基于自回归预测模型的列车精确控制策略研究

随着科学技术的发展,自动驾驶技术越来越成熟,这对提高列车运行效率具有重要意义。传统的列车精确控制策略受到列车制动时间限制,在发生紧急情况时容易造成制动响应时间达不到要求,无法满足目前高密度列车精确控制的需求。基于自回归预测模型提出了列车精确控制策略,辨识列车精确控制参数,设计列车精确控制算法,预测验证列车精确控制状态,实现了列车精确控制。试验结果表明,提出的列车精确控制优化策略的紧急制动响应时间较短,能实现列车实时精确控制,有一定的应用价值。

机场道面使用性能的动态自回归预测模型

针对我国机场道面性能观测时间短,观测数据少,使用现有模型预测精度低,不能根据观测值动态更新预测模型等现状,提出了将卡尔曼滤波应用于时间序列预测的方法,建立了动态自回归预测模型,进行机场道面使用性能的预估.选取我国华东某机场的实测道面状况指数为基础数据,进行时间序列建模,应用卡尔曼滤波算法实现时间序列模型参数的实时更新,分析模型的预测效果.时间序列数据较少时,难以建立高精度的自回归模型,通过卡尔曼滤波处理建立的动态自回归预测模型精度明显提高.

一种线性移动自回归预测模型

应用线性回归分析和移动平均理论 ,对按时间次序排列的单一数据序列 ,给出了一种线性移动自回归预测模型 ,并对原始数据受不确定因素影响而产生的随机振荡 ,给出了合理的控制区间和运行通道。将其应用于深圳证券交易所股价综合指数每日收盘指数序列 ,得到了与实际情况相符合的结果 ,预测的准确性相当之高 ,具有一定的创新性和实际应用价值。

自回归预测模型变权组合定阶

针对自回归(AR(p))预测模型定阶问题中回溯阶的不确定性和时变性,以及基于单一回溯阶预测方法的局限性和组合预测中的冗余信息等问题,该文提出了一种基于遗忘因子的变权组合定阶方法。利用冗余定理筛选基于多个回溯阶预测方法的有效信息,并利用遗忘因子实现了组合权重的时变性,克服了基于单一回溯阶预测模型稳健性欠缺、预测精度低等局限性,提高了预测能力。通过实例表明该算法具有高度的可靠性和可行性,为类似预测方法的定阶问题提供了研究思路。

用折扣最小二乘法建立线性自回归模型预测粮食产量

依据折扣最小二乘准则,对时间序列资料建立线性自回归预测模型,给出了参数的估计公式,数值结果表明该方法更行之有效。

自回归预测模型参数的“折扣”最小二乘估计及其应用

依据折扣最小二乘法准则,对时间序列建立自回归预测模型,给出了参数的估计公式,数值结果表明该方法更行之有效.

向量自回归预测的泊位共享优化算法研究

以城市中心区的停车问题为主要研究对象,总结了城市中心区的停车特性。分析了国内外研究现状、在城市中心区停车特点的基础上,分析了停车需求预测、泊位共享理论、泊位共享分配策略等问题,构建了基于向量自回归预测的泊位共享优化算法。最后以重庆市江北区行政服务中心区域为实验对象,对该区域进行数据收集、分析和总结,为理论研究提供实例,验证了方法的可行性和有效性。

均线滞后的时序自回归股市态势预测算法

针对艾略特波浪理论中的W形态,给出一种均线滞后性的量化方法,并提出融合均线滞后特征的时序自回归股市态势预测算法(DSMA).算法首先基于波浪理论提取W形态,给出W形态结点的量化表示形式;然后引入均线滞后性,并计算均线滞后程度;最后,利用贝叶斯网络表示融入均线滞后性的W形态结构关系,将各结点的局部关系代入AR模型中实现对股市态势的预测.在实际数据上进行了算法比较分析,实验结果表明算法具有更高预测精度.

