一种基于相关分析的局域最小二乘支持向量机小尺度网络流量预测算法

本文分析了网络流量数据的特性,针对传统预测算法在预测网络流量时的缺陷提出了一种基于相关分析的相关局域最小二乘支持向量机(LSSVM)预测算法.算法在对训练数据重构相空间后,利用相关分析同时从距离相关和时间相关的训练样本中选择最优的训练子集,结合自适应参数优化的LSSVM预测模型对小尺度网络流量进行预测.通过选用实际情况下的网络流量数据对算法进行测试验证,结果显示本文所提算法不仅优于传统的全局预测算法,同时也优于各种改进的局域预测算法.算法不仅在预测精度上取得大幅的性能提升,同时能够通过留一交叉验证法在预测之前就完成预测模型和训练子集的优化.     

基于能力区域的交通状态预测方法

交通状态预测是交通流诱导和交通信息发布系统的重要依据.本文提出了一种基于能力区域的城市快速路交通状态预测方法,该方法通过构建神经网络分类器的能力区域,根据样本数据与交通状态类簇之间的空间距离,预测道路交通状态等级.神经网络分类器的能力区域能够有效融合时间、空间等多种特征,并且不需要考虑各特征之间的相关性,具有很强的适应性.实验结果表明,与经典的预测方法相比,其预测误差明显降低,均等系数增大,基于能力区域的方法预测交通状态具有较高的准确性.     

复杂网络中带有应急恢复机理的级联动力学分析

提出带有应急恢复机理的网络级联故障模型,研究模型在最近邻耦合网络,Erdos-Renyi随机网络,Watts-Strogatz小世界网络和Barabasi-Albert无标度网络四种网络拓扑下的网络级联动力学行为.给出了应急恢复机理和网络效率的定义,并研究了模型中各参数对网络效率和网络节点故障率在级联故障过程中变化情况的影响.结果表明,模型中应急恢复概率的增大减缓了网络效率的降低速度和节点故障率的增长速度,并且提高了网络的恢复能力.而且网络中节点负载容量越大,网络效率降低速度和节点故障率的增长速度越慢.同时,随着节点过载故障概率的减小,网络效率的降低速度和节点故障率的增长速度也逐渐减缓.此外,对不同网络拓扑中网络效率和网络节点故障率在级联故障过程中的变化情况进行分析,结果发现网络拓扑节点度分布的异质化程度的增大,提高了级联故障所导致的网络效率的降低速度和网络节点故障率的增长速度.以上结果分析了复杂网络中带有应急恢复机理的网络级联动力学行为,为实际网络中级联故障现象的控制和防范提供了参考.     

基于差分平稳时序的Ka波段雨衰预测

针对经典模型在Ka波段雨衰预测时存在涉及参数多、计算量大的问题,提出了基于差分平稳时序的预测方法.该方法利用前导雨衰值的差分变换建立预测模型,并通过对平稳时序的参数估计得到各频点的雨衰预测值,进而实现将传统的非线性预测转化为简便的线性预测.仿真结果表明:不同预测间隔、时序个数、差分次数下的预测精度不同,与Dissanayake-Allnut-Haidara模型相比在满足预测间隔0.1 GHz、时序数20、二次差分条件时预测误差可达10-3以下,同时表明极化方式对模型参数的影响可以忽略,验证了所提方法具备参数计算简单、预测精度高的优点.     

不同故障下高温超导电缆的失超分析

分析了高温超导电缆的结构,建立了高温超导电缆的数学模型,利用PSCAD/EMTDC平台搭建了超导电缆的仿真模型,借助MATLAB软件计算了超导电缆在不同故障下的电流、阻值和温度的瞬时变化情况。分析了超导电缆在发生单相接地、两相短路及三相短路故障情况下导体层的电流、阻值和温度的变化过程。     

双面半色调图像的光谱反射率色彩精确预测模型

为了准确地预测双面半色调图像的光谱反射率,并考虑光在纸张内的散射和油墨在纸基上的扩展渗透,建立了一个统一的双面半色调图像光谱反射率精确色彩预测模型.在油墨是非散射介质,纸张为强散射体以及油墨和纸张具有相同的折射率的条件下,引入Williams-Clapper模型中光在油墨中斜程传播的思想,考虑进入纸基层的光线横向传播和油墨扩展导致的网点扩大效应以及光在纸基和印刷品-空气界面间的多重内反射,利用多重内反射的网状结构分析法和最小二乘曲线拟合方法,确定了各种不同叠印条件下的理论网点面积率和有效网点面积率的函数关系,得出彩色双面图像的光谱反射色彩精确预测模型.新模型的预测值和测量值达到了较好的匹配,同时这也为彩色双面图像的呈色规律分析和印刷品质量检测系统的研制与开发提供了理论依据.     

基于多分辨率分析的股票市场预测模型研究

采用多分辨率分析技术将深证成指收盘数据序列分解为多个子序列,然后采用神经网络技术对每个子序列分别建立预测模型,将各个预测结果叠加后得到最终预测结果.研究首先发现多分辨率技术可以有效提高预测模型的预测精度,表明分析我国股市波动时应该按照不同因素对股市影响大小及周期的差异分别研究,才能更有效分析股市运行状况及对其预测;其次结果表明不同类型神经网络预测模型预测性能差异明显,在选择股市预测模型的神经网络类型时应该注意其学习算法及收敛过程,以便能更好捕获股市变化规律.     

我国省域人口的时序预测模型的选择——基于预测精度、偏差和不确定性的分析

人口预测作为区域规划和政策决策的依据对于区域经济社会可持续发展有重要理论价值和现实意义.目前已有不少学者使用时序模型进行了人口预测,但从预测精度、偏差和不确定性角度考虑时序模型选择的研究几乎没有.利用ARIMA模型对我国部分具有代表性的省域进行人口预测的基础上,探讨了不同基区间、临界年及预测区间等条件下人口最优时序预测模型选择的一般性规律.研究发现,一些ARIMA模型能提供相对精确的结果,另一些则不能;线性与非线性模型在预测精度上有较大差异;历史数据长短可能导致选择不同的模型;不同精度视角下的模型选择有较强一致性,但也有一定程度的不确定性.     

基于GM(1,1)模型的我国废水排放量及治理状况分析

根据近10年我国废水排放及治理现状,应用GM(1,1)模型预测出今后10年我国废水排放及治理状况并分析了废水排放量及治理费用增加的主因,为有关部门制定相关法规提供理论依据.