高频GPS双差残差模型监测强震地表运动

根据震时地表震动持续时间短的特点,以及双差残差的相关性,提出了基于双差残差建模的高频GPS强震位移监测方法.首先对震前若干历元各双差残差进行建模,地震发生后,利用模型对各双差残差进行预报,最后利用预报残差实现短时间尺度内的位移解算.利用一条长约1100km基线的静态数据和El Mayor-Cucapah 7.2级地震的94个测站数据进行试验分析,结果表明,5min预测时间内,静态数据的动态位移在N、E、U三个方向的定位中误差分别为6mm、6mm和13mm,地震数据的解算结果与实际情况有较好的一致性.

灰色残差模型与递补模型对比及在城市需水量预测中的应用

在传统灰色预测基础上,通过模型模拟的还原值与原始数据比较,取其差值,构建新数列模型代回原模型修正误差。灰色残差模型在模拟精度方面超过传统灰色方法,而且更能对外界因素的影响做出反应。通过对比和实践验证,灰色残差模型和递补模型都很好地弥补传统灰色模型的不足而且能更好地预测城市未来需水量。

大气折射误差的残差模型

本文从定义出发，推导出目标在球面分层（水平均匀）低层大气或电离层内仰角折射误差、距离折射误差和相应于单脉冲雷达与三站雷达的距离变化率折射误差的残差模型[式（14）与（20）；（24）与（27）；（57）与（59），（63）与（65）]与现有模型比较，所得模型精度较高，适用于高低仰角，目标可在低层大气与电离层内，没有距离限制，不涉及视在仰角变化率问题，便于实际应用．

模糊均生函数残差模型在地下水数值模拟降水量预报中的应用

地下水主要补给来源为大气降水的入渗和地表水体的渗漏。在地下水模拟预报模型中需要预先知道降水量。迄今为止,年降水量的预测仍然是一个不易解决的难题。在模糊均生函数模型(FAFM)基础上,利用其残差数据序列对FAFM进行校正,提出了模糊均生函数残差模型(REMFAF),给出了模型预报精度的检验方法。实例研究表明,REMFAF模型应用于吉林省西部地区地下水数值模拟中的降水量预报,比FAFM的预报精度更高,取得了较为理想的结果。

GM(1,1)残差模型群与酸雨预测

根据灰色系统建模原理，提出了用ＧＭ（１，１）残差模型群进行酸雨预测的新方法．

GM(1,1)残差模型在民航客运量预测中的应用

利用GM(1,1)模型对民航客运量进行模拟预测,用GM(1,1)残差模型对其进行修正,得出精度很高的预测公式,并用模型的后验差检验所建预测模型,证明预测公式精度较高,以期在今后的实际预测中取得很好效果。

灰色残差模型在城市工业需水量预测中的运用

建立灰色残差模型是为了解决灰色模型无法达到预测精度问题,其原理依赖于灰色模型,不同之处是以残差数列建立灰色模型对该模型进行修正以满足预测精度。建立了灰色预测模型和残差预测模型,经精度检验得出灰色残差模型预测精度等级使用灰色残差模型预测出的南通市未来8年内的工业需水量具有可信度,分析比较得出结论:灰色残差模型适用性较灰色模型好,更有助于城市水资源综合规划和供水计划的制定。

对流层电波折射修正的残差模型研究

电波折射修正常用方法是射线描迹法,其修正精度主要取决于大气时空结构参数的精度。本文给出了影响大气结构精度的四种误差(垂直大气剖面测量误差、大气时变漂移误差、大气水平不均匀性误差和大气随机起伏误差)所引起电波折射修正的残差,并给出了某连续波干涉仪系统中电波折射修正的实用残差模型。

马尔柯夫灰色残差模型在刚构桥控制中的应用

文章结合罗天乐特大桥的马尔柯夫灰色残差模型预测实例,介绍马尔柯夫灰色残差模型在线性控制中的原理、计算及应用过程,并根据实际监控经验提出了建议。罗天乐特大桥的具体监控应用实践表明,马尔柯夫灰色残差模型预测精度高,能较好地应用于大跨连续刚构桥的施工线形控制。

