马龙县地质灾害初步研究

本文在全面阐述马龙县地质灾害时空分布及危害特征的基础上，深入分析了该县地质灾害的发育机制，并对各处地质灾害的发展趋势和防治措施进行了讨论．     

区域公路网路段交通量综合预测模型研究

研究了缺乏OD资料的情况下进行综合预测的方法．利用灰色预测系统进行人口、社会经济预测，然后进行多元回归交通发生预测，再利用重力模型和FRATAR模型进行交通分布，最后采用多路径概率模型进行交通分配．结果表明：采用反推OD的方法，可减少大规模OD调查的次数，减小资料处理的难度；利用灰色系统进行人口、经济预测，可有效地处理贫信息和离乱数据，在一定的预测时段内具有良好的预测精度和实用性．     

基于神经网络的股票交易数据的预测研究

运用前馈神经网络预测时间序列的分析方法对股票数据进行了预测．通过对前馈神经网络时间序列数据预测网络模型的建立方法及预测方法讨论，基于BP网络对股票数据进行实际预测．预测精度明显高于传统方法，说明此种方法是可行的．BP网络可用于股票数据预测，其预测精度较高，但实际预测时，如何选择和确定一个合适的神经网络结构需进行反复实验．     

基于MISR遥感数据的优化融合预测模型

提出了一种新的预测气溶胶光学厚度AOT的优化融合模型，它把基于全局数据的径向基函数神经网络与基于局部区域数据的前向神经网络相结合，并通过优化权重组合，使得预测误差最小化。利用该模型对多角度成像光谱辐射仪MISR所采集的2002年7～9月份的数据进行AOT预测实验。结果显示：对美国陆地上空的大多数轨道，优化融合模型预测准确率明显高于全局模型和局部模型，其总体预测均方差比后二者分别减少了12．9％～24．5％和3．3％～10．5％．这表明优化融合模型是一种更为准确的摩间数据预测方法。     

电力负荷预测的一种综合方法

在电力负荷预测的数学方法中，有多种预测模型，因而有多个预测结果．目前还没有令人满意的方法，用来确定出其中最接近实际的结果．另外，大多数的预测样本中都存在着数据失真，直接导致预测结果失真．这些都较大地影响了预测的准确性．本文提出了一种筛选方法，对模型和样本数据进行过滤．     

灰色系统在地下管道泄漏定位中的应用

介绍了地下管道泄漏信号的理论基础和灰色系统的基本原理方法．针对地下供水管道泄漏现象，提出了基于相关测漏时获得的数据，利用灰色系统建立灰色模型来预测地下管道泄漏位置．这种新方法不要求事先给出泄漏信号在介质中的传播速度，实际检验的结果表明该方法具有良好的应用前景．     

用时间序列分析方法预测我国的进出口总额

采用时间序列分析方法对我国1984--2005年的年度进出口数据进行分析，建立了相应的时间序列模型．预测结果表明，该模型的预测效果较好，模型ARMA的短期预测效果比长期预测效果好．     

基于TBA融合模型的股票指数预测

由于股票市场的波动性和复杂性特点，股指预测一直是金融预测研究中的难点．长短期记忆（long short-term memory, LSTM）网络模型常用于金融指数的预测中，但该模型在长时间序列上易导致数据信息利用不充分．利用双向长短期记忆（bidirectional LSTM, BiLSTM）网络模型、时间卷积网络（temporal convolutional network, TCN）和注意力机制协同提高了模型识别以及提炼长时间序列数据特征的能力，构建一种新型股指预测融合模型TCN-BiLSTM-attention（简称TBA模型）．以中国境内近30年的公开股指数据集为例，将TBA模型与目前金融类主流的机器学习、神经网络预测算法以及kaggle竞赛排行前列的模型在上证指数、沪深300指数与创业板指数进行预测对比和消融实验．结果显示，相较于对照实验组的平均预测误差，TBA模型有明显降低且表现稳定，兼具准确性与鲁棒性．研究结果可广泛用于基于时间序列的多种金融预测场景．     

神经网络技术用于醇水盐体系汽液平衡关联和预测

运用神经网络，对32个醇水盐体系的汽液平衡数据进行了关联，计算值与实验值符合良好，泡点温度和汽相组成的平均偏差分别是0．93K和0．015。对未列入该模型的体系的汽液平衡进行了预测，也取得了较好的结果。     

煤炭消费量预测的人工神经网络方法

基于我国１９７８～１９９４年间煤炭消费量的实际数据，采用人工神经网络的方法对影响煤炭消费量的主要因素进行了模拟分析．并应用训练好的神经网络模型预测煤炭消费量，经实际样本检验表明，这种预测方法的预测精度较高．以此预测了我国１９９５～２０００年的煤炭消费量．     

通用统计预测系统

利用功能强大的结构化快速编译Quick BASIC编制了模型较齐全的通用预测系统,并编译成可独立运行的EXE文件,它能直接读取MIS数据库中的数据,用直观形象的图形输出结果.对某工厂的主要经济指标进行预测,有较好的效果.为MIS的预测辅助决策提供一个有力的工具.     

