道路交通状态预测研究

针对道路交通状态预测的研究成果,综述了基于实时数据分析的道路交通状态预测理论和方法的相关研究.从分析基于实时数据分析的道路交通预测的基本流程、特点和要求和单一断面交通状态预测和多断面交通状态预测角度回顾了道路交通状态预测的研究现状.结果表明:在不断发展完善单一断面预测方法的同时,需要发展以多个断面交通状态为研究对象的多断面预测方法,以促进我国智能交通系统的基础理论发展及其应用水平的提高.     

改进灰色模型在中长期电力负荷预测中的应用

针对中长期电力系统负荷预测,在前人已有成果的基础之上,对普通灰色模型进行了改进.一方面对历史数据进行二次平滑处理,大大消除了干扰因素;另一方面利用带有马尔可夫链符号估计的残差修正技术对未来残差的符号进行预测以修正灰色模型的预测结果.以某地区多年以来的历史数据为基础,建立了数学模型,通过实际数据计算表明:改进后的灰色负荷预测方法可以应用于电力系统中长期负荷预测,而且较普通灰色预测模型在预测精度上有着明显的提高,尤其是对于较远时间的负荷预测有着较为理想的预测精度,表明了该种方法的有效性和实用性.     

基于粒子群优化灰色模型的电力系统负荷预测

在分析灰色GM(1,1)模型局限性的基础上,应用粒子群优化算法的非线性全局寻优能力来求解灰色模型参数值,提出了基于粒子群优化算法的灰色模型,并给出了负荷预测的实例.预测结果表明基于粒子群优化算法的灰色模型具有较高的预测精度和较广泛的应用范围.     

Effective prediction of DEA model by neural network

In this paper,a fast neural network model for the forecasting of effective points by DEA model is proposed,which is based on the SPDS training algorithm.The SPDS training algorithm overcomes the drawbacks of slow convergent speed and partially minimum result for BP algorithm.Its training speed is much faster and its forecasting precision is much better than those of BP algorithm.By numeric examples,it is showed that adopting the neural network model in the forecasting of effective points by DEA model is valid.     

关于抗冻胀设计规范中冻胀量预报的讨论

对渠系工程抗冻胀设计规范和水工建筑物抗冰冻设计规范中的冻胀量预报的理论,设计应用等问题进行了分析,针对存在的问题提出了计算（图表）方法、适用条件等改善建议。     

Application Research of Robust LS-SVM Regression Model in Forecasting Patent Application Counts

A forecasting system of patent application counts is studied in this paper. The optimization model proposed in the research is based on support vector machines (SVM), in which cross-validation algorithm is used for preferences selection. R esults of data simulation show that the proposed method has higher forecasting p recision power and stronger generalization abi1ity than BP neural network and RB F neural network. In addition, it is feasible and effective in forecasting paten t application counts.     

基于IOWA算子的区间组合预测方法

针对预测值与实际值都以区间数形式给出的组合预测问题,引进诱导有序加权平均(IOWA)算子,提出了以区间中心位置误差平方和与区间长度误差平方和的凸组合为准则的区间组合预测模型,给出了确定Ⅰ-OWA算子区间组合预测模型权系数的数学规划方法,实例分析表明,该模型能有效提高区间组合预测精度.     

混合粒子群径向基神经网络的短期负荷预测的应用

电力短期负荷预测的结果对电力系统的经济效益具有重要影响.为了克服基本粒子群(Particle Swarm Optimization,PSO)算法收敛精度不高、易陷入局部最优的缺点,提出一种将自然选择和变异结合的混合粒子群(Hybrid Particle Swarm Optimization,HPSO)算法,可以保持种群的多样性,有效地避免粒子早熟,并利用混合粒子群算法优化径向基神经网络的权值,最后将优化好的径向基神经网络进行广西某市的短期电力负荷预测.计算结果表明,该算法收敛速度快,并达到了提高预测精度和改善网络性能的要求.     

海洋平台灰预测和支持向量机的逆控制

导管架式海洋平台在随机波浪等外载荷作用下极易产生有害振动,且其动力响应具有极强的非线性和时变性,采用被动控制方法和基于精确数学模型的主动控制方法控制海洋平台的有害振动很难达到理想的控制效果.结合灰预测和支持向量机的优点,提出了基于灰预测和支持向量机的自适应逆控制方法,并将其与动态刚度阵法相结合应用于导管架式海洋平台的振动主动控制中.数值算例分析表明,该控制方法可有效地控制波浪和风载荷作用下引起导管架式平台的有害振动,并能解决由于控制信号传输等原因引起的时滞问题.     

SPG-Suite：面向伪周期时间序列的预测方法

伪周期时间序列是一种广泛存在的数据形式,它具有伪周期性、非平稳性和特征值等特征。对这类时间序列进行预测,具有很强的研究和应用意义。然而,目前的相关研究对伪周期时间序列的关注度不足,一些已有的时间序列预测方法在应用到伪周期时间序列上时,会造成误差的累积,使得预测效果很差。为了解决这些问题,总结了伪周期时间序列的特征,并提出了SPG-Suite预测方法,很好地解决了传统方法无法解决的问题。最后,在真实的数据集上进行了实验,并与传统方法进行了对比,实验结果表明,SPG-Suite方法在预测精度上具有明显的优势,并具有较强的可扩展性。