基于等维新息灰色马尔可夫模型的校准间隔预测

针对测量仪器校准间隔的优化问题,分析了历史校准数据的特征,建立了等维新息马尔可夫GM(1,1)预测模型.在等维新息GM(1,1)模型的基础上,引入马尔可夫模型,克服了随机波动数据对预测精度的影响.通过仿真实验对预测模型进行了验证,结果表明,等维灰色马尔可夫GM(1,1)模型的预测精度高于常规灰色GM(1,1)模型、等维新息灰色GM(1,1)模型和常规灰色马尔可夫GM(1,1)模型,更适合用于测量仪器校准间隔的预测.     

改进时间序列模型在降雨量预测中的应用研究

在降雨量预测问题的研究中,降雨量多种相互影响的自然因素结果.针对准确预测降雨量和降雨变化律率,根据变化是一种具有非平稳性、时变特征,传统预测方法无法反映降雨量的非平稳性和时变规律,预测结果精度低.为了提高降雨量的预测精度,提出一种小波变换和时间序列预测模型( ARIMA)相结合的降雨量预测方法.首先对降雨量原始数据进行归一化处理,然后采用小波变换将非平稳性数据处理成平稳性数据,最后采用能够进行时间序列分析的ARIMA模型对平稳后的降雨量进行学习,建立最优降雨量预测模型,并对实际降雨量进行仿真测试.仿真结果表明,改进方法的降雨量预测精度比传统预测方法要高,能够很好的反映降雨量的变化规律,为降雨量预测提供了一种新的预测途径.     

灰色理论和马尔可夫相融合的粮食产量预测模型

鉴于根食产量受多种复杂因素的影响并具有较大的随机性和波动性,建立了一种灰色理论和马尔可夫相融 合的粮食产量预测模型。首先采用灰色关联法筛选粮食产量影响因子,然后将其输入到灰色系统中构建粮食产量的 灰色预测模型,最后使用马尔可夫模型对灰色模型的粮食产量预测结果的残差值进行修正,以提高粮食产量预测精 度。仿真结果表明,提出的预测模型具有较好预测的精度,完全能满足粮食产量预测精度的要求。     

遗传算法优化回声状态网络的网络流量预测

网络流量预测是网络拥塞控制与网络管理的一个重要问题.网络流量时间序列具有时变、非线性特征,导致传统时间序列预测方法预测精度比较低,无法建立精确的预测模型.回声状态网络(echo state network,ESN)在非线性混沌系统预测与建模方面有着良好的性能,非常适合网络流量的预测.为了提高网络流量的预测精度,提出一种基于遗传算法(genetic algorithm,GA)优化回声状态网络的网络流量非线性预测方法.首先利用回声状态网络对网络流量进行预测;然后利用遗传算法对回声状态网络预测模型中的储备池参数进行优化,提高预测模型的预测精度.通过中国联合网络通信公司辽宁分公司采集的实际网络流量数据进行了仿真验证.与差分自回归滑动平均模型(auto regressive integrated moving average,ARIMA)、Elman神经网络以及最小二乘支持向量机(least square support vector machine,LSSVM)这3种常见预测模型进行了对比,仿真结果表明提出的方法具有更高的预测精度与更小的预测误差,更能刻画网络流量复杂的变化特点.     

用马尔可夫残差修正灰色理论的煤炭需求预测

研究煤炭需求预测精确度问题.由于煤炭需求参数较多,参数的选择要求复杂的计算量,导致预测模型求解过程复杂,针对传统的灰色理论预测模型存在精度差的问题,影响煤炭需求因素的特殊性和不确定性,导致了煤炭需求预测的精确度较低,为了解决预测精度差问题,提出了一种改进的马尔可夫残差修正灰色理论预测模型方法,算法以影响煤炭消费总量的主要因素作为选定变量,构建煤炭需求的灰色预测模型,使用马尔可夫模型对预测的残差进行修正.仿真结果表明,提出的预测算法具有较好预测的精度,是一种有效的煤炭需求预测算法.     

一个无偏灰色马尔可夫铁路货运量预测模型

科学的货运量预测对铁路发展战略的制定具有十分重要的意义.针对传统的灰色预测模型存在固有偏差,在增长率较大和数据异常波动时预测精度低,将无偏灰色理论和马尔可夫链引入预测模型,提出无偏灰色马尔可夫链预测铁路货运量的预测模型.结合实例证明了该模型预测结果更加准确可靠,具有一定的可行性和有效性.     

基于指数平滑和马尔可夫链的短时交通流量预测

短时交通流预测是智能交通系统研究的一个重要问题．由于指数平滑法在对实测数据进行拟合时,预测精度不高,本文针对这一问题将指数平滑理论与马尔可夫链相结合,提出了指数平滑马尔可夫短时交通流量预测方法,借助于马尔可夫链来解决利用指数平滑法预测中存在的问题来缩小预测区间、提高预计算各状态加权中心及状态转移概率矩阵,以此来提高未来状态预测精度．采用实测交通流量进行仿真实验,结果表明,本文方法比常规指数平滑法具有更高的准确性,而且具有较强的适应性．     

基于非线性组合方法的石油期货价格预测研究

研究石油期货价格预测问题,石油期货价格是一种动态、时变、非线性数据,具有较强的随机性和多元性。单一预测模型只能描述部分信息,存在局限性。为了提高石油期货价格预测精度,提出了一种非线性组合的石油期货价格预测模型。首先采用3个不同的单项模型对石油期货价格进行预测,采用全局逼近能力强的支持向量机建立了一个多输入单输出的石油期货价格非线性组合预测模型,并通过预测误差最小原则确定模型的参数。仿真结果表明,改进模型预测精度明显优于对比预测模型,为提高石油期货价格预测精度提供了一条新途径。     

基于工况知识引导注意力时间卷积网络的烧结终点预测

烧结终点位置的实时准确预测对于优化烧结工艺具有重要的意义. 针对烧结过程中强非线性和动态时变 性造成烧结终点高精度预测难的问题, 本文提出了一种基于工况知识引导注意力时间卷积网络(AM–TCN)模型. 首 先, 构建堆叠的时间卷积模块用于充分提取烧结过程数据中深层次的非线性特征; 其次, 将历史工况知识引入注意 力机制, 引导模型在保留过程数据时序特征的同时区分不同特征的重要性; 最后, 构建预测模型用于烧结终点位置 在线预测. 工业数据实验表明, 所提AM–TCN模型具有较好的烧结终点预测精度, 对提升烧结过程热状态稳定性具 有重要意义.     

基于改进灰色模型的ATS测试仪器校准周期确定

针对自动测试系统ATS中测试仪器校准周期的确定问题,提出了改进的灰色GM(1,1)模型预测方法。首先从GM(1,1)模型出发对模型本身进行改进,然后建立等维新息模型,并确定其最佳维数,递补动态更新预测信息,为进一步提高预测精度,提出了残差修正预测模型,并引入马尔可夫过程解决其修正残差的符号问题。实例结果表明,改进的模型预测方法比单独的模型预测具有更高的精度,可以应用于测试仪器校准周期的预测过程。