仿射死亡率模型长期预测的优化与分析——考虑非完整近期队列数据

死亡率建模与预测是精算科学的重要基础,而仿射死亡率模型作为一种经典的连续时间随机模型被大量地应用于评估系统性死亡率的发展,其中模型构建的一种常用方法是卡尔曼滤波算法。本文针对传统卡尔曼滤波算法在建模过程中自动忽略近期非完整队列数据的情况,借鉴机器学习和贝叶斯算法中迭代学习的理念,对传统算法进行了拓展,从而将近期非完整队列数据应用于模型拟合与预测中。通过量化分析对比证明了基于拓展算法的模型在预测方面,尤其是长期预测中,有两方面的优势:更好地捕捉了系统性死亡率风险的变动,避免了对长期长寿风险的低估;在预测精度方面有了较大的提升,特别是在长期预测时优势更为明显。

水稻白背飞虱发生程度的长期预测模型

气象条件影响白背飞虱Sogatellafurcifera发生发展 ,根据海气相互作用原理 ,海温的变化会引起大气环流系统的变化 ,同样制约各地气象条件。作者将西太平洋海温作为长期预报因子 ,根据场相关分析方法 ,找出与水稻白背飞虱发生程度各指标相关的强信号海区 ,应用最优化相关处理技术 ,大大增加了虫情发生指标和海温之间的相关度 ,建立了水稻白背飞虱始见期、迁入虫量及第五 ( 2 )代虫量可靠的长期预测模型 ,模型均通过了α=0 0 1显著性水平 ,拟合及试报结果理想 ,预报模型切实可行 ,可以投入业务使用 。

中长期预测模型的GMDH三水平算法

本文给出三水平算法的操作方法,指出算法进行中、长期预测成功的优势.

基于灰色理论的供电系统负荷中长期预测模型及其应用

基于灰色理论的基本思想 ,从历史数据少、不考虑分布规律、变化趋势、运算简便的特点出发 ,提出了在电力市场运营模式下 ,县 (区 )级电力负荷的中长期预测模型 ,并对某供电局 1997年到 2 0 0 0年的销售电量进行了预测 ,预测结果与各年度的实际售电量相比 ,最大误差小于 0 .7%。

中长期预测模型的GMDH不同水平算法优势比较及实证分析

本文给出了二、三水平算法的一般模式，分析不同水平算法的优势，利用经济变量进行实证分析。研究结果表明，随着算法水平的提高，算法的抗干扰能力不断加强，预测效果越来越好，进一步证实了算法的有效性。

重构背景值双变权GM(1,1)中长期预测模型构建

为了解决传统GM(1,1)模型在中长期预测中存在的局限性和较大偏差问题,提高模型预测精度,拓宽其应用范围,结合全信息变权弱化缓冲算子、全信息加权平均法、Newton-Cotes公式和三次牛顿插值公式,从原始数据变换、背景值重构、初始条件优化3个方面对传统GM(1,1)模型进行改进,建立了重构背景值双变权GM(1,1)中长期预测模型。用西安市年供水量统计数据对模型进行精度检验与分析,结果表明精度检验等级为一级,具有很好的预测精度,可用于西安市年供水量的预测。

中长期预测模型的GMDH三水平算法计算的实现

提出三水平算法的一般模式和差分结构，利用多阶段算法减少计算量，并研究编程上机计算的实现。

基于CEEMD和BP神经网络的鄱阳湖流域旱涝长期预测模型研究

基于鄱阳湖流域1470~2014年的原始旱涝等级序列,利用最新的完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition,CEEMD)和BP神经网络(Back Propagation Neural Network),构建了鄱阳湖流域旱涝的长期预测CEEMD-BP模型。结果表明:与EEMD相比,CEEMD对原始数据进行平稳化处理的效果更好,能更有效地提取原始数据中隐含的周期信号和长期趋势;原始数据经CEEMD分解后得到若干个本征模函数(Intrinsic Mode Function,IMF)序列,BP神经网络可以较好地拟合或预测这些IMF序列;CEEMD-BP模型对鄱阳湖流域1985~2014年旱涝等级序列的预测精度优于单一BP神经网络的。CEEMD-BP模型对2015~2064年的长期预测显示,未来50年鄱阳湖流域的旱涝指数有先上升后下降的趋势。

