基于SVM与自适应时空数据融合的短时交通流量预测模型

针对短时交通流变化周期性与随机性特点,选取时间和空间序列流量观测值作为支持向量机训练样本进行训练,使用空间序列预测值对交通流时间序列预测结果进行修正,并通过对历史时间空间序列预测结果的分析,动态调整其对未来预测的影响,建立基于SVM与自适应时空数据融合的短时交通流量预测模型.最后,将提出的预测模型与支持向量机时间序列预测模型、指数平滑法、多元回归法预测结果进行对比,结果表明:自适应时空数据融合预测模型可将预测平均相对误差控制在4%,明显高于其他模型预测精度.     

城市供水量的预测模型研究

本文以沈阳市Ｍ水厂的月供水量预测为背景，阐明了预处理建模数据序列的必要性，并提出一种新的供水量预测方法，即一次累加－指数平滑法，在简介了一次累加－指数平滑模型和自适应过滤模型的基本原理之后，进行了实例计算与分析．研究结果表明，一次累加－指数平滑法和自适应过滤法可分别作为月供水量的短期和长期预测模型，两者的预测误差均不超过０．６９万吨．     

基于智能优化的分布式网络流量预测方法

网络流量预测是网络管理的重要内容,高效的流量预测方法可提高网络管理效率。针对网络流量的时变性等问题,提出了一种基于智能优化的分布式网络流量预测方法。该方法采用果蝇算法优化3次指数平滑预测模型中的平滑因子,对时间窗口内收集到的网络流量进行预测,从而有效地提高3次指数平滑模型下网络流量预测的准确度与效率。仿真实验表明：相比传统3次指数平滑预测模型,此方法可解决平滑因子的不确定性所导致的预测结果误差问题,有效提高了网络流量预测精度。     

基于智能优化的分布式网络流量预测方法

网络流量预测是网络管理的重要内容,高效的流量预测方法可提高网络管理效率.针对网络流量的时变性等问题,提出了一种基于智能优化的分布式网络流量预测方法.该方法采用果蝇算法优化3次指数平滑预测模型中的平滑因子,对时间窗口内收集到的网络流量进行预测,从而有效地提高3次指数平滑模型下网络流量预测的准确度与效率.仿真实验表明:相比传统3次指数平滑预测模型,此方法可解决平滑因子的不确定性所导致的预测结果误差问题,有效提高了网络流量预测精度.     

饱和信号交叉口排队长度预测

通过采用自适应权重指数平滑法,对进口车道的实时流量进行预测,建立了以定数排队理论为基础的排队长度预测模型。该模型可以实现对饱和信号交叉口排队长度的预测,预测结果具有较强的自适应性,更符合交通流的实际运行状况。实际数据验证结果表明:在拥挤的交通状态下,该模型的预测精度可达到85%以上,可以满足信号配时和交通管理的需要。     

基于改进指数平滑法和马尔科夫模型的风速预测研究

针对传统指数平滑法在风速预测中的不足,搭建基于改进指数平滑法和马尔科夫修正模型的风速组合预测模型。通过梯度优化法快速追踪最优平滑系数α,加快计算效率和提高预测精度;利用马尔科夫模型修正残差,进一步增加预测精度。实验结果表明,该模型在计算效率上,比动态遍历指数平滑法提高近80%;而在预测精度上,比传统指数平滑法和灰色预测法分别提高了27%和32%。该模型对于风速的预测是准确、有效的,具有一定的实用价值。     

城市日用水量预测模型比较研究

目的 为保障预测结果准确可靠,建立精度高、可靠性强的城市日用水量模型.方法 应用单指数平滑法、灰色方法与BP神经网络方法,分别建立相应日用水量预测模型,并以哈尔滨市的日用水量数据为原始数据进行了实际预测.结果 单指数平滑法与BP神经网络模型预测精度较高.用灰色模型预测,所得数值呈递减趋势,其预测精度最低.结论 BP网络预测模型是最有效的日用水量预测模型.如果日用水量变化不大,还可采用单指数平滑法预测日用水量.     

基于改进灰色模型的短期电力负荷预测

针对短期电力负荷预测的特点,提出了更适合负荷预测模型,对传统灰色预测模型的局限性进行了改进。采用三点平滑处理削弱了个别不理想数据对整个数据序列的影响,对GM(1,1)模型进行了残值修正,建立了针对后验差检验不合格情况下的新的GM(1,1)模型。通过实证分析与相对误差的比较,该模型具有良好的适应性,可大大提高预测的精度。     

自适应指数平滑法预测遥测数据实时趋势研究

针对目前航天领域在对运载火箭遥测数据进行监控过程中，人工监测反应速度慢、工作量比较大这一问题，提出了对遥测数据进行趋势预测的思想，并采用自适应指数平滑法进行趋势预测研究。仿真实验证明：该方法预测精度较高，跟踪速度较快，实时性较好，能够实现对遥测数据的实时趋势预测。应用该预测方法可提前预测潜在的故障趋势，为指挥员正确决策提供理论支持。     

