基于径向基函数(RBF)的安徽省GDP增长模拟与预测

本文运用新型非线性径向基函数RBF神经网络模型，对安徽省国内生产总值(GDP)进行了宏观经济模拟预测分析，结果证明与其它经济计量方法相比较，网络模型新颖，具有较好的预测精度及效果，可广泛应用于各种预测研究，有较高的应用推广价值。     

ARMA时间序列模型在销售预测中的应用

时间序列分析是经济领域应用研究最广泛的工具之一,它用恰当的模型描述历史数据随时间变化的规律,并分析预测变量值。ARMA模型是一种最常见的重要时间序列模型,它被广泛应用到经济领域预测中。本文给出ARMA模型的三种模式和实现方法,然后结合超市销售数据揭示超市销售的规律性,并运用ARMA模型对超市销售量进行预测。     

基于最小方差基准的软约束调整与经济性能协调

模型预测控制的经济性能主要通过减少关键工艺参数的方差,以及移动过程的操作点使其更接近约束边界来实现。另一方面,软约束边界需要经常的调整以有效地解决模型预测控制的优化不可行问题。在协调软约束调整与模型预测控制的经济性能的过程中,本文提出了将基于性能评估的最小方差引入到模型预测控制的稳态目标计算中,以保证模型预测控制能够更加合理地提高系统的经济性能。最后,以延迟焦化装置加热炉预测控制为例,讨论和分析了该方法的有效性。     

MLBP模型的应用实践及实验误差对比分析

随着社会经济的发展，数据量在日益增加，为了能够在庞大的数据中挖掘出有价值的信息，通过历史数据的潜在规律推测未来已经成为数据挖掘领域内重要的部分.本文通过研究MLP、BP及MLBP模型并进行模型的误差对比分析，并将最优模型应用于股票预测.实验数据通过调用Python提供的Tushare财经数据接口进行股票日交易数据的爬取，应用三种模型对股票交易数据进行分析处理，不断进行调参，并将预测结果使用MSE进行误差比较，最后得出一个最优的预测值.     

基于PCA-SVM的区域经济预测研究

针对区域经济存在高度的非线性、各指标间存在数据冗余等特征,使得传统的经济预测方法精度较低,为解决上述问题,提出了一个基于主成份分析的支持向量机的区域经济预测模型(PCA-SVM).选择对影响长株潭区域经济发展的各因子进行主成份分析,消除各因子之间的冗余性,从而减少了支持向量机的输入维数,增加了支持向量机预测速度,利用PCA-SVM模型对长株潭2003-2007年经济数据进行了验证性测试和分析,结果表明,相对于各参比模型,PCA-SVM模型预测精度显著提高,是一种高效的区域经济预测模型,为预测研究提供依据.     

混合模型在经济时间序列预测中的应用研究

研究经济预测问题,为社会经济发展提供预测依据.由于经济时间序列是一种多维、非线性数据,采用单-的线性或非线性模型都不全面反映特点,导致预测精度不理想.为了提高经济时间序列预测精度,提出一种多变量自回归(CAR)和支持向量机(SVM)相结合的混合预测方法.混合方法首先利用CAR模型对经济时间序列的线性部分进行预测,然后采用支持向量机对非线性部分进行预测,将预测结果组合在-起,得到混合模型的预测结果.实验结果表明,混合模型的预测精度明显优于单独模型;发挥了2种模型的优势,得到一种精度高的经济预测效果.     

基于网络流量半马尔柯夫模型的流量预测

引入了半马尔柯夫模型描述网络流量特性，并在该模型的基础上分析推导了相应的流量预测方法。分别对广域网和局域网不同时间尺度统计的实际流量数据进行分析和短期、长期预测，所有数据的实际预测精确度均小于预先设定的置信度。说明引入的模型能真实反映网络流量特性，基于该模型的流量预测方法具有良好的预测性能且适用于不同长度的预测。     

