基于遗传算法-支持向量机的铁路货运量预测

铁路货运量预测是铁路运输部门一项重要工作.针对建立精确预测模型的困难,结合支持向量机与遗传算法(GA-SVM),提出一种铁路货运量预测新方法.利用遗传算法确定支持向量机中的训练参数,以得到优化的支持向量机预测模型,并利用支持向量机在小样本、非线性中优越的预测性能对铁路货运量进行预测.昆明市1991～2005年铁路货运量数据作为实验数据,并采用RBF神经网络与GA-SVM进行对比分析,实验结果表明,GA-SVM预测精确更高,误差更小,可以更有效地对铁路货运量进行预测.     

基于自适应灰色模型的路面使用性能预测

在灰色理论建模的基础上,通过采用预测的最新数据替代最老数据这种方式,建立了自适应灰色模型,并将其应用于路面使用性能预测。能够克服缺少历史数据的不足,同时,与以往的预测模型相比,更加准确,更加符合路面使用性能的变化规律。通过MATLAB编程实现,使得预测更加简便易行。     

基于商拓扑结构的序列构成和预测

对多变量时间序列进行分析有利于更好地了解各时间序列的特性。根据相关性的时间序列在商空间模型中,可依据信息相关性,该文综合利用多个相关序列提供的信息对其中一个序列进行了预测,通过商空间理论的分解和合成法减小信息不完备产生的影响,从而获得更多准确信息和规则。     

基于IGS和SVM的烧结返矿量智能集成预测模型

针对烧结返矿量难以进行有效预测的问题,提出一种智能集成预测模型.首先利用改进灰色系统和支持向量机两个单一模型分别对返矿量进行预测;然后基于预测精度的数学期望和标准差,通过求取最优加权系数,建立烧结返矿量智能集成预测模型进行返矿量集成预测.运行结果表明,该集成模型的预测精度高于单一模型,能有效地对返矿量进行预测.     

基于人工神经网络的股票高低点周期预测模型

基于股市波动的特点提出一种新的数据预处理方法--高低点法,并使用人工神经网络构建一个用于股市预测的高低点周期预测模型,该模型较好地刻画了股票市场运行的特点.     

混合卷烟销售预测模型

为了提高卷烟销售预测准确性,平衡生产与需求,协同工商业,建立切实合理的月供应计划,提出了一个混合卷烟销售预测模型,实现卷烟月总量的预测.该模型首先基于自适应过滤法建立月预测模型,再用计划评审技术PERT得到月预测经验期望值,接着通过设定加权系数,综合两个预测值得到月预测销售总量.最后借鉴网络流量平衡的控制原理--"漏桶模型",进行月总产能与总需求平衡,自动修正差异,得到该规格月预测总量.实验结果表明,该模型能够较好地预测出规格卷烟月销售总量值变化.     

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％。     

基于图像特征提取的浮选关键参数智能预测算法

针对矿物浮选过程中回收率参数难以在线检测的问题,提出了一种智能预测算法．首先采用相对红色分量提取泡沫颜色特征,采用改进面积重构变换与分水岭方法分割泡沫图像并提取尺寸特征;然后在此基础上,通过斯密特正交化对最小二乘支持向量机（ＬＳＳＶＭ）核矩阵进行简约,利用核偏最小二乘方法进行回归计算,得到具有稀疏性的ＬＳＳＶＭ 预测模型．实验结果表明,该预测算法能有效地对矿物回收率进行预测．     

一种新的灰色预测模型及其建模机理

为了提高灰色模型的预测精度,并拓展其应用范围,针对具有近似非齐次指数律特征的数据序列,构建了一种新的灰色预测模型ＮＧＭ（１,１,k）．通过最小二乘法求出了新灰色模型参数的计算公式,以微分方程作为演绎推理工具,得到了该模型的时间响应序列函数,并对其建模精度进行了理论和实验分析．研究结果表明了所提出的灰色模型的有效性和适用性．     

基于改进在线支持向量回归的离子浓度预测模型

针对湿法炼锌净化过程中杂质离子浓度检测的大滞后特性和模型失效问题,提出了基于在线支持向量回归的离子浓度预测模型.该模型对每个新样本进行增量学习,并能删除数据集中的一个旧样本.而提出用分块矩阵的方法解决更新算法计算复杂的问题.将该建模方法应用于离子浓度的预测,结果表明预测模型具有较好的泛化性能,模型更新时间明显缩短,有效地提高了适应工况的实时性.