交通优化中3种预测算法的应用与比较

基于优化城市交通路线的研究目的,以南京城市交通路线上某段时间的车辆通过量为研究对象,分别运用移动平均值法、三次指数平滑法、灰色系统预测模型3种预测方法对未来该路段的车辆通过量进行动态的预测,并对3种预测模型的预测结果进行比较,得出灰色系统理论模型预测精度较高,能通过预测车辆通过量与实际路段容量相比较,为未来时间是否堵车提供良好、合理的判断依据,实现交通的优化。     

粒子群优化加权灰色回归组合的卫星钟差预报

为了提高卫星钟差预报的精度和稳定度,提出了一种基于粒子群算法优化指数函数和线性函数逼近的加权灰色回归组合的自适应卫星钟差预报方法.该方法首先在建模之前考虑到卫星钟差钟跳频繁的现象,采用中位数法探测钟跳数据并将其剔除后,采用分段线性插值法将缺失的钟差数据补齐;然后考虑到卫星钟差存在系统噪声,采用三点平滑法对钟差数据进行平滑处理后,建立了以指数函数和线性函数逼近加权灰色回归组合的卫星钟差预报模型.针对模型中的精度递增因子难以确定的问题,采用粒子群优化算法对精度递增因子进行自适应寻优.最后,采用IGS服务器上发布的事后精密卫星钟差产品,并结合4种典型变化趋势的卫星钟差进行了6 h的预报试验.试验结果表明:该方法的预报性能明显优于其他几种常用模型,其6 h的平均预报精度(RMS)和稳定度(Range)相对于常用的二次多项式预报模型、灰色预报模型、修正指数曲线法预报模型和自回归滑动平均预报模型分别提高了79.10%、44.00%、80.70%、32.30%和63.10%、29.80%、77.60%、26.30%.     

高层建筑物沉降预测方法的比较

用沉降预测工作中常用到的指数平滑法、回归分析法及灰色预测模型,对建筑物的沉降量进行预测,并应用工程观测中的实测数据进行了预测,从多方面对这三种方法的精度及可靠性进行了比较分析,结果表明:对于沉降趋势较为缓慢平稳的数据,采用灰色模型预测可以得到较为理想的结果;而对于变化速率的增量较小,且后期变化十分平稳的情况,采用指数平滑预测可以得到较好的效果;当沉降波动较大时,宜采用回归分析法拟合,然后进行预测.     

不确定环境下多周期VMI自适应库存控制方法

随着供应链中不确定性因素的增加,供应商管理库存（vendor managed inventory,VMI）作为一种新型的库存管理方式,正被越来越多的企业和学者所关注。针对单供应商单零售商的VMI模型,在顾客需求未知的情况下,提出了一种利用二次指数平滑法预测需求,用强化学习算法评估安全因子的效果,进而调整顾客服务水平的自适应库存控制方法。仿真结果表明,在非平稳需求情况下,采用该自适应库存控制策略,能够得到比较满意的顾客服务水平。     

Network security situation adaptive prediction model

Aiming at the low prediction accuracy of traditional network security situation prediction technology, a network security situation adaptive prediction model (NAP) is proposed. First, it extracts alarm elements and calculate network security situation time sequences based on the entropy correlation method. Then, the sequences are taken as the input of the sliding adaptive cubic exponential smoothing method with initial security situation predicted value sequences generated. Finally, the time-varying weighted Markov chain is used to predict the error value based on the error state and the initial predicted values are modified. Experimental results show that the NAP has a better prediction accuracy than other existing models.     

一种网络流量预测算法的研究与实现

网络流量预测是网络QoS管理的一个重要部分,较好的流量预测效果,能有效地提高网络QoS管理的工作效率,提高网络带宽的利用率,所以高效的网络流量预测是非常必要的.本文是在现有的小型专用网络中,根据指数平滑预测模型,提出一种改进的指数平滑预测法,对收集到的实际网络流量数据在小时间片内进行预测,从而达到对网络流量的控制,提高了网络服务的质量.     

时间序列法在供水量预测模型建立中的应用

根据某市自来水公司1978-2003年逐年的供水量，给出了时间序列供水量预测模型建立的3种方法，即直线趋势模型、二次曲线模型和指数平滑模型．利用模型预测了2004年的供水量．该模型为自来水年度供水量指标的预测提供了一种定量决策方法．     

车用动力电池全生命周期寿命预测方法

为准确量化车用动力电池老化程度,提升其行业利用率,实现电池的全生命周期剩余寿命(Remaining useful life, RUL)的精确预测,提出一种基于多系数模型的车用动力电池全生命周期寿命预测方法。该方法融合重组了传统的经验指数模型和改进后的多项式回归模型,重组后的模型能在实验数据分析的基础上追踪电池全生命周期内的寿命退化趋势。该方法采用粒子滤波(Particle filter, PF)思想在线调整模型参数,设计了针对动力电池不同状态,不同容量种类的算例预测电池的RUL,通过改进多项式回归模型,传统经验指数模型以及多系数模型的预测精度对比评估模型。实验结果表明：相较于经验指数模型和改进后的多项式回归模型,本文提出的多系数模型针对电池容量衰减具有更好的拟合能力;结合粒子滤波算法,该模型无论是对在役电池还是退役电池均具有高精度的寿命预测结果。该方法对不同容量的动力电池均能准确预测电池失效时间,在电池梯次利用行业具有一定的适用性。