基于WNN和FRM模型的流域水文中长期预报

选取4个前期预报因子,以模糊识别模型对中长期水文现象进行拟合与预测,用小波神经网络计算预测模型权重,以相关系数大于0.90的回归方程作为拟合方程,对流域水文现象进行中长期预测计算与检验。结果表明:该方法具有一定的合理性和简便性。     

基于改进BP神经网络的道路交通事故预测

道路交通事故因受多种随机因素的影响而呈现出非线性的特点,传统的线性分析方法无法完全揭示其内涵。在分析道路交通事故与人、车、路等因素关系的基础上,利用神经网络具有描述非线性特性的能力,将影响交通事故的多种因素综合起来建立了基于改进BP神经网络的道路交通事故预测模型。选取人口密度、路网密度和机动车辆密度作为交通事故预测模型的输入神经元,采用道路交通综合死亡率作为道路交通事故的输出评价指标,对道路交通事故进行预测。实验结果表明,该预测模型能很好地适用于道路交通事故预测,验证了该模型的可行性和有效性。     

改进的RBF神经网络交通流预测算法

短时交通流预测是实现智能交通控制的前提与基础.提出了一种基于粗神经网络的RBF短时交通流预测算法,该算法在交通流量预测方面明显优于常规RBF神经网络,且具有较高的实时性.     

区域航空市场航线客流量预测研究

为了有效地控制和合理地分配区域航空市场航线客流量,提高航空机场的效率,为航管决策部门提供制定计划的理论依据,在深入研究国内外航空客流量预测研究成果基础之上,针对区域航空市场的特点,提出了一个自顶向下的航线客流量预测模型。它包括总体趋势预测、中长期预测模型和短期预测模型三部分;并将神经网络和支持向量机构成的组合模型引入中长期预测模型中,使用神经网络实现短期预测模型;并结合A公司实际进行了实证研究,证明了该预测模型的有效性。文中研究成果对所有航管部门具有一定的指导意义。     

台风综合预报GDSS的研究

以会商式台风综合预报为背景,首先,分析了传统会商式台风综合预报存在的不足。其次,针对这些不足提出了改进意见：针对参与者意见的集结问题,提出了融合有序综合评价和专家权值的群体偏好集结算法;针对会商要求参与者坐在PC前面的问题,引入了基于J2ME的手机专家;针对会商结论受主观因素影响较大的特点,引入了以各种客观预报方法为基础的客观专家。最后,给出了改进后的台风综合预报GDSS整体流程,设计并实现了原型系统。     

基于ArcObject和GM(1,1)的海岸线预测系统

海岸线变化对海岸带地区的可持续发展有重要的影响作用。该文以 Microsoft C#.NET为软件平台,应用ESRI公司提供的组建对象模型对象库——ArcObjects,利用GM(1,1)模型,通过设置预测原点和侧线,并与海岸线矢量数据进行叠加,得到若干GM(1,1)原始数列,由此计算出海岸线变化的预测点,实现了对海岸线变化的趋势预测,并将该预测系统应用于辽宁省国土资源规划地理信息系统中。     

基于灰色模型的汽车保有量预测

根据某地区相关的统计数据,运用多元回归分析法,对该地区影响私人汽车发展的主要因素进行分析,对其保有量的发展趋势做出科学判断。然后,运用灰色系统理论,建立了该地区私人汽车保有量的预测模型GM(1,1)模型及其修正模型,找出其中的相关性和函数关系,从而对该地区私人汽车保有量进行定量的分析和预测。     

系统的f_p-状态与它的随机识别

利用函数单向S-粗集,提出了fp-状态、状态距离、系统状态被fp-规律随机入侵的概念。利用这些概念,给出系统状态被fp-规律入侵呈现的状态特征以及对这些状态特征的识别、识别准则与应用。函数单向S-粗集是函数S-粗集的基本形式之一,函数单向S-粗集是研究系统规律入侵预测的一个重要的理论与方法。     

无线传感器网络中一种高效的能量汇报融合机制

通过对telosb节点能耗规律的分析,建立能量预测模型（EFM）采用差介阈值融合汇报机制（DTARM）能够显著减少能量数据汇报次数,提高数据收集效率,降低能耗。实验表明：预测模型的预测成功率为70％-85％,采用差分-阈值融合汇报机制后能使节点的寿命延长5％-11％。     

基于构造性神经网络的时间序列混合预测模型 *

针对传统时间序列预测模型不适应非线性预测而适应非线性预测的 BP算法存在收敛速度慢 ,且容易陷入局部极小等问题 ,提出一种基于构造性神经网络的时间序列混合预测模型。采用构造性神经网络模型 (覆盖算法 )得出的类别值对统计时间序列模型的预测值进行修正 ,建立一种同时考虑时间序列自身周期变化和外生变量因子对时间序列未来变化趋势影响的混合预测模型 ,涵盖了实际问题的线性和非线性两方面 ,提高了预测精度。将该模型应用到粮食产量的预测中 ,取得了较好的预测效果。