基于PPAR模型视二维地震时间序列预测的初步研究

PP投影寻踪是一种长于分析非正态、非线性的高维数据的新统计方法,它通过投影降维,客观地寻找反映高维数据结构特征的投影方向,从而解决"维数祸根"和高维数据间的非正态、非线性问题。将PP理论和时间序列分析中的自回归(AR(K))模型结合起来,建立投影寻踪自回归预测模型(PPAR),尝试实现地震震级和时间的视二维预测,即在固定研究区里,实现震级和时间二要素的预测,进而建立视二维地震时间序列的投影寻踪自回归模型。研究中首先选取北天山地区作为实验区,模型的回归拟合和外符检验效果较理想,可实现视二维预测目标。考虑到实际预测意义,即中强地震的预测,又以天山地区为研究区。令其震级序列的震级阈值分别为5.0和5.5,分别以未删除余震和删除余震的序列建立模型。对比分析表明,后者所建立的模型要优于前者的模型,特别是对时间间隔序列的预测。两者外符检验的合格率均较高,故认为对于震级和时间二要素的预测是有一定实效的。

自回归预测多级矢量量化线谱频率编码技术

在语音编码中线谱频率的量化编码多依赖于矢量量化技术。文中在分析经典的LBG多级矢量量化算法优缺点的基础上,结合m进制搜索代替全搜索以及瞬时联合调整各级码本的技术并引入自回归预测模型,实现了自回归预测多级联合矢量量化码本设计。并与窄带自适应多速率语音编码器AMR和MELP语音编码系统中线谱频率矢量量化进行了对比,效果良好。

一种结构成熟度的时序自回归股市预测算法

由于现有的时序预测方法仅利用局部的组合特征,信息融合低,预测效果不佳。文章基于艾略特波浪理论中的W形态,通过结构建模,提出一种结构成熟度信息的时序自回归股市预测算法。首先提取股市中的W形态,通过量价波动对W形态均线走势影响分析,引入W形态结点成熟度,并且给出了价格的波动对均线走势影响的证明,利用贝叶斯网络表示W形态中结点成熟度之间的结构关系,实现对波段信息的有效融合;然后利用非对称信息熵计算结点间的关系强度,生成基于AR的结构成熟度模型;最后利用该模型进行股市态势预测。在实际数据上进行了算法比较分析,实验结果表明算法具有更高预测精度。

AR预测模型的IMM跟踪算法

针对LOS/NLOS混合条件下对机动目标的鲁棒跟踪问题,提出一种基于AR预测模型的交互式多模型(Interacting Multiple Model,IMM)跟踪算法(ARIMM)。该算法利用AR预测模型对运动状态建模,针对LOS与NLOS条件下观测噪声的分布不同分别使用无迹卡尔曼滤波器(Unscented Kalman Filter,UKF)和改进的无迹卡尔曼滤波器(Robust Unscented Kalman Filter,RUKF),通过IMM方法估计出移动台的位置,利用该位置更新AR模型的参数,使AR模型与真实运动状态更加匹配,实现精确跟踪。仿真结果表明,在LOS/NLOS混合条件下,与传统的UKF和RUKF算法相比,该算法对机动目标跟踪的鲁棒性更好。

不同模型地下水埋深预测精度和适用性分析

分别采用自回归预测模型和小波神经网络模型对辽宁中部平原某区域地下水埋设进行预测,并结合区域内实测地下水埋深数据,对比分析不同模型的预测精度和适用性。结果表明:神经网络模型在辽宁中部地下水埋深预测精度好于自回归模型,更适用于辽宁中部地下水埋深的预测和趋势分析。研究成果对于辽宁中部平原区地下水埋深预测方法具有较好的参考价值。

西安市生态文明建设评价及预测

根据生态文明的涵义和生态市建设的总体思路,提出了生态文明建设3(系统层、子系统层、单项指标层)×3(经济发展,社会进步,环境保护)评价体系,其中包括25个单项指标。对西安市1998-2007年生态文明建设进行了定量评价研究,结果表明西安市生态文明建设处于整体上升的趋势;在此基础上,应用自回归预测模型对西安市经济、社会、环境和生态文明建设发展进行了预测,为西安市全面协调发展提供参考借鉴。

基于微博情感分析的电影票房预测研究

微博作为电子口碑的重要载体,极大影响了消费者的购买决策和商家的产品销售.为此,以新浪微博为平台,研究从微博中挖掘情感信息并利用这些信息对产品销售进行预测的方法.分析影响微博评论的因素,基于已构建的情感本体,建立微博中情感计算方法.然后在传统自回归模型的基础上融入情感因素,提出自回归情感预测模型用于产品销量的预测.对电影数据集进行了广泛地实验,分析参数选择,并与其它预测模型进行比较,实验证实我们提出的方法的有效性.

