基于BP神经网络马尔科夫模型的径流量预测

讨论了马尔科夫链状态划分的黄金分割率法和"马氏性"检验法,并针对BP神经网络预测和马尔科夫预测的优缺点,提出了BP神经网络与马尔科夫相耦合的BP神经网络马尔科夫模型,以石泉水库年入库径流量为例,验证了该方法的可行性.     

基于马尔科夫过程的电力企业市场竞争预测

在经济预测的方法中,马尔科夫过程预测技术不需要连续不断的历史数据,只需要近期的资料就可以预测未来。许多经济和社会现象中的动态系统问题,都可采用马尔科夫过程来描述。因此,它的应用较为广泛。针对电力企业的自身特点,利用马尔科夫过程建立了市场占有率的马尔科夫过程预测模型,给出了模型的应用,可以为发电企业参与电力市场竞争提供必要的决策依据。     

基于神经网络的马尔科夫链和遗传算法对股票价格预测研究

针对股票收益率和风险的不确定性,文章提出一种基于BP神经网络的马尔科夫链和遗传算法组合模型,该模型通过对神经网络以滚动预测法完成股票价格曲线的粗略拟合;在此基础上,借助马尔科夫链对股票价格的曲线拟合进行系统状态划分,并用遗传算法对系统状态划分进行优化,提高马尔科夫系统状态划分的合理性;最后用马尔科夫链缩小预测区间以提高预测精确度。     

港口吞吐量的马氏链 时序分析预测

通过比较分析时间序列分析（TSA）和马尔科夫链预测方法,研究港口吞吐量科学预测的新方法.组合温州港近20多年的历史吞吐量数据,分别采用TSA和马尔科夫链进行预测.将TSA与马尔科夫链校正模型相结合,进行港口吞吐量预测.结果表明,上述复合模型较之TSA模型平均预测精度提高50%,较之单一的马尔科夫链平均预测精度提高75%.根据吞吐量实际数据的验证结果,建立马氏链-时序分析预测模型.结果表明,该模型能够同时反映吞吐量序列的增长趋势和随机波动性,更符合港口吞吐量的实际变化情况.     

灰色马尔科夫模型对煤自然发火预测的研究

传统灰色模型GM(1,1)对于随机波动性较大的数据序列拟合较差,预测精度较低,为了弥补这一缺陷,更准确预测煤层自然发火的趋势与危险性,将GM(1,1)模型和马尔科夫模型有机结合,构建了灰色马尔科夫模型。用灰色马尔科夫模型对柴里煤矿实测CO发生量进行预测,与传统GM(1,1)模型的预测结果比较,灰色马尔科夫模型的拟合精度更好,平均相对误差更小,简便、实用,能够为矿井煤自燃火灾的防治工作提供科学的理论依据。     

模糊马尔科夫链状预测模型及其工程应用

针对工程问题的特点结合马尔科夫链理论 ,提出了具备状态模糊划分和具有“大体无后效性”特点的模糊马尔科夫链状的预测模型。并给出了模糊马尔科夫链的初始概率和一重转移概率的计算方法的一般公式。发展了马尔科夫链预测方法 ,拓宽了其应用范围     

基于灰色马尔科夫模型我国非织造布产量预测

灰色预测方法对于波动性较大的非平稳数列预测精度不高,马尔科夫链理论能克服随机波动性数据对预测精度的影响.将灰色预测方法与马尔科夫理论结合,能有效提高预测的精度.运用灰色马尔科夫模型预测我国非织造布的产量,发挥两种方法的优势,取得了较为理想的效果.模型的平均预测误差为1.757%,比GM(1,1)模型的平均预测误差4.856%减小63.81%.     

基于LSSVM和马尔科夫链模型的公路客运量预测

通过分析常用的客运量预测方法,提出了基于LSSVM和马尔科夫模型的组合预测模型。以2004年~2013年兰州市公路客运量的实际值为基础,通过LSSVM对客运量的预测,得到了2014和2015年的公路客运量的预测值,结合实际客运量计算出其预测结果的相对误差。对相对误差进行划分状态区间,运用马尔科夫模型对预测结果进行修正,进而得到高精度的客运量预测值。最后将所得结果与应用单一的LSSVM预测方法及时间序列方法预测所得结果进行对比。分析结果表明,基于LSSVM和马尔科夫链模型的组合预测模型预测精度较高,满足实际需求。     

风电系统风速预测算法的马尔科夫理论修正模型

针对风速的强时序性和强随机性,提出了一种新型的基于马尔科夫理论的改进风速预测算法,该算法利用小波分解与重构获取各层平稳风速信号,并分别对各层平稳信号进行时间序列建模预测。由于以上算法在风速剧烈变化时存在预测失真,依据风速的马尔科夫转移特性,利用时变马尔科夫一步转移概率矩阵修正各层加权叠加后的风速预测值。以风电系统为例进行了研究,仿真结果表明:该方法具有较高的预测精度。     

基于灰色马尔科夫模型预测金融波动

引入灰色模型和符号时间序列分析方法,与马尔科夫模型方法相结合,提出了一种新的预测金融波动的方法。首先将波动序列符号化,然后建立灰色马尔科夫模型,不仅能减小影响预测精度的误差,而且能利用马尔科夫模型来调整误差,使结果更加精准。采用上海证券交易所综合指数2007--2010年间隔为5分钟的高频数据为样本,对已实现波动序列进行实证分析,成功预测了下一时点波动值所处的区间,并验证了该方法的可行性和有效性。     

