基于等维新息的GM(2,1)递推预测模型

针对GM(2,1)白化方程的解影响其预测精度的问题,提出了一种新的预测模型——等维新息GM(2,1)递推预测模型。该模型通过其灰色微分方程推导出GM(2,1)递推预测模型的表达式,避免了对二阶白化方程进行求解,同时解决了差分方程与微分方程之间因转换而产生误差的问题,并结合等维新息的思想更新GM(2,1)递推预测模型的参数。最后通过实例验证了所提等维新息GM(2,1)递推预测模型的有效性和实用性。

某型火炮身管寿命的BP网及多项式递推预测研究

火炮的身管寿命基本上决定了整门火炮的寿命,对身管寿命加以预测具有十分重要的意义。本文首先提出了一种基于测试数据的火炮身管寿命的递推预测方案,而后将目前应用较为广泛的BP神经网络用于这种递推预测,为避免网络的“过拟合”,将样本分为训练样本和检验样本提交网络训练,结果发现只有训练次数较大时才可以获得较好的预测效果。在分析了样本的特点后,将BP网络的检验样本思想融入多项式拟合后进行同样的递推预测,发现简单的多项式预测也可以达到较好的效果。

递推预测与预报方法

目前,预测方法多种多样,较常用的是时间序列模型方法,即假定被预测的量y与时间存在某种函数关系:y=f(t) 在实际应用过程中,f(t)的形式不易确定。大家喜用线性模式:y=at+b 但是,自然界。

基于改进递推预测误差神经网络算法的极点配置PID控制方法

针对工业控制中系统模型参数通常未知的特点,利用改进递推预测误差算法为基础的神经网络系统参数辨识方法,设计了极点配置自校正数字PID控制器.相比于基于梯度学习算法的神经网络辨识方法和通常的PID控制器,该方法具有参数辨识结构简单、神经元权值调整可持续且计算速度快、所采用的数字PID控制器鲁棒性强等优点.最后的数值仿真结果验证了本文算法及控制方法的有效性.

EXPTAR(1)过程的递推预测

本文推广文献[4]关于EXPTAR(1)过程的预测方法,给出EXPTAR(1)的递推预测方法,系统噪声不再限定为正态白噪声,适用于更广泛的指数型噪声的范围,模拟计算表明EXPTAR(1)的递推预测效果优于外推法预测效果。

动态非线性任意高阶次逼近的增量型最小化递推预测模型

对于一类常见多重时滞非线性离散系统,提出了基于动态非线性任意高阶次逼近的增量型最小化递推预测模型,在此基础上,可实现对存在较大滞后的时滞非线性系统的广义预测控制。

电力系统负荷灰色预测的新方法

本文提出了一种新的负荷预测方法——灰色递推预测法。该方法的特点是将ＧＭ（１，１）模型中参数ａ、ｕ视为随时间而变的变数，根据参数ａ、ｕ随时间ｔ的变化趋势，自动对ａ和ｕ进行预测，进而对原始序列进行预测，以得到各预测点的最佳预测结果。实例分析结果表明，本文的方法构思新颖，实用性强，预测精度理想，具有广阔的市场开发前景。

基于神经网络动态非线性非平稳经济系统预测

考虑实际经济系统中广泛存在着非线性和时变性因素 ,以及大部分变量的序列具有时间增长特性 ,提出用神经网络方法 ,建立实际经济系统的时变非线性模型 .采用增广卡尔曼滤波算法训练神经网络 ,并根据先验信息 (序列的时间增长特性 )构造参数转移矩阵 .对实际经济系统的预测分析结果证明 ,与传统定常非线性预测模型相比 ,该方法不仅可以在线递推预测 ,而且由于参数转移矩阵的引入 。

三角级数建模对台湾地震区单步预测检验及地震趋势探讨

应用活动地块和地震区带划分的研究成果,以台湾地震区为研究单元,用区间极值法选取1960~2015年的半年极大值地震。把地震构造及其极值地震相结合,选取的地震资料具有统计单元一致的特征,也代表研究单元地震趋势水平的变化。从周期迭加的角度考虑地震活动的变化过程,通过最佳平方逼近,建立三角级数模型,在2015年上、下半年地震单步递推预测检验的基础上,对未来地震趋势进行了探讨。

区域电网电能损耗预测方法研究

根据区域电网的特点,提出电能损耗递推预测法,采用状态波动系数建立省间交换电量和线损电量、线损率之间的联系,综合考虑负荷形状系数、等值电阻、平均电压、运行时间、功率因素等方面对线损的影响,在省间交换电量预测的基础上实现线损电量和线损率的预测,为电网节能降损及经济运行提供参考。

