基于指数平滑法的预测系统

本文介绍了各种指数平滑法的预测数学模型、算法及该预测系统的结构和功能。     

混合预测模型在网络性能预测中的应用

分析比较不同预测模型的特点及应用条件,基于一次指数平滑模型、二次指数平滑模型和灰色系统模型GM（1,1）,提出并设计能适应网络性能数据序列的混合预测模型。实际应用证明,该模型预测效果良好,能够较好地实现一段时间内的网络性能预测任务。     

基于三次指数平滑法的集装箱吞吐量预测

本文通过对宁波港历年来集装箱吞吐量的观察,发现其吞吐量呈持续性的曲线增长,因此采用三次指数平滑法对宁波港今后几年的集装箱吞吐量进行了预测。     

联络中心任务量平滑预测方法研究*

针对联络中心对高精度、高效率的任务量预测要求，分析了 Holt‐Winters模型和指数平滑季节模型的优缺点，进而改进了 Holt‐Winters模型的任务量预测方法。通过对历史话务数据的实证分析，以四种预测模型精度评价指标为检验标准，对三种预测模型进行了预测精度比较。最后经历史数据验证，改进的 Holt‐Winters模型具有更小的预测误差，因而改进是有效的。     

时间序列预测的研究与实现

目前人们对经济上的时间序列预测越来越感兴趣。例如在股票交易中,人们希望从历史的交易数据中预测出未来一段时间里股票的走势,更好地指导投资者进行投资。本文在分析时间序列预测相关概念的基础上,研究了两种预测算法即移动平均法和指数平滑法的基本思想及实现方法,并结合实例阐述了它们的具体应用。     

交通参数预测的自适应优化算法研究

将最优梯度算法应用于指数平滑模型,通过构造优选并自动生成的最佳平滑参数使模型得以优化,增强了指数平滑模型对时间序列的适应能力,较好地解决了指数平滑预测中,平滑参数靠检验确定且为静态、平滑初值难以确定并导致预测偏差等问题.通过实例, 与其他指数平滑预测算法相比,验证了该算法的有效性.     

变权重组合预测模型及其应用

灰色预测模型广泛应用于经济、医学、农业和水利等领域。用于同类型的预测模型还有很多,比如多元线性回归模型、指数平滑法、神经网络算法和TCE模型等。这些模型在计算方法和计算精度上有各自的优点。基于此,结合灰色预测模型、回归线性模型和指数平滑模型,得到精度更高、预测准确性更好的变权重组合预测模型,达到根据实际数据改变权重和快速解决实际问题的目的。以美国弗吉尼亚州药物数量预测为例,展示该模型的实际应用效果。     

基于指数平滑法的航材消耗定额预测研究

由于一次、二次和三次指数平滑法对不同消耗规律的航材预测拟合度不同,本文同时采用这三种指数平滑法进行航材消耗定额预测,其平滑系数采用使误差平方和最小的值,最后选择三种方法中误差平方和最小的结果作为航材消耗定额。预测结果表明综合利用三种指数平滑法进行预测要比单一方法预测更加准确,该研究方法具有较高的实用性和推广性。     

一种基于平衡指数平滑的交通流数据预测方法

为了解决传统指数平滑法在滤波后的数据与原始数据之间存在一个因累积误差而导致右偏移的问题,提出一种基于平衡指数平滑的交通流数据预测方法。该方法对传感器采集的异常数据和缺失数据进行处理,对于超过阈值的数据,则用前一时刻数据取代该数据;对于缺失数据,则插人前后时刻的均值。对处理过的数据采用平衡指数平滑法进行滤波。通过三次指数平滑预测模型对数据进行预测。实验仿真表明,该方法能有效消除传统指数平滑的右偏移误差,提高数据预测的准确性。     

通用网络流量监测报警系统的设计与实现

针对日趋复杂的网络系统环境，提出一种基于SNMP网络管理协议，使用JAVA语言和科学的网络测量方法，实现对网络流量的采集、计算网络带宽利用率等功能的网络流量监测系统，同时使用修正后的指数平滑法建立自适应流量预测模型，进行网络流量的预测，对网络流量突发情况及时报警，以达到科学、有效、精确地管理网络。     

