组合模型在河流补给量预测中的应用

本文以河流多年监测资料为依据,采用线线回归,非线性回归及灰色模拟等方法分析了河流与地下水的转化规律,建立了河流补给量预测的最优组合模型,并取得了满意的预测效果,展示了多形式组合模型在河流补给量预测应用中的前景。     

隧道与地下工程围岩变形的灰色优化与预测

主要介绍了灰色线性回归组合模型的灰色优化和预测,并将其应用到隧道与地下工程的监控量测中。结合工程实例,通过与GM(2,1)模型、Verhust模型和新陈代谢模型的模拟预测进行对比,得出了在模拟预测围岩的变形特征时灰色线性回归组合模型的新陈代谢模型更具有普遍的适用性和准确的模拟预测精度。     

基于灰色线性回归组合理论的矿井瓦斯涌出量预测

为了减小瓦斯对矿井开采安全性的威胁,以铁法煤业集团晓南矿瓦斯地质为研究对象,利用灰色线性回归理论,根据矿井瓦斯监测数据,建立瓦斯涌出量的灰色线性回归组合模型,对晓南矿深部瓦斯涌出量进行预测。结果表明：灰色线性回归组合模型既改善了线性回归预测模型中不仅表达指数增长的缺陷,又弥补了灰色系统预测模型中不含线性因素的不足,在预测矿井深部瓦斯涌出量中取得了较好的效果。     

大坝安全监测量的组合预测模型研究

鉴于传统数学模型和神经网络等预测模型在大坝安全监测领域应用中存在预测精度不高的问题，分析探讨了BP神经网络模型和统计预测模型的各自建立方法，在此基础上提出了一种新的组合预测模型，结合实测数据对此组合预测模型进行了检验。通过实例表明，该组合预测模型不仅很好地克服了BP神经网络模型和线性回归模型的缺陷，亦提高了预测精度，在大坝安全监测量预测中具有较强的实用性。     

灰色理论和线性回归组合方法在装备使用保障费用估算中的应用

介绍了灰色理论和线性回归组合预测原理,即用GM(1,1)模型预测将来可能的数据跳变时间点,对其他非跳变点使用分段线性回归函数进行预测。运用此组合方法对装备使用保障费用进行了预测估算。计算实例表明,该组合方法预测精度高于单独使用灰色理论或线性回归所测结果,是可行有效的。     

基于T-S模糊神经网络组合模型的CPI预测

首先对我国CPI和PPI序列建立了VAR模型和加外生变量的半参数自回归模型,得到CPI的拟合值和预测值;然后在这两种单模型的基础上,结合模糊数学和神经网络知识,建立了T-S模糊神经网络组合预测模型;最后对三种模型进行比较.结果显示,T-S模糊神经网络组合模型提高了预测结果的可靠性和准确性.     

基于神经网络的一种组合预测的构建与应用

以长春一汽集团的汽车生产总量为研究对象,分别构建了回归分析、灰色预测和神经网络三个预测模型,并在此基础之上,借助神经网络对三个模型进行了组合,构造了一种新的组合预测模型.通过对几种模型的分析比较,得出这种组合预测具有很高的预测精度.而且,预测表明组合模型比单一模型的预测更加稳健.     

邮电业务总量的预测研究

首先建立了邮电业务总量的回归预测,灰色预测和组合预测数学模型,分析研究了各模型对邮电业务总量的预测。结果表明,组合预测具有较高的预测精度,是一种切实可行的方法。     

基于SVM的瓦斯涌出量非线性组合预测方法

为了提高矿井瓦斯涌出量的预测精度,提出了一种基于支持向量机(SVM)的瓦斯涌出量非线性组合预测方法.该方法应用结构化风险最小化准则且具有在全局意义上逼近任意非线性函数特性的SVM,建立了一个多输入单输出的瓦斯涌出量非线性组合预测模型,通过样本学习和平均绝对百分比误差最小原则确定预测模型的参数,对双曲线回归、指数回归和灰色预测方法得到的3个不同的单项预测数据进行非线性组合作为最终预测结果.结果表明,该方法的平均绝对误差为6.92%,均方根误差为0.93 m3/t,其预测精度明显优于各个单项预测结果,大幅降低了预测风险,为提高瓦斯涌出量预测精度提供了一条新途径.     

