基于小波支持向量机的电力系统短期负荷预测

根据相空间延迟坐标重构理论，基于支持向量机强大的非线性映射能力和小波核函数的局部分析和特征提取能力，提出了一种基于小波支持向量机的电力系统短期负荷预测方法，并利用该方法对嵌入维数与预测性能的关系进行了探讨。仿真结果表明，该预测方法能精确地预测电力负荷，而且在电力负荷序列的最佳嵌入维数未知时也能取得比较好的预测效果，这一结论预示着小波支持向量机是一种预测电力系统短期负荷的有效方法。     

听力理解中的预测

听力理解的机理揭示了听力理解的程序为：储存知识──搜寻记忆结构──分析意义──预测下文。听力理解的基础是：语言知识；对所讨论问题的熟知程度；与说话者共有对现实世界的知识；对说话者的个人态度及兴趣的熟悉和假设；对语境的理解；对所出现的文化背景的理解；对副语言线索及手势和身姿的理解。此外，还要遵循合作原则和礼貌原则。听力预测有利于听者积极运用所学的语言知识和社会文化知识及逻辑判断力，对所听到的内容进行分析，对将听到的内容进行预测，使大脑定向，缩小预测范围，成功地实现时听力的理解。     

综合预测方法及其改进

综合预测方法及其改进李宝仁一、方法概述综合预测方法是Ｂａｔｅ和Ｇｒａｎｇｅｒ于１９６９年提出的一种组合预测方法。综合预测方法的基本思想是，对于同一个预测目标，只要可能，最好不要只从某些角度着眼进行预测，而是从多个不同的方法系统地进行。这样，就可以得到...     

基于模糊分类变系数的铅锌烧结过程综合透气性状态预测

针对铅锌烧结过程的强非线性、时变等特点,运用智能集成建模的思想,提出一种模糊分类变系数透气性状态预测方法。首先深入机理分析和工况参数相关性分析研究,采用神经网络方法建立工艺参数和时间序列透气性预测模型;然后借助于模糊组合器实现两个子模型的有机组合,设计了模糊分类变系数综合透气性集成预测模型结构,其中加权系数由工况波动程度确定。运行结果表明:提出的集成模型具有较高的预测精度和较强的自学习能力,并且在工况波动严重的情况下,仍然具有好的预测效果,该模型具有一定的灵敏度和鲁棒性。     

复杂经济系统的预测问题及综合集成法的应用

针对复杂经济系统的预测问题,分析了影响复杂经济系统预测结果及应用效果的原因。对综合集成法的思想在经济预测中的应用进行了探讨,提出了具体应采取的对策。     

面向产品全生命周期的保证成本预测系统

随着市场竞争日益激烈,产品保证成本预测所依赖的数据需要根据反馈情况不断更新,对产品整个生命周期中的保证成本预测进行集成管理显得十分重要。本文提出了基于网络、集成技术,等一系列预测方法和管理模式的保证成本预测系统,并介绍了其系统架构、实现的关键技术:浏览器技术、中间件技术、数据库技术及其功能实现方式。     

基于联合聚类的国家风险集成预测方法研究

准确预测国家风险能够有效降低一国在对外贸易中期望收益受损的可能性。然而,国家风险构成复杂、诱因多样且具有突发性,使得精准预测国家风险面临严峻挑战。为此,提出了一种基于BIRCH嵌套AP算法的联合聚类集成预测模型。通过设定移动窗口并使用BIRCH算法压缩并建立聚类特征树,利用AP算法对特征结果进行聚类并选定评估聚类簇;然后,计算单体模型在聚类簇中的预测表现,选取表现最佳的模型作为集成预测的输出。选取沙特阿拉伯、科威特、伊朗、利比亚4个欧佩克成员国的ICRG数据进行仿真实验以验证模型的预测性能,实验结果表明：在不同提前期下所提模型呈现出优异的预测表现,尤其在方向性精度上表现出显著且稳定的优势。     