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．     

基于最优梯度自适应优化算法的交通流预测

短时交通流预测在交通控制中起着基础的作用。建立了一类不需要选取初始值、带有动态参数的指数平滑模型。以预测误差平方和SSE最小为目标,构造了优选并自动生成最佳参数,使平滑模型得以优化的最速下降算法,增强了模型对时间序列的适应能力。较好地解决了指数平滑预测中,平滑参数靠检验确定且为静态、平滑初值难以确定并导致预测偏差等问题。通过比较上海浦东的实测数据和其它预测算法,验证了该算法的有效性和实用性。     

基于时序指数平滑法的风电场功率预测研究

针对现有风电场功率预测方法存在预测时间短、预测精度低,不能跟踪风电波动性、间歇性进行可靠预测的问题,提出了一种基于时序指数平滑法的预测方法。该方法首先将原始数据利用指数平滑法进行去畸变量处理,得到较规则的功率数据,然后根据初步处理后的功率数据利用反馈式时序指数法进行预测。利用该方法对某大型风电场4台风电机组未来1天的发电功率进行了预测,预测结果与实测数据大致吻合,证明了该方法的可行性。     

通用网络流量监测报警系统的研究与实现

网络流量监测是网络测量领域一项重要内容。通过流量测量与预测,可以了解到自治域之间、网络之间的流量情况及其趋势,从而更好地进行网络改建和负载均衡的设计。本文根据SNMP网络管理协议和JAVA开发了一个通用的网络流量监测报警系统,为更好的理解网络提供了依据,为智能化管理网络打下良好基础。     

基于主成分分析和指数平滑法的秦皇岛煤炭价格预测

煤炭价格是反映煤炭行业发展状况的重要指标,关系国民经济发展和社会稳定.建立主成分分析和指数平滑模型,分别对影响秦皇岛煤炭价格的主要因素进行排序以及未来一段时间内的煤炭价格进行预测.研究表明:影响秦皇岛煤炭价格的因素顺序依次为:成本要素＞其他能源价格＞进口煤价格＞供需要素＞国家政策＞季节.在未来31天、35周和36个月秦...     

某型导弹引信备件需求预测模型研究

准确的备件需求预测在备件库存管理中尤为重要,但是备件间歇性需求的特点以及需求的历史数据不足使得备件需求预测特别困难,在一些部门,导弹备件库存管理水平决定了设备如何使用和维修.为解决上述问题,建立一种新的预测方法,综合评价备件需求预测的自相关与解释变量的关系:通过回归分析确定由解释变量引起的非零需求,判别一个非零需求发生的原因,进而得到修正后的非零需求序列的预测结果,最后通过LTD估计,得到具体的非零需求预测值.通过理论分析以及实例结果均证明,改进方法在预测精度上优于其它方法,为导弹备件预测研究提供一定的参考与借鉴.     

自适应单指数平滑法在短期交通流预测中的应用

短时交通流预测是实现交通规划和管理的关键技术之一. 指数平滑法因其计算过程简单, 需要观测数据较少等优点, 在短时交通流预测中获得了广泛的应用, 但其平滑系数缺乏有效的选取方法. 本文提出了一种自适应单指数平滑法, 通过近似动态规划方法的引入, 结合实际交通流数据对指数平滑系数进行优化, 使其随预测过程自动更新, 从而保证了预测的实时性、准确性. 严格的理论推导证明了这种预测方法的收敛性, 仿真结果验证了算法的有效性.     

一种指数平滑预测的参数优化方法及实现

时间序列预测法在各种基于时态数据库的计算中有着广泛的应用前景。文中介绍了时间序列预测法中的单指数平滑、双指数平滑和三指数平滑三种指数平滑预测方法，不同的预测方法适合于对不同时间特性的数据、平稳性数据、趋势性数据或季节波动性数据进行预测，使用相应的预测方法均达到很好的平滑效果。同时还介绍了如何应用IGS算法对指数平滑的参数进行优化，从而得到更好的平滑效果和预测结果，使之在社会实际当中发挥更好的作用。     

马尔科夫模型改进的时间序列预测算法研究

时间序列的传统预测方法能够很好地拟合和预测平稳时间序列,对于非线性非平稳的时间序列数据预测效果不好。为解决该问题,文本提出一种改进的预测算法。通过小波分解和单边重构,原始时间序列被分解为一列低频数据和两列高频数据。低频数据采用传统的时间序列方法 GARCH模型预测,高频数据使用改进方法预测。通过马尔科夫模型预测出状态区间,结合指数平滑法,预测出高频结果。与低频数据结果叠加得到最终预测结果。经误差比较,改进算法预测精度有较大提升。