基于实测数据的地铁隧道长期沉降预测模型研究

基于上海地铁二号线的实测沉降数据,运用遗传算法(GA)和粒子群算法(PSO)对传统BP神经网络进行了优化,以弥补BP神经网络在网络结构、权值和阈值选择上的随机性以及容易局部收敛等缺陷,据此提出了两种新型隧道长期沉降预测模型,即GA-BP神经网络和PSO-BP神经网络模型;并对比研究了经验曲线、BP神经网络、GA-BP神经网络以及PSO-BP神经网络等模型方法的优缺点及预测效果.研究发现,以上各神经网络模型均取得了较为满意的预测结果,其中PSO-BP神经网络模型的预测精度最佳,且运算速度最快,是文中所提方法中最适用的盾构隧道长期沉降预测模型.

江苏省稻纵卷叶螟迁入期虫情指标与西太平洋海温的遥相关及其长期预报模型

将西太平洋海温作为长期预报因子,根据场相关分析方法进行相关普查,用GRADS软件绘制了江苏省宜兴、盐都、靖江地区稻纵卷叶螟迁入峰期、峰期持续时间及峰期蛾量等各虫情指标与各格点逐月的月海温值间相关系数的时、空分布图,从中找出了与稻纵卷叶螟迁入期各虫情指标相关的强信号海区,并对预测因子进行最优化相关处理,建立了三地区稻纵卷叶螟迁入期各虫情指标的长期预报模型.结果表明:三地区稻纵卷叶螟迁入峰期与西太平洋海温存在共同的高相关区;稻纵卷叶螟迁入持续时间与西太平洋海温具有较好的相关关系;海温显著影响迁入峰期蛾量,二者间具有较稳定的相关关系,且其相关程度随季节变化而变化;所有预报模型均通过了α=0.01的显著性水平检验,说明预报结果与实际值较吻合,预报模型切实可行.该预报模型将能提前1～2个月做出预测意见,对江苏省水稻虫害防治、水稻生产以及最大限度地减轻化学农药污染、改善环境质量具有重要意义.

基于LSTM神经网络的中长期光伏电站发电量预测方法研究

准确估算光伏电站的中长期发电量对电网规划改进、调度优化、管理发展具有重要意义。然而,由于中长期发电量预测与短期出力预测存在显著差异,短期出力预测技术无法直接应用于中长期电量预测。文章提出一种基于模糊C均值聚类-随机森林算法FCM-RF和LSTM神经网络的中长期辐照度预测模型,进而提出间接预测分布式光伏电站发电量的方法。针对传统随机森林在数据差异性处理能力不足的问题,引入模糊C均值聚类算法对传统随机森林算法模型进行了改进。设计了LSTM神经网络,解决了"长时间周期依赖"问题。最后经实验验证,该分布式光伏电站中长期发电量预测模型每月预测平均误差百分数MAPE在3.5%上下波动,各电站年预测值在1.1%上下波动,预测效果较好。

皖江地区水稻病虫害长期定量预测方法研究--以芜湖为例

以芜湖市1986~2020年水稻病虫害及水稻种植面积、逐月气象要素、国家气候中心逐月环流和海温指数数据,分析了各病虫害的变化特征和显著气象影响因子,并借助多元逐步回归方法,研究了一种基于环流和海温指数的皖江地区主要病虫害的长期定量预测方法。结果表明:芜湖市病害总体轻于虫害,病害中稻瘟病、纹枯病和稻曲病发生面积比显著增加,白叶枯显著减少;虫害中二化螟、稻纵卷叶螟和褐飞虱发生面积比显著增加,稻蝗显著减少。各病虫害均有显著相关的气象影响因子。在此基础上,借助多元逐步回归方法,利用环流、海温指数对气象要素的影响及其影响的滞后性,建立了基于这些指数的皖江地区病虫害的长期定量预测模型。模型建立前先遴选出与本地病虫害显著相关的环流、海温指数,然后将其依次放入多元逐步回归模型,最终建立了8种病虫害的预测模型。模型和公式中的自变量均通过了显著性检验,模型具有较好的拟合效果。预报效果验证结果表明,模型具有一定的预报能力,能够在年初定量预测本年度主要病虫害的发生面积比,为皖江地区农业气象服务的开展提供了技术支撑。