时域交互网络中动态嵌入轨迹预测方法

在电子商务、社交网络和教育等领域对用户和物品之间的顺序交互关系进行建模至关重要。通过表示学习模拟用户和物品的动态演化具有广阔应用前景,其中每个用户和物品均可以嵌入到欧几里得空间中,并且可以通过该空间中的嵌入轨迹对其演化进行建模。然而,现有的动态嵌入方法仅在用户采取某一动作并且未对嵌入用户和物品的未来轨迹进行建模时才会生成嵌入向量。针对这一问题,提出一种用户-物品耦合循环神经网络模型UICRNN(user-item coupled recurrent neural network model),学习用户和物品的嵌入轨迹。该模型使用2个循环神经网络来更新用户和物品交互关系的嵌入。此外,UICRNN模型可以对用户和物品的未来嵌入轨迹进行建模,引入了一种新的投影算子,该算子学习并估计将来可能嵌入的用户,估计的嵌入用户用于预测未来的用户和物品之间的交互关系。在多个真实数据集进行大量实验,预测未来交互的准确率至少提高42.91%,预测用户状态变化的准确率平均提高15.79%。     

结合知识图谱与深度神经网络的烟丝松散回潮质量预测方法

针对制丝生产工艺中松散回潮质量预测困难，出料中水的质量分数和出料温度波动大等问题，课题组提出了结合知识图谱与深度神经网络的预测方法。该方法首先从工人经验、技术标准文件、生产规范等当中抽取多源异构数据构建出统一化的知识图谱数据库，然后通过词向量转换工具word2vec将知识图数据转换成可表示的二维向量，最后利用构建的BIGRU Attention KG模型进行预测、输出结果。经由案例验证表明所提出模型具有有效性和可行性。该方法实现了定性数据到定量数据再到定性输出的转换过程，为松散回潮质量预测提供了一种新的思路和方法。     

知识集成的前因与影响：关系网络学习、社会嵌入性与自主创新

高端装备制造业具有知识密集、技术复杂、产品集成度高等特点,提高其自主创新能力是企业创造高附加值的关键。以高端装备制造企业为研究对象,通过理论演绎,探讨制造商与供应商之间的关系网络学习、社会嵌入性、内部合作能力、知识集成与企业自主创新之间的影响关系机理,提出相应的理论假设,并在此基础上,构建了五个变量之间的关系概念模型。认为关系网络学习与社会嵌入性是企业实现知识集成进而促进自主创新的外因,以上外因在企业内部合作能力的内因促进作用下使得知识集成的效果更加明显。以上结论不仅丰富了企业间合作关系理论、知识理论与自主创新理论,也可以为我国高端装备制造企业的实践提供参考。     

中国民用汽车保有量的短期组合预测

国内外对中国汽车保有量预测的研究很多,但由于各种假设不同而偏差较大。组合预测方法的出现,结合了不同预测方法的优点,提高了预测精度。文章运用Logistic模型拟合中国汽车保有量的增长,将其增长期划分为三个阶段,低速增长期,快速增长期,平稳增长期,以此指导灰色预测合理选取数据,对中国的汽车保有量进行短期预测。该预测方法只涉及市场最大汽车保有量的估计,尽可能地避免了传统预测模型中预测参数选取主观化的缺点。预测结果显示我国汽车保有量已经进入快速增长期,2015年将突破1亿9千万辆。     

小波包变换在股市预测中的应用研究

应用小波包变换对股市预测进行了研究,提出了股市预测的小波包方法。首先将股指时序进行小波包分解,并对分解后得到的各部分进行混沌判别,以确定其混沌特性;然后对各部分分别建立混沌模型进行预测;再将混沌模型预测的结果进行小波包重构,则得到原始时序的预测结果。对上证综指日收益率进行了单步预测和多步预测研究,效果很好。     