虚拟仪器在精确灌溉信息监控系统中的应用

利用LabVIEW虚拟仪器开发平台,进行了作物精确灌溉信息监控系统的设计．该系统主要由传感器、测量仪、数据采集卡、LabVIEW软件开发平台等组成,具有灌溉信息采集、实时监控、作物需水量计算、模糊控制决策等功能．通过试验表明,系统界面友好,操作简单,可较好地实现作物的需水量预测和灌溉信息管理．     

小波熵及小波变换的短期负荷预报

基于小波分解理论,借助db8小波函数,对历史数据进行尺度为3的静态离散小波变换,并将小波熵引入到电力负荷预报工作中,用于处理电力负荷的历史数据.选取一定小波熵阈值,识别出历史数据中的非正常数据,可以提高负荷预测的准确性.对于各个分解尺度的小波系数分别进行预测,通过小波重构,得到预测值.预测结果表明,这种方法具较高预测精确度及适应性.     

城市积涝气象预报业务服务系统

以数字化南昌市城市排水管网及排水设施资料为基础,建立南昌市城市暴雨积涝仿真模型,利用市区历史强降水分布资料,应用该模型再现南昌市城市强降水形成的积涝灾害演进进程。根据雨水的进出平衡原理,利用定点、定量、定时降水预报技术,建立南昌市城市积涝气象预报业务服务系统,实时监视和预报短时强降水造成的积水情况,并基于GIS软件平台,建立了业务服务系统。     

三维裂缝预测软件在建南地区的应用及效果分析

利用三维裂缝预测软件测算碳酸盐岩裂缝性储层的新方法,通过在建南气田的应用,预测了建南构造嘉一段、飞三段及二叠系裂缝的分布规律,并总结了预测结果,为优选勘探开发井位提高裂缝钻遇率提供了科学的地质依据。     

GM(1,1)-星野法沉降预测模型研究与应用

围绕目前高速公路路基沉降预测精度不高,预测方法适用性不强等问题,基于组合预测理论,借助MATLAB计算软件,将基于灰色理论的GM(1,1)预测模型和星野法沉降预测模型线性组合,以组合预测误差的平方和最小为标准确定两种预测方法的权重系数,提出GM(1,1)-星野法组合预测模型。结合广东某高速公路施工期以及运营期路基实测沉降数据,GM(1,1)-星野法组合预测模型预测结果较两种方法单独预测结果具有更高的预测精度,工程适用性更强。     

公路交通预测实用技术开发研究

本文在深入研究四阶段交通预测的理论、模型的同时 ,对国内外有关交通预测的软件进行了对比、分析 ,研究、设计、开发了支持于“公路建设项目前期工作实用支持系统”的、可独立运行的交通分析预测子系统。该系统基于Windows操作平台 ,采用面向对象的程序语言VisualBasic 4.0编制。系统可作为工程可行性研究、公路网规划以及通道规划中交通预测的支持软件。本文最后 ,应用开发的实用技术软件对吉林省吉林市至江密峰镇段公路的可行性研究中交通预测进行了案例分析     

高速铁路软土路基沉降预测

通过实测资料分析了高速铁路堆载预压软土路基沉降规律,其沉降发展过程可分为填筑阶段—恒载阶段—堆载预压阶段—卸载阶段,沉降曲线与S形成长曲线类似.利用最小二乘法,以组合模型的误差平方和最小为目标函数来确定最优加权系数,建立了加权组合预测模型.采用Origin软件分别拟合Gompertz曲线和Logistic曲线,基于组合模型思想求得加权系数,进而求得组合模型预测值.研究结果表明,加权组合模型能吸收不同单一预测模型的优点,其预测精度比单一模型更高.     

基于负荷分解的短期负荷预测传递函数模型

短期负荷预测主要用于预测未来几小时、1天甚至几天的负荷,对电力系统运行的安全性和经济性具有重要意义。时间序列模型在电力系统短期负荷预测中得到了广泛应用。然而,这种方法的一个主要缺点是无法将影响负荷预测的主要因素之一即气象因素考虑进去。在此背景下,首先基于历史负荷数据,采用传统的分解方法提取出负荷中的周期分量,得到剔除周期分量后的非周期分量。在此基础上,首先采用逐步回归法筛选出影响负荷非周期分量的主要因素,之后发展了预测负荷非周期分量的传递函数模型。最后,用广东电力系统实际负荷数据对所发展的短期负荷预测模型的准确性进行了验证。     

基于混沌理论的交通流短时预测模型

交通流预测是交通系统可行性分析、交通设计和交通管控的基础,短时预测是交通流预测的难点.论文在分析现有交通流预测方法的基础上,提出了一种基于混沌理论的交通流短时预测方法,利用基于小数据量的W olf改进算法计算了流率序列的最大Lyapunov指数.将基于Lya-punov指数的一维预测模式具体化,建立了交通流短时预测模型,并对模型进行了改进,改进后的预测结果具有较高的精度.该模型在智能交通系统(ITS)的交通控制与诱导方面具有广阔的应用前景.