国际黄金价格的基于分数阶差分的FAR预测模型

建立了国际黄金价格的基于分数阶差分的FAR预测模型,利用该模型对2005年3月至2011年11月的国际黄金价格月度数据进行了拟合,并对2011年12月至2012年4月的国际黄金价格月度数据进行了预测．实证研究结果表明：该模型的拟合和预测精度高于基于小波的FAR模型和单纯的FAR模型,可以为黄金投资者和生产者的决策提供帮助．     

小波消噪随机耦合模型在作物生育期月降雨量预测中应用

利用小波消噪技术对降雨量序列进行消噪处理,然后采用小波变换A Trous算法对小波变换序列进行分解和互相关分析,建立各小波变换序列相应的数学模型,最后采用小波重构算法得到小波消噪随机耦合模型.然后根据查哈阳农场1956～2008年作物生育期月降雨量数据资料,建立了小波消噪随机耦合模型,对模型进行拟合预测检验,研究表明该模型拟合预测精度高,能够反映该地区的降雨量变化规律,是一种实用的预报模型.     

复杂系统状态预测的小波包方法

基于小波包变换和混沌理论对复杂系统状态预测方法进行了研究.首先应用小波包变换对系统的特征参数序列进行3层分解,得到第3层从低频到高频8个频率成分的时序;然后,对8个时序作进一步分析,以确认它们都存在混沌特性,再应用混沌理论分别建立8个时序的预测模型,分别对8个时序进行预测;最后,基于小波包理论将混沌模型预测的结果予以小波包重构,实现对系统特征参数序列的预测.实例研究表明,该方法具有较高预测精度,可有效地应用于复杂系统的状态预测和故障趋势预测分析中.     

小波网络模型及其在日流量预测中的应用

基于小波分析和人工神经网络两者的优点,本文尝试将小波分析与ANN结合建立松散型WNN耦合模型,通过小波变换把南告水库的日流量序列分解成不同频段的子序列,再对这些子序列分别采用BP神经网络进行预测,最后利用小波重构得到整体的预测效果,并与传统BP模型结果相比较.研究结果表明,该方法提高了预报精度,可以成功地用于水文模拟和预测.     

基于小波和神经网络模型的邮电业务总量预测

引入极大重叠离散小波变换的概念,利用极大重叠离散小波变换的多分辨分析特性,对邮电业务总量序列进行分解.然后对分离得到的光滑项和细节项两部分利用小波神经网络模型进行建模和预测,最后再重构得到邮电业务总量序列的预测值.数据测试结果表明:本文方法可实现多步预测,且对邮电业务总量的预测精度比单纯的用小波神经网络模型或BP神经网络模型高.     

基于色彩空间与小波变换的图像融合

讨论了色彩空间模型分别与小波变换相结合的图像融合方法:基于RGB色彩空间模型与小波变换的图像融合法和基于IHS色彩空间模型与小波变换的图像融合法,并且在此基础上提出了一种基于HSV色彩空间模型与小波变换的图像融合法.经实验分析和对比,基于HSV色彩空间模型与小波变换的图像融合法除了能较好地保持细节纹理信息外,在光谱信息的保持方面要明显优于其他两种方法.     

基于小波和神经网络的供热负荷预测

目的研究供热系统热负荷预测方法,使供热量及时跟随用户需热量进行控制.方法通过分析供热负荷特性及其变化规律,用小波包变换对热负荷序列进行分解,再结合Elman神经网络分别对各序列建立模型,进行单步预测,最后重构各序列,得出热负荷预测序列.结果仿真试验表明,与未采用小波分析的BP、Elman神经网络相比,该方法预测精度较高,跟踪能力强.结论基于小波和神经网络的供热负荷预测方法能较好地跟踪预测用热量,适合于短期供热负荷预测的应用.     

基于小波变换和粒子群小波神经网络组合模型的有效停车泊位短时预测

基于停车场有效停车泊位短时变化特性,提出了一种小波变换和粒子群小波神经网络组合预测方法。首先,通过选择合适的小波函数对有效停车泊位时间序列进行多尺度的小波分解与重构,然后对重构后的时间序列分别采用小波神经网络进行预测,并利用粒子群算法对神经网络初始参数的选取进行优化,最后将各自外推的预测结果进行合成,得到最终预测结果。实例分析表明:与单独使用小波神经网络模型相比,小波变换-粒子群小波神经网络模型的预测精度提高了5~7倍,且预测稳定性较好。     

复杂系统状态预测的小波包方法

基于小波包变换和混沌理论对复杂系统状态预测方法进行了研究，首先应用小波包变换对系统的特征参数序列进行3层分解，得到第3层从低频到高频8个频率成分的时序；然后，对8个时序作进一步分析，以确认它们都存在混沌特性，再应用混沌理论分别建立8个时序的预测模型，分别对8个时序进行预测；最后，基于小波包理论将混沌模型预测的结果予以小波包重构，实现对系统特征参数序列的预测，实例研究表明，该方法具有较高预测精度，可有效地应用于复杂系统的状态预测和故障趋势预测分析中。     

基于小波分析的话务流量模型研究

回顾了传统话务理论数学模型—Poisson分布;指出Poisson模型不适应新形式下话务数据流量分析;首次将小波分析理论运用到PSTN网话务流量模型中,分析了小波变换在话务数据流量分析、预测中的应用,充分利用小波变换具有多分辨率分析的特点,将时域的话务流量通过小波分解,使分解后的流量在频率成分上较单一,且平稳性好。再采用回归模型对小波分解后的不同分量分别进行预测再合成预测流量。通过试验表明该模型能比较准确地刻画话务流量模型并能作出较为准确的预测。