试论社会保险统计指标的预测分析

保险基金是社会保障制度的基石。社会保险统计不仅要从静态上和动态上分析社会保险各项指标的发展变化情况 ,而且还要依据一定的科学方法 ,对现象未来的变化规律进行预测 ,从而确保社会保险制度的顺利实现。本文探讨了社会保险统计指标的预测方法、应用范围和应用中应注意的问题。     

用水量组合预测模型的研究

为了给水资源规划提供依据，我们要对城市用水量进行预测，以期揭示其变化规律和发展趋势。本文从分析城市用水量变化规律着手，给出了城市用水量预测的常用模型，进而确定组合预测模型。通过引入层次分析法（AHP）确定组合预测权系数，将目前常用的用水量预测模型有机地结合起来，建立了用水量组合预测的结构模型。算例结果表明，该组合预测模型在预测准确性方面能得到改进，能对城市用水量进行有效地预测。     

西方人口预报评价动态

在进一步界定人口预报概念的基础上,简要介绍了几种常用人口预测方法,重点介绍了近10年西方学者针对发达国家和地区人口预报所进行的评价研究动态,包括：单个预报方法评价、两个预报方法之间的比较评价、衡量预报误差大小的统计指标设计评价。人口预测是当前人口学研究中最活跃的领域之一,通过对人口预报结果的评价,可以了解预报方法的优劣,并提出改进和修正方案。     

物流系统的多目标预测

物流系统是一个开放的复杂性系统,也是集多项功能为一体的综合性系统.物流系统的战略规划必须以科学的预测结果为基础.该文根据物流企业的特点,阐述了物流系统预测的新思路及方法--多目标预测,并以深圳机场作航空物流园区的市场调研及预测项目为例,说明了多目标预测方法如何应用于物流系统.     

Multiscale Combined Forecast of Carbon PriceBased on Mixed Structure Data

Accurate forecast of the carbon trading price is of great significance in promoting the scientific and rational development of carbon trading market. Therefore, this paper proposes a multi-scale combined forecasting method for carbon price based on mixed structure data. First, the Google Index is used to extract the unstructured data related to the carbon price.The dimensions of unstructured data are reduced based on principal component analysis. Then, EMD is employedto the structured data,unstructured data and the carbon trading price to obtain different IMFs, which are reconstructed by the Fine-to-Coarse technique to get low, high frequency sequence and trend sequence. Furthermore, the three items are predicted respectively by using ARIMA, PLS and neural networks according to the features of each scale in time series. Finally, the forecasting results are summed to get the carbon price forecast sequence. The proposed method is used to forecast carbon price in EU. The empirical results show that the prediction accuracy of the model is higher than that of the single prediction method and the prediction method that time series aren’t decomposed by EMD, which is of great applicability.     

小波变换在股市预测中的应用

本文应用小波变换对深圳股票市场的建模与预测进行了研究。首先对股指时序进行小波分解;然后对分解后的各部分分别建立混沌模型进行预测;再对混沌模型预测的结果予以小波重构,即得最终的预测结果。从吸引子结构的观点对预测精度提高的原因进一步分析得出,小波分解可使分解后的时序变得简单而容易预测,因而使得最终的预测结果能够具有较高的精度。研究表明,小波变换在股市预测中具有非常好的应用前景。     

长期预报洪峰水位的新方案

洪水长期预报,国内外尚属探索中的课题.作者经过四年多深入研究,经历三年的预报实践,取得各场洪峰出现时间,预报与实际相符合,方案稳定.1991年预报最高水位较为准确。     

基于SVM的股票时间序列的预测研究

支持向量机（support vector machine,SVM）是以统计学理论为基础的一种新的模式识别方法,目前已广泛应用于股票价格的预测中。在股市投资问题的研究中,股价作为时间序列数据是复杂的、非线性的,并且极不稳定。文章将支持向量机引入到股价预测的建模中,并对效果进行了分析。