考虑边信息的多层贝叶斯需求预测模型

随着工业互联网经济的发展,需求的不确定性日益增大,为提高需求预测的准确性,提出一个考虑边信息的多层贝叶斯需求预测模型(DFSI)。DFSI模型通过构造隐层的网络结构以实现对客户需求更加精确的刻画,该隐层结构主要包含两组参数:一组用于描述客户需求在时间上固有的连续性特征,另一组则用于融合相关的边信息特征。进一步,以贝叶斯推断为理论基础,以最大化后验概率为目标,推导出了DFSI的优化目标,并基于梯度下降方法设计了相应的求解算法。使用京东商城及某制造企业的真实销售数据对提出的模型进行了检验。结果显示,与常用的需求预测模型相比,DFSI能获得更好的预测结果。     

Research on relations between failure heights of overburden strata and ~] / mining face parameters and forecasting method

The commercial FEM software ANSYS was used to analyze the failure characteristics of overburden strata under the conditions of different lengths of mining faces. It was shown that the parameters of mining faces, especially the length was the important factor to the failure heights and shapes of overburden strata. Fuzzy mathematics and statistical methods were used to analyze the forecasting method of the failure height of overburden strata influenced by the parameters of mining face based on the measured data under the conditions of fully-mechanized mining of general hardness cover rocks. On the basis of these analyses, a new forecasting formula was gotten. The forecasting result conforms to the in situ measured value. The result has a very important application value in safe and high-efficient mining, and has a very important advancing function to theoretical studies.     

基于主元分析方法的公立医院财务预算信息化管理系统

公立医院财务预算信息化管理系统存在运行故障高,若不能准确划分数据类型,会导致系统出现运行故 障,影响财务预算信息化管理效果。为此,提出基于主元分析法(principal component analysis,PCA)的公立医院财 务预算信息化管理系统设计。设计公立医院财务预算信息化管理系统整体框架,分析财务预算信息化管理系统各项 模块性能;通过PCA 对财务数据进行分析,完成系统数据库设计,结合硬件模块具体功能设计软件程序实现流程; 将设计的硬件与软件整合,完成公立医院财务预算信息化管理系统的设计。实验结果证明：通过所提方法设计的预 算管理系统,在预算信息化管理时系统运行效果好。     

基于多分辨率SVM回归估计的短期负荷预测

针对短期负荷预测支持向量机（SVM）方法的局部逼近能力和泛化能力进行研究，将多分辨率支持向量机（M-SVM）用于短期负荷预测中节点负荷预测曲线的回归估计。该理论在保持曲线总体逼近能力的同时提高了局部区域的逼近能力。文中根据短期负荷预测的具体特点，设计了负荷预测数学模型，采用96条回归曲线进行日负荷的曲线预测，并在该模型的基础上采用实际数据进行验证，分析了这种回归模型的泛化能力。实验结果表明M-SVM模型在预测精度和预测速度方面具有优良的特性。     

基于ANFIS的长期电力负荷预测模型

某电力公司的长期负荷预测模型,利用自适应神经网络模糊推理系统(ANFIS)建立.其结构分为计算输入的模糊隶属度、每条规则适用度、适用度归一化、每条规则输出及模糊系统输出5层.系统网络中含14个待定的前件和后件参数.采用Matlab编程,通过Sugeno和evalfis函数训练ANFIS,按指定指标得到这些参数,实现模糊预测.     

负荷时间序列波动性的动态时变结构研究

采用广义自回归条件异方差(GARCH)族模型分析了负荷时间序列波动性的动态时变结构,提出了模型系的概念,使用滚动数据窗技术估计了指数广义自回归条件异方差(EGARCH)和幂自回归条件异方差(PARCH)模型系;在研究动态显著性水平线(DSL)的基础上,探究了时序波动性的动态时变结构,讨论了贯穿各子样本空间的波动不对称效应。算例分析中,将所建模型应用于短期负荷预测,比较了GARCH族模型的预测能力,得到了较高的预测精度。     

一种基于Kalman的实时话务量预测算法

移动网话务量的预测可以为解决移动网的网络拥塞、覆盖规划、负载均衡和接入控制等方面的问题提供决策支持。日益复杂的移动网络环境对移动网话务量预测的实时性提出了新的要求,针对这一问题进行了研究,结合卡尔曼滤波算法在预测时效性方面的优点,提出了一种基于卡尔曼滤波的移动网实时话务量预测算。该算法通过对呼叫时延的实时预测实现对移动网实时话务量的预测。仿真结果表明,所提算法具有良好的实时性和预测质量。     

基于复合模型的智能化移动通信话务预测

移动通信话务量作为一种时间序列,具有较强的非线性和随机性,而且易受节假日、旅游等客户行为及天气等其它因素的影响。尤其是话务量长期的发展变化,很难用传统的预测方法进行预测。根据移动通信话务量自身特点,采用复合模型,将话务量分为平稳期趋势分量、平稳期周期分量、节假日话务量,用综合评判的分段一元线性回归及模板匹配算法分别对趋势分量、周期分量和节假日话务进行建模。最后,开发了基于复合模型的智能化预测系统,在广东省某市试运行的结果表明：基于复合模型的预测方法比传统预测方法精度高。     

基于改进人口模型的微博话题趋势预测

趋势预测问题是当前社会计算中的研究热点,但微博平台的话题趋势预测还处在探索阶段。在分析、抽取和定义事件趋势的影响因素的基础上,改进了人口模型使其适用于微博趋势预测,然后将改进的人口模型映射在神经网络上,并利用遗传优化的神经网络对事件的趋势进行预测。实验证明,该方法对于预测网络中长期酝酿的事件发展趋势效果明显,能够有效地预测事件的爆发点和发帖量,而且适用于小样本预测问题。     

基于多尺度分析的电力月负荷预测

介绍了小波分析原理及多尺度分析法。根据月度负荷的增长和波动趋势，利用多尺度分析法将月度负荷序列进行分解，采用灰色理论法和神经网络法对序列进行预测，建立了优化预测模型，该模型优于只考虑单一发展趋势的负荷预测模型。计算结果表明，该方法可以明显提高月度负荷预测的精度。