冷热电联供系统多形态电负荷的中长期预测方法

针对冷热电联供系统多形态电负荷预测精度低的问题,通过将预测模型嵌入到联供系统中进行数据归纳和数据整理,利用联供系统供能线路图设计长期预测模型,使联供系统多形态电负荷预测数据有了理论基础。运用Volterra算法提高预测数据准确性,增加了预测模型的精度。通过Simulink对预测电负荷数据进行仿真,发现本研究预测方法更加符合实际,相对误差在0%~6%范围波动,稳定性高。

闽南植胶区白粉病长、中期预测模型的探讨

橡胶白粉病是华南植胶区危害最大的病害之一.我省受白粉病危害也十分严重.我省植胶历史较久的诏安县建设农场从1977年至1990年十四年间,出现中重病年有10次,占71.4%,可见,橡胶白粉病在闽南植胶区出现相当频繁.而且危害也很严重.在闽南胶区,病害严重流行年份,会引起胶树多次落叶,造成推迟或停止割胶.诏安建设农场1979年最终病情指数高达81.6%,减产20%以上,损失十余万元.白粉病的流行方式暴发性极强,一旦气象条件适宜,数天之间,病情指数立即飞跃上升.暴发期的天气多数为高温高湿,而且阴雨不断,对防治工作极为不利,常使防治工作处于被动地位.

基于人工智能方法的岩爆预测系统

通过理论分析预测法和现场实测法,建立了一套长期预测和短期预测相结合的岩爆预测系统。长期预测模型是基于神经网络思想,运用国内外相关工程的岩爆资料作为训练样本,建立了小波神经网络预测模型,对工程范围内岩爆发生趋势进行了预测。短期预测模型首先针对监测到的声发射建立小波神经网络模型,对声发射时间序列进行拟合预测;再运用突变理论对预测的声发射建立了岩爆突变预测模型,进而对监测点附近岩爆发生情况进行准确的预测。两种预测模型都运用到了目前人工智能方法中比较新颖的小波神经网络理论,提高了收敛速度,容错能力,保证了预测的效果。通过工程实际运用,建立的岩爆预测系统预测精度高,预测结果与现场情况一致。两套预测模型可以适用于不同的工程阶段,互相验证,具有很好的工程实用性。

基于引力搜索算法的分数阶变异时序回归GSA-TSGM(1,1)模型

为了利用分数阶累加算子在灰色短期预测中的高效性能,首次将分数阶累加算子引入变异时序回归模型以期取得更高的预测精度。主要方法如下:首先取湖北省链子崖某监测点1978—1987年的十年数据作为训练集并使用引力搜索算法确定最佳分数阶累加阶数,而1988—1993年的六年数据作为验证集验证提出的模型;其次对比了经典灰色模型GM(1,1)、分数阶累加灰色模型、变异时序回归模型TSGM(1,1)三种灰色模型。结果如下:首先修正了陈西江等人变异时序回归模型仿真时出现的错误,其次表明了相比于其他的模型,基于引力搜索算法的分数阶累加时序回归模型在进行灰色长期预测中具有较高的预测精度。因此,通过分数阶累加算子提高了灰色理论中长期预测模型的精度,为灰色长期预测提供了指导。

基于改进PSO-SMO的模型参数辨识及应用

目前,大多数智能辨识方法只考虑辨识系统的输出值,不能辨识模型的参数。对此,研究了基于线性核函数支持向量机的辨识算法,对模型参数和输出同时进行辨识。在此基础上,采用改进的PSO-SMO算法以提高辨识速度和精度。将该方法用于ARX模型和长期预测模型的参数辨识中,结果表明,该算法比其他算法具有更高的准确性。

中国人口与经济长期预测模型

本文是我们在1997年完成的"中国经济长期增长模型研究"的核心内容.为了突出要点,本文把原模型的多部门变为单一部门.现在才拿出来发表,是考虑模型需要经受时间的考验.从那时到现在已经过了四年,这几年的实际数据表明该模型有较高的预测精度.

中长期预测模型的GMDH两水平算法的改进及实证分析比较

两水平算法是以自组织原理为基础应用多层迭代、采用季节数据和年数据同时建模 ,在一定程度上扩大可预测范围 .主要用于复杂系统建模 .对算法作改进 ,使模型在对具有周期趋势的事物预测更加准确 .实证分析表明 ,对算法改进有效 .