灰色理论用于遥测数据中长期预测

针对目前卫星在轨测控过程中,遥测数据变化趋势不易判断这一问题,提出了对遥测数据进行中长期预测的思想.基于灰色系统理论,结合遥测数据特点和中长期预测要求,对灰色预测GM(1,1)模型的建模过程和预测精度进行研究.依据所构建的模型进行预测验证分析,根据后验差比值、小误差概率、预测精度对预测结果的评价分析显示,该方法可以对遥测数据中长期趋势起到提前预报的作用,符合卫星遥测数据中长期预测要求.预测结果能够为测控人员对卫星遥测数据未来趋势的分析和潜在故障的预警判断提供理论支持     

基于合作对策的非等距灰色组合预测模型

对于非等间距的原始数据序列,根据灰色预测模型的建模特点,提出了一类非等间距灰色组合预测方法,利用合作对策方法确定组合预测模型权系数.弥补了传统非等间距原始数据预测模型的不足,提高了灰色预测的精度.实例表明结果理想可靠,有较好的实际意义.     

动态新息GM(1,1)在卫星电池阵功率预测中的应用

根据观测到的历史数据对卫星理发池阵输出功率的未来值进行预测，可实现对电池阵性能劣化的早期预报。灰色预测方法的GM(1，1)模型只适合对单调递增或递减时间序列进行预测，针对卫星电池阵输出功率具有波动变化的趋势特征，采用实时在线的方法，建立了动态新息GM(1，1)预测模型，经实例预测验证，动态新息GM（1，1）模型可明显地提高预测精度，并且能对电池阵输出功率的波动变化趋势正确预测。该建模方法对其他非单调时间序列的工程预测也具有参考价值。     

一种新的改进GM（1,1）模型及其应用

通过对传统GM（1,1）模型的分析,针对影响预测精度的因素之一提出了一种改进的GM（1,1）模型,并将该新模型用于预测2010到2015年的道路乘客交通量.最后,通过试验结果可知新模型比传统GM（1,1）模型预测结果在预测精度上有了很大的提高,表明了该方法的有效性.     

GM（1，1）模型在道路交通事故预测中的应用

保证交通安全是交通管理者的首要目标,为了掌握交通事故的发展规律,及时采取有效的事故预防措施,对交通事故进行预测是一个非常重要的问题。在分析道路交通事故灰色性的基础上,运用灰色系统理论,构建道路交通事故GM（1,1）预测模型,以福建省道路交通事故统计数据为例,给出GM（1,1）模型的应用实例,预测结果与实际值的平均相对误差为1．54％,可见GM（1,1）模型的预测结果是可信的。     

建筑物沉降的灰色系统预测

在建筑物沉降过程中,各监测点相互影响、相互制约,应用灰色系统理论建立了建筑物沉降变形的系统预测GM(1,N)模型.通过工程实例,证明GM(1,N)模型与GM(1,1)模型相比有较好的拟合精度和预测可靠度,对沉降预测有很大参考价值.     

灰色BP神经网络在河南煤炭需求预测中的应用

在灰色GM（1,1）模型的基础上,利用BP神经网络修正残差,建立灰色BP神经网络组合预测模型,对河南省煤炭消费总量进行拟合和预测。此组合模型既克服了数据的非线性关系及随机波动大对预测精度的影响,也增强了预测的自适应性。实例结果证明该组合模型具有较好的预测精度,预测结果是可信的。     

灰色理论用于遥测数据中长期预测

针对卫星在轨测控过程中,遥测数据变化趋势不易判断这一问题,提出了对遥测数据进行中长期预测的思想.基于灰色系统理论,结合遥测数据特点和中长期预测要求,对灰色预测GM(1,1)模型的建模过程和预测精度进行研究.依据所构建的模型进行预测验证分析,根据后验差比值、小误差概率、预测精度对预测结果的评价分析显示,该方法可以对遥测数据中长期趋势起到提前预报的作用,符合卫星遥测数据中长期预测要求.预测结果能够为测控人员对卫星遥测数据未来趋势的分析和潜在故障的预警判断提供理论支持.     

基于灰色RBF网络的我国能源消费预测

利用我国能源消费总量的历史数据,采用灰色预测法建立预测模型,再利用径向基（RBF）神经网络对灰色预测模型结果进行预测,以作为其最终的预测值．实验结果表明,灰色RBF网络模型在预测精度方面优于单一的灰色模型．该模型计算简便,有较高的拟合和预测精度,拓宽了灰色模型的应用范围．     

基于组合预测法的台州市需水量预测研究

运用多种预测方法的组合预测,采用BP神经网络法、人均综合用水量法对台州市2020年、2030年总需水量进行了预测;采用人均用水量推算法、灰色预测法、数学模型法预测台州市2020年、2030年城乡生活需水量、工业需水量、第一产业需水量等分类需水量.结果表明,组合预测方法应用于台州市用水需求预测是可行的.组合预测综合考虑了各种因素的影响,能够提高需水量的预测精度,为水资源合理规划提供了科学决策依据.