在此基础上进行了多次反馈,即利用带多次反馈的多元线性回归法,结合SPSS软件进行统计分析,并以陕西省用电量为例探究分析多次反馈的多元线性回归法在用电量预测中的应用,从而得到更精准的用电量预测模型.最后以四川省的用电量数据对模型进行了验证,体现出了该模型的优越之处.     

基于组合预测模型的广东省第三产业产值预测

首先分析了影响广东省第三产业发展的主要因素,指出由于上述因素相互制约、相互影响,导致第三产业的发展呈现出高度的非线性特征,并使得单一的预测模型在预测效果和泛化能力方面难以胜任.在此基础上,提出了基于神经网络集成的组合预测模型,对广东省第三产业的发展进行预测,阐述了算法的基本原理和数据处理流程,实证分析表明:基于神经网络集成的组合预测模型要比单一预测模型的预测精度高.     

基于组合模型的我国能源需求预测

在信息不完备条件下如何有效预测能源消费总量以把握宏观经济发展趋势,是制定能源规划的基础内容.伴随我国成为全球经济增长重要引擎,能源消费量越来越大,能源安全问题也备受关注.选用灰色系统模型、三次指数平滑模型和BP神经网络模型三种预测模型,应用Shapley值权重分配法确定各预测模型的权重,从而构建组合预测模型并对我国能源消费进行组合预测.在保持过去发展规律基本不变的条件下,2014年能源需求总量为383,718.16万吨标准煤,到2020年将达462,089.33万吨标准煤.2013-2020年能源需求总量年均增长率为3.38%.     

证券投资预测的马氏链法和E-Bayes法

本文提出了两种证券投资预测方法-马氏链法和E-Bayes法.首先对数据进行分组,然后在此基础上应用马氏链法和E-Bayes法的理论建立预测模型,最后结合实际问题进行了计算,两种方法的预测结果是一致的.     

供应链协同需求预测机制研究

如何实现供应链需求预测的有效协同是一个需要解决的难点问题。论文基于博弈论分析了协同需求预测的利益分配机制,定量分析了供应链协同需求预测的整体收益系数,提出了考虑收益和成本的动态激励机制,还定性分析了核心企业主导、信息共享以及信任等机制。提出的机制对提高供应链整体的预测能力,提升竞争力和整体绩效具有很好的价值。     

Effect of random perturbations on adaptive observation techniques

An observation sensitivity (OS) method to identify targeted observations is implemented in the context of four‐dimensional variational (4D‐Var) data assimilation. This methodology is compared with the well‐established adjoint sensitivity (AS) method using a nonlinear Burgers equation as a test model. Automatic differentiation software is used to implement the first‐order adjoint model (ADM) to calculate the gradient of the cost function required in the 4D‐Var minimization algorithm and in the AS computations and the second‐order ADM to obtain information on the Hessian matrix of the 4D‐Var cost that is necessary in the OS computations. Numerical results indicate that the observation‐targeting is particularly successful in reducing the forecast error for moderate Reynolds numbers. The potential benefits of the OS targeting approach over the AS are investigated. The effect of random perturbations on the performance of these adaptive observation techniques is also analyzed. Copyright © 2011 John Wiley & Sons, Ltd.     

高速公路交通事件影响范围的模糊预测

高速公路交通事件的影响范围预测主要包括两个方面:排队长度预测和延误预测.在对排队长度和延误进行实时预测时,需精确预测出事件发生期间的交通流量和通行能力、事件持续时间及车辆到达事件点的时间等参数,而事实上,用于确定这些参数的信息是非常复杂的,得到的这些参数值是模糊的,但是其变化范围是可以精确确定的.充分考虑上述参数的模糊特性,及事件发生期间的交通流量和通行能力的模糊关系,运用α截集表示了车辆到达离去曲线,建立了交通事件排队长度模糊预测模型和延误模糊预测模型.利用2001年6月16日发生在美国210-E高速公路的交通事件验证了该模型的可行性,并分析了事件发生期间交通流量和通行能力及事件持续时间的模糊度变化对排队长度和延误预测结果的影响.