基于ARIMA与SVR滚动残差模型组合的股票预测

为提高金融市场股票的预测精确度,提出自回归差分移动平均与支持向量机滚动残差模型组合的预测股票方法。以贵州茅台的股票数据为研究对象,借助ARIMA模型实现对股票数据的线性趋势预测,通过滚动残差的SVR回归模型对ARIMA模型的预测残差进行数据修正,得到ARIMA_SVR滚动残差模型的预测值。实验结果表明,相较于传统ARIMA模型,ARIMA与滚动残差SVR组合模型的性能和预测精度都得到大幅提升,具有一定的学术价值和应用意义。

基于GM(1,1)残差模型的铁路客运量预测

运用灰色GM（1,1）模型,对铁路客运量进行预测,再用GM（1,1）残差模型进行修正,得出精度很高的预测模型,结合实际统计数据对预测结果的精度进行检验。结果显示,GM（1,1）残差模型的预测结果比灰色GM（1,1）模型有更高的预测精度。基于此,对2009~2014年广西壮族自治区铁路客运量进行预测。

修正的GM(1,1)残差模型在原煤销售量预测中的应用

本论文研究的是提高灰色预测模型的一种方法。首先建立主模型进行预测,得到残差序列,然后对残差序列建模,对主模型进行修正,得到修正的GM(1,1)模型。将模型应用到原煤销售量的预测中,其精度明显提高。

基于灰色残差模型的灌区地下水最小埋深预测

建立灰色GM(1,1)主模型,然后进行残差修正,从而形成灰色残差模型,并对宝鸡峡灌区周城—苏坊洼地地下水最小埋深进行了预测。结果表明:根据前12 a观测数据建立模型,预测的第13 a地下水最小埋深为3.64 m,与实际值相比较,相对误差为4.21%;与单一采用灰色模型GM(1,1)相比,灰色残差模型克服了因数据序列不稳定而带来的误差,可提高灌区地下水最小埋深预测精度。

基于灰色残差模型的中国税收收入预测

税收是国家财政收入的重要来源,准确的税收预测结果对于制定各项经济政策具有非常重要的意义。为提高中国税收收入的预测精度,适应资源配置、收入再分配和宏观经济调控的需求,在传统灰色预测技术的基础上,建立了残差灰色预测模型,并通过实例分析验证了该模型的实用性和精确性。

残差模型在工厂烟尘排放量预测中的应用

由于工厂烟尘排放量具有灰色因素 ,故应用残差辨识数学模型 ,对湘钢烧结厂主要工作点烟尘排放量原始数据进行了计算 ,得出了预测结果 ,可为下一年度环境保护工作决策提供科学依据。

基于残差模型的灰色预测算法在杭州旅游业中的应用

本文基于灰色理论对杭州市2007年至2015年入境旅游人数进行了预测。利用GM(1,1)模型以及最小二乘法的相关知识,对数据进行处理,得出其原始预测序列;考虑到实验结果有偏,利用了残差修正方法对残差进行训练,修正了预测结果。采用了不同误差指标对结果进行了综合性分析,证明了所提出模型在入境旅游人数短期预测中的优越性。

基于深度残差网络的道路标志识别模型构建及分析

道路标志识别是自动驾驶技术的重要依据,自动驾驶技术的高速发展对道路标志识别提出了更高的要求,对道路标志的识别具有重要的理论和应用价值。简单分析了道路标志识别的背景,介绍了卷积神经网络的网络结构和近年来取得较好识别效果的深度残差网络模型(ResNet),并提出了改进的ResNet18网络模型。使用德国道路标志数据集进行训练和测试,并与相关算法进行比较,证明该模型具有较高的识别精度和识别效率。

反向残差结构的指纹细节点提取轻量型网络模型

针对指纹匹配中细节点信息提取错误和提取不充分的问题,提出一种基于深度学习的端到端轻量型改进多尺度反向残差指纹网络模型(inverted residual network for fingerprint minutiae extraction,IRFingerNet)。该网络模型使用改进的残差结构,建立容易优化的轻量级网络,在增加网络深度时可减少信息丢失;把指纹的脊线、细节点等多种特征融合为联合特征,增强语义信息并提高对细节点的感知能力;运用通道注意力机制,校正联合特征,增大有效特征权重,减少无效特征权重。在NIST 4、FVC 2002、FVC 2004数据库上的实验结果表明,在实际应用中,IRFinger Net可以更有效地完成指纹细节点提取的任务,拥有更高的精准度和回调率,整体的F1得分高达0.87,其效果相较于传统提取方法得到了11%的提升,且达到了每个指纹图像0.23 s的检测速度。