神经网络在个人信用组合预测中的应用

该文运用组合预测的思想,提出了通过感知器、BP、Elman和LVQ等不同的具有代表性的神经网络模型,将多元线性回归和logistic回归两单一方法进行组合,并分别应用于某商业银行的个人信用评估,其结果表明:感知器、BP、Elman和LVQ神经网络组合预测方法精确度不尽相同,但总体上能够获得比多元线性回归和logistic回归更高的预测精度,尤其在避免纳伪错误方面更具优势。     

交通方式预测中Logit模型参数估计方法的应用研究

使用Logistic回归分析研究交通规划,并从理论和实际应用两个方面讨论了Logistic回归分析及其参数的标定方法,给出了集结模式下的交通方式预测的简便易行的解决方法;按照Logistic回归分析的思想,对未来丹东市居民出行方式进行了预测,计算结果与调查得到的出行方式比例十分吻合。结果表明:利用Logistic回归推测未来交通方式更为符合实际。     

燃气负荷组合预测中贝叶斯权重法的应用

将贝叶斯概率理论引入组合预测模型中,建立了基于GM(1,1)和偏最小二乘回归模型的燃气负荷动态权重组合预测模型。通过对某市的实例分析,结果表明,此方法有效地提高了预测精度。     

多元线性回归预测及其检验在EXCEL中的实现

多元线性回归预测是市场分析、经营决策和国民经济中较为常用的定量分析方法,本文着重研究了如何应用目前普遍使用的EXCEL软件和实现多元线性回归预测及其检验,从而实现多元线性回归预测的快速化.     

小波回归分析法在短期电力系统负荷预测中的应用

利用多分辨分析的小波变换对短期电力负荷序列进行了分解处理.将负荷序列投影到不同的尺度上,根据其在各尺度上子序列的特性分别进行回归预测.最后将预测结果叠加,得到最佳预测结果.结果表明,该方法能够取得较好的预测精确度.     

多维混合回归系统水文预报模型及其应用

多维混合回归系统模型是将回归与自回归结合起来的综合模型。根据济渭河流域水特性建立朗梨水站洪峰水位多维混合回归系统预报模型,经检验评定,效果良好。     

基于灰关联分析的多元线性回归模型在城市年需水量预测中的应用

科学预测城市需水量对城市的发展具有十分重要的意义.影响城市需水量的因素很多,采用灰关联分析方法,对影响需水量的各个因素进行分析,从中挑选出影响需水量的主要因子,建立需水量与主要影响因子之间的多元线性回归预测模型.实例表明,模型具有较高的拟合精度和预测精度.     

线性回归在世博会散客流量预测中的实验

世界博览会在中国上海召开以来,认真做好每日入会人数的预测工作对提高世博会的服务质量具有重要意义。每日散客客流量的影响因素受到天气预期、接受信息量、周末因素、指定日因素、团体客流等变量的影响。运用多元线性回归对日散客客流量进行偏相关分析,通过对观察期间内的回归值、观察期间后两周的预测值与真实值的比较,发现对构建的多元线性回归模型需要进行扩充,加入其他预测元素进行修正可使模型的预测精度提升。同时,随着时间的推移,影响每日散客客流量的因素不断增加,存在众多不可解释的随机因素,需要不断修正该模型,不断提高模型的预测精度,做好每日入会人数预测工作,有助于资源的优化配置工作。     

农村电网规划中负荷总量预测的研究

根据农网负荷的特点,构造了中期负荷预测的流程图,考虑采用确定性预测方法中的多元线性回归模型(或逐步回归模型)和不确定性预测方法中的灰色模型来进行预测,然后进行综合分析,得到负荷序列的最终预测结果.     

管制员需求量预测研究

通过收集整理和分析一系列统计资料,选择灰色预测模型、灰色-马尔可夫预测模型、多元回归法和组合预测法等4种不同的人才需求量预测模型,预测出我国民航未来5年每年持照管制员需求量的时间序列,并进行了精确度分析。所得到的结果对我国民航各级管制单位制定人才引进计划,管制员培养院校制定招生计划均具有一定的参考价值。     

基于遗传算法的SVM冰凌预报模型研究

针对传统支持向量回归参数大多采用经验率定的情况,提出了一种基于遗传算法优化支持向量回归参数的冰凌预报模型.运用MATLAB软件进行建模,并将其应用于黄河宁蒙段三湖河口封、开河日期的预报.结果表明,经过优化的支持向量回归模型泛化能力强,预报效果优于传统支持向量回归模型.