基于自适应新息卡尔曼滤波的脱靶量预测算法

为提高弹丸脱靶量预测的精度,建立了基于自适应新息卡尔曼滤波算法的弹丸脱靶量递推预测模型。首先,利用各误差源特性建立误差源模型,结合其特性叠加生成合理的脱靶量序列,并建立自适应新息卡尔曼滤波的状态方程。然后,利用新息序列计算系统噪声矩阵和量测噪声协方差矩阵,构建自适应新息卡尔曼滤波预测模型。最后,将改进后的预测结果与传统卡尔曼滤波预测对比分析。Matlab仿真结果表明:卡尔曼滤波的性能和估计准确性依赖于系统模型和噪声统计特性,改进后的新息卡尔曼滤波模型的预测结果更加精确。同时,在随机脱靶量序列中,该算法具有普适性。

基于BP神经网络的道路交通事故预测

以我国近年来道路交通事故统计资料为基础，采用改进型BP神经网络，建立起我国道路交通事故发生的时间序列模型，该模型可用于短期内道路交通事故多少的预测。

基于神经网络的广义非线性预测PID控制

针对一些复杂的非线性系统用基于线性模型的预测控制器控制效果不理想的问题 ,本文提出在利用前馈网络对非线性系统建模的基础上 ,对系统输出实现递推多步预测 ,并且结合非线性PID方法 ,用另一前馈神经网络作为控制器 ,实现对非线性系统的控制。神经网络的在线辨识采用梯度法。仿真实验验证了方法的有效性。

重庆市2001-2010年城镇化进程预测

可用单一指标或综合指标衡量某地区的城镇化水平,并可用转移率预测法、速度预测法等方法对未来城镇化水平进行预测。选择城镇人口占总人口的比重这一指标,假设城镇居民与农村居民对人口自然增长的渴望有所不同,不发生城镇居民向农村居民的(逆向)转移,可运用新的递推预测法对重庆市2001-2010年城镇化进程进行更为科学、简便的预测。

区域用电量短期预测的一种方法

本文介绍一种新型的区城用电量短期预测的方法──递推预测法。实例表明，本方法是可行的、准确的。

GM(1,1)灰色预测方法的改进

文章对传统的灰色预测方法进行了改进,建立了灰色预测代数递推方程,以代替原始的灰色预测微分方程或白化方程。然而由于其预测精度依然偏低,又将其紧邻生成公式做了改进,并根据自动寻优方法确定了相应权重。以2010年4月16日至2014年1月10日的交易日内的股指期货的收盘价为例,利用改进前后的两种预测方法进行模拟对比分析。模拟对比表明,改进后的预测方法不仅预测精度显著提高,而且更能体现灰色预测以小样本空间、"贫信息"的不确定系统为研究对象的特征。

融合微气象参数预测的输电线动态增容模型

为了挖掘输电线路的输送潜力和保障输电线路的稳定运行,提出了经验模态分解-双向长短期记忆网络-贝叶斯优化预测模型,从而实现微气象参数递推多步预测。基于预测误差建立高斯分布模型,从预测结果中选择相对保守的气象参数代入热平衡方程进行输电线动态容量计算;实现对输电线路所跨越区间中环境最恶劣部分的微气象数据日前预测,以及输电线路动态容量的保守计算。实验仿真结果表明,本文提出的动态增容技术能够在保证输电线路安全可靠的前提下,大幅挖掘现有输电线路的传输潜力,对输电网络的运行有一定的指导作用。

交通流速度时空二维预测方法

从时间和空间2个维度分析了交通流速度的自相关和互相关特性,提出了交通流速度的时空二维预测模型,可对未来交通流进行多步预测。该模型包含曲线拟合加权预测模型和递推时空二维自回归预测模型,动态模型参数可由递推最小二乘法实时识别,静态模型参数通过离线优化得到。将预测的交通流速度应用于车辆宏观运动规划方法中,可将车辆的燃油经济性进一步提高,在上下班高峰路段,油耗可进一步降低近10%。

一类多重时滞非线性系统无模型学习自适应控制

对于一类常见多重时滞非线性离散系统．提出了基于动态线性逼近的增量型最小化模型、递推预测 模型，无模型学习自适应控制律和带有参数限定时域长度的参数自适应预报递推算法，实现了对存在较大滞 后的多重时滞非线性系统的无模型学习自适应控制。该算法不需要受控系统的结构信息、数学模型、外部实 验信号和训练过程，不用解Ｄｉｏｐｈａｎｔｉｎｅ方程．无需矩阵运算．在线计算量很小．实时性好，仅用受控系统的 Ｉ／Ｏ数据来设计，传统的未建模动态不存在。通过仿真表明，该算法对于一类非线性系统实现无模型自适应 控制是正确和有效的．

滑动数据重心预测方法及其应用研究

本文在研究多因素数据重心法的基础上,进一步提出滑动数据重心预测方法,该方法是对原始样本数据提出了一种新的数据处理方法,大大降低了由于历史数据组中的异常点对预测结果产生的破坏性。通过建立我国钢材消费量与国内生产总值(GDP)的计量动态模型对该方法与多因素数据重心预测法进行对比研究。同时利用时间序列自回归AR(p)对计量动态模型的初级预测结果进行差值校正,并将该方法应用于我国2015年、2020年的钢材消费量预测。对比研究表明该方法使得预测结果更加精确、稳健。