平稳随机信号的可预测性分析与熵值估计

自回归模型中的预测目标信号通常被视为其线性组合的部分输出以及从外部引入的谱白化噪声之和,并以其预测误差即外部噪声的均方差最小作为模型自回归系数计算的约束条件,但信号的不确定性使得其中的随机变化部分不可能被有效预测,所引入的外部噪声无法对其预测误差进行任何有效补偿,模型只能根据以往已知数据部分地预测到当前信号,故此应将模型的组合输出直接作为其预测结果而无需引入无益的外部噪声,其中组合输出在目标信号上的投影即为信号中的可预测部分,而与目标信号相正交的偏差部分则是对信号中不可预测部分的功率补偿,且同时还应要求模型的自回归系数为谱白化形式,以维持预测过程前后信号功率谱分布的一致性,此时信号可预测部分的最大权重比即等于其功率谱值的平方和,其余值即信号不可预测部分的权重比即可被作为随机信号的预测熵值以衡量其不确定性,信号频点状态分量的熵值函数则等于该频点处的可预测权重比与除此频点之外的其余各点信号功率谱累加值之间的乘积,模型预测及谱估计的目标都应是期望获得最小的信号预测熵值。

三峡水库水位调度对出库水质影响分析与水质预测

出于防洪、发电与航运需求,三峡水库在汛期维持145 m低水位运行,在非汛期抬升水位至175m维持高水位运行。水库运行期按水位变化分为:水位下降期(175~145 m)、低水位运行期(145 m)、水位上升期(145~175m)和高水位运行期(175 m)。基于2011-2018年三峡水库出库断面水质因子(DO、CODMn和NH3—N)监测周报数据,采用综合水质标识指数Pi和自回归综合移动平均模型ARIMA模型评价预测水质,研究三峡水库水位调度对出库断面水质的影响,探究水质对水位变化的响应,并预测水质变化趋势。结果表明:三峡水库季节性水位调度对出库水质影响显著。水质因子(DO、CODMn、NH3—N)浓度随水位运行期的改变而出现周期性变化,不同水位运行期水质因子浓度存在差异。高水位运行期DO浓度显著高于低水位运行期,CODMn和NH3—N浓度小于低水位运行期;各运行期的综合水质标识指数Pi均符合综合水质指标Ⅰ级标准,其中高水位运行期水质最好,低水位运行期水质最差;ARIMA预测结果显示未来水质符合Ⅰ级标准。水库水文条件受季节性水位调度影响,水质与水位、流量和外源污染输入相关。评价结果有利于在高时间精度下掌握水质实情,进行水资源管理。

基于时延预测的网络控制系统自适应滑模控制

针对具有未知外界干扰和模型不确定性的网络控制系统,提出一种带干扰观测器的自适应离散滑模控制器。采用自回归(AR)模型预测法在线预测前向通道时延。通过线性转换,将时延相关系统转化为时延无关系统,然后在离散时间域下针对转化后系统设计控制器。设计滑模控制器时引入干扰观测器,无需已知干扰上界,仅对干扰变化率进行限制。设计滑模切换控制增益为指数函数形式,减小系统抖振并保证滑模运动的快速收敛。证明了转化后系统的渐进收敛性。对一个网络化位置伺服系统进行仿真,结果表明所提方法对时延和外界干扰具有良好的补偿作用,且对丢包有一定鲁棒性。

卫星S频段下行链路频谱占用建模与预测

目前提出的频谱占用模型能够在时域上描述和重现基本的统计特征,如传统的地面移动通信的频谱占用/空闲周期长度可以用经典的广义帕累托(GP)分布、指数分布等分布来拟合。然而在某些复杂的如卫星链路频谱占用场景中,传统的参数估计分布无法给出良好的拟合。为此提出了用核密度估计(KDE)的方法来进行概率密度分布的拟合,在此基础上,分别采用差分整合移动平均自回归模型(ARIMA)和模糊神经网络对频谱占用模型的时间序列进行预测并进行对比。结论表明,核密度估计的使用可以更加准确地描述并再现卫星下行链路所使用S频段的占用时间序列的统计特征,而模糊神经网络的预测比ARIMA模型预测更加精确。