湘江流域金属污染的贝叶斯预测实证研究

水环境是一个充满不确定性的复杂巨系统,传统水质模型很难体现重金属污染物在河流中迁移的随机性。本文选择ARIMA模型作为重金属预测模型,运用贝叶斯相关理论进行分析、参数估计和预测,从而不仅获得点预测结果,而且获得区间估计和概率预测结果。实例分析证实,基于贝叶斯方法的ARIMA模型能够获得很好的点预测和区间表现。     

一种基于神经网络算法的高精度拟合传感器温度特性曲线的方法

为了有效改善传感器温度补偿特性,提出了基于傅立叶基函数神经网络算法的温度特性曲线拟合模型.分析了算法的收敛性,为学习率的选择提供了理论依据.给出了对掺杂苯的SnO2纳米传感器的灵敏度-温度特性曲线进行拟合的实例.结果表明基于傅立叶基函数神经网络算法的传感器温度特性拟合曲线具有高的光滑性和高的拟合精度(10-6),因而是一种有效的温度特性曲线拟合方法.     

基于非线性时间序列模型的城市道路短期交通流预测研究

对应于城市道路短期交通流复杂的非线性特征,采用一种非线性的时间序列模型来对其变化规律进行探索,以期获得城市道路短期交通流的精确预测.根据现实情况,可以将城市道路的交通流条件划分为两种状态:交通拥堵和交通畅通,在不同的状态下,交通流表现出不同的变化特征,一个二制度自我激励阈值自回归(SETAR)模型的结构能够很好地与之相符.以现实中的城市道路短期交通流数据为样本所进行的实例分析结果表明,被估计模型获得了很好的仿真结果,并能够合理地解释城市道路短期交通流的非线性特征.以此为基础.用估计所确定模型进行城市道路短期交通流的样本外预测,结果表明该模型不仅有较高的预测精度,且预测表现明显优于自回归求和移动平均(ARIMA)模型.