基于遗传算法的ARMA模型定阶新技术

针对时间序列分析与预测中最为常见的ARMA模型的定阶问题,在分析传统定阶方法缺点的基础上,提出了用遗传算法确定ARMA(n,m)模型的自回归阶数n和滑动平均阶数m的新方法。首先由ARMA模型的预测值与实测值定义平均相对变动值(Average relative variance,ARV),并根据其建立遗传算法的适应度函数;然后选取适当的种群数、交叉效、变异率及进化代数;通过逐代进化,得到最优的ARMA模型。最后,通过太阳黑子数据验证了基于遗传算法的ARMA模型定阶新技术的有效性和实用性。

基于TGM-ARMA模型的地铁隧道结构沉降预测分析

地铁隧道结构沉降主要受土层状况、地下水位、轨道荷载及周边环境等诸多因素影响,机理复杂,随机性强,而且随时间不断变化,难以用固定的数学模型表示,是一个非平稳的过程。据此,结合以灰色系统理论为基础的TGM(1,1)模型和以时间序列为基础的ARMA(n,m)模型各自的特点,建立了时变参数灰序模型TGM(1,1)-ARMA(n,m),并对地铁隧道主体结构沉降进行了分析与预报,结果表明时变参数灰序模型预测精度较高,且适用于中长期预测。因此,该组合模型在地铁隧道结构沉降预测分析中有较强的适用性,具有一定的应用价值。

The Novel Triangle MGM(1,m,N)Model and Its Applications

The MGM(1,m,N)model is an effective grey multi-variate forecasting model that considers multiple system characteristic sequences affected by multiplefactors.Nevertheless,it isregularly inaccurate in the application This is because the model requires a strong correlation between the system characteristic sequences That reduces the applicability of the model.To solve this problem,this paper proposes a novel multi-variate grey model.This model does not require a certain correlation between system characteristic sequences and has higher applicability Through numerical integration,a two-point trapezoidal formula,and a recursive method,thetime-response expressions ofthetwo model forms are obtained Some properties of the proposed model are further discussed Finally,the validity of the proposed model is evaluated by using two real cases related to China's invention patent development.Theresultsshow that the novel models outperformother models inbothsimulation and prediction applications.

肿瘤热疗过程中数值预报的研究

利用时间序列预报的方法 ,对肿瘤内部的某点温度变化规律进行预报分析 ,根据预报的结果来调整辐射源的加热功率及探头与肿瘤接触面的边界温度 ,控制肿瘤体温度 。

汽车车内噪声主动控制系统扬声器与麦克风布放优化方法

利用声固耦合边界元仿真方法与多目标遗传算法,实现了面向对象的车内噪声主动控制(ANC)系统扬声器麦克风布放方案的优化。首先基于自适应算法,推导了车内噪声主动控制系统降噪性能预测方法,并利用声固耦合边界元仿真方法,实现了面向对象的ANC系统降噪性能预测;在该仿真模型的基础上,建立对应的代理模型,以实现对系统降噪性能的快速预测;最后利用多目标遗传算法,获得系统关于扬声器麦克风数量与多个频率下降噪量的Pareto最优解集。该最优解集能定量描述ANC系统扬声器麦克风数量与降噪性能之间的关系,并为该系统与车辆的匹配提供依据。

灰色MGM(1,m,N)模型的构建及其在雾霾预测中的应用

针对传统MGM(1,m)模型和GM(1,N)模型均未能反映多个系统行为变量在多个因素变量影响下的模拟预测问题,本文根据两个模型各自特点对传统MGM(1,m)模型和GM(1,N)模型进行拓展,构建了灰色MGM(1,m,N)模型.研究该模型的建模机理及过程,并解决在多个因素变量的影响下多个系统行为变量的模拟预测问题.最后,将三种模型应用于雾霾的模拟预测中,结果表明,MGM(1,m,N)模型预测精度高于传统的MGM(1,m)模型和GM(1,N)模型,这主要是由于该模型能够较好地描述和反映多个系统行为变量受多个因素变量的影响.

时序混合模型预报及其在铁路货运收入中的应用

本文以某火车站记载的,以往的月货运收入序列,采用潘迪特—吴(Pandit-Wu)建议的混合模型的方法建模,采用滚动式预报,获得了较满意的结果。此外,还举例说明了原始记录真实性的重要性,并提出了值得研究的建模中的计算精度问题。

基于混合队列模型的配电网状态监测业务通信带宽预测

配电网状态监测系统建设是构建泛在电力物联网的重要内容,准确预测通信网络带宽对明确业务需求、优化资源配置具有重要意义。针对当前配用电基于排队论的通信带宽预测方法在混合业务并存时带宽计算过程复杂的局限性,提出了一种基于G/M/1/N队列模型的通信带宽预测方法。从状态监测系统架构和数据业务特点出发,分析混合数据业务到达时间间隔的统计描述以及基本传输速率,并给出了满足服务质量(quality of service,QoS)要求的系统带宽最优化化求解方法。以典型配电网状态监测应用为例,讨论了业务带宽、服务质量和带宽利用率之间的量化评价过程;验证了配电网状态监测网络信息流的"小数据"特征,为低功耗广域物联网通信技术在配电网状态监测中的应用提供了理论支撑。