一类非线性模型及其预测偏差分析

在非线回归分析中，变换模型引入注目，著名的Ｂｏｘ－Ｃｏｘ变换模型＾［１］更是广为讨论。理论分析与应用表明，该类模型因变量的预测均采用简单的逆变换加以实现。本文通过预测分析表明，这种预测是偏倚的。应加以校正。基于正态条件分布，本文理论推导了校正公式并给出了预测上、下限、最后进行了实例分析。     

联络中心任务量平滑预测方法研究*

针对联络中心对高精度、高效率的任务量预测要求，分析了 Holt‐Winters模型和指数平滑季节模型的优缺点，进而改进了 Holt‐Winters模型的任务量预测方法。通过对历史话务数据的实证分析，以四种预测模型精度评价指标为检验标准，对三种预测模型进行了预测精度比较。最后经历史数据验证，改进的 Holt‐Winters模型具有更小的预测误差，因而改进是有效的。     

经济发展预报系统研究与实现

本文研究并建立了经济发展预报模型，实现了集市场经济下生产方案的设计与优化、理想经济下均衡标准预测、资金盈余预测等于一体的预报软件系统，并利用新疆的经济发展现状对模型进行验证，确保了预报模型和系统的准确性。     

驾驶员预估效应对交通流合作驾驶格子模型优化状态的影响

基于合作驾驶格子模型, 考虑驾驶员对交通流量的预估效应, 提出一个扩展的交通流合作驾驶格子模型。通过线性稳定性分析和非线性分析探讨驾驶员预估效应对合作驾驶格子模型优化状态的影响。结果表明, 驾驶员预估效应能够进一步增强合作驾驶格子模型优化状态下的稳定性。     

类黄酮化合物抑制恶性疟原虫的预测模型

建立预测类黄酮化合物抑制恶性疟原虫株活性定量的模型,并确定影响类黄酮化合物活性的主要因素。本文选用了38个结构不同的类黄酮化合物作为数据集,采用多元线性同归法及主成分分析法分析每个化合物的220个分子参数,建立最优的预测模型。比较用不同方法建立的模型,结果发现带logP参数的向后筛选法为最优方法,所建模型统计结果良好(训练集相关系数R~2=0.81,标准训练误差SEE=0.27),模型代入检验集数据时结果也令人满意(检验集相关系数R~2=0.83,标准检验误差SEP=0.39),可靠性和预测性较强。脂水分配系数的对数logP为模型重要影响参数。建模和确定影响因素有助于筛选新型类黄酮抗疟疾药物和研发。     

结合领域知识的因子分析:在金融风险模型上的应用

因子分析是一种在工业领域广泛使用的统计学方法.在金融资产管理中,因子分析通过对历史价格波动的极大似然估计推导自适应的统计学因子来生成风险模型.与通过使用预先设定具有经济学含义的因子来生成风险模型的基本面因子模型相比,通过因子分析生成的模型不仅更灵活,还能发现在基本面模型中缺失的因子.然而,由于因子分析所生成模型中的统计...     

晋江水体悬浮物浓度的高光谱建模分析

采用适合二类水体的水表面以上光谱测量法,对福建省晋江下游河段进行高光谱采样。通过实测的高光谱反射率及其一阶微分值与晋江水体悬浮物浓度的相关分析,发现利用高光谱数据反演晋江悬浮物浓度的最适合波长位于733±3 nm处。进而采用线性、二次多项式、对数、指数、乘幂等函数对晋江的悬浮物浓度进行模拟,发现二次多项式模型的模拟效果和精度最高,且采用单波段的回归模型要比采用一阶微分值的回归模型更为稳定,因此建立了单波段二次多项式模型用于晋江悬浮物浓度的预测。     

独立元回归在转炉终点温度预测中的应用

转炉终点温度是决定钢质量的关键因素,在炼钢的恶劣环境中难以检测.建立了基于ICR方法的终点温度的预测模型.该方法将独立元分析(ICA)与回归分析相结合,先利用ICA方法提取输入数据矩阵的独立元矩阵(IC);然后再分别以IC、实值矩阵为自变量和因变量进行训练,求取最小二乘回归(LSR)系数建立预测模型.工业生产数据仿真结果表明,与主元回归(PCR)和偏最小二乘回归(PLSR)方法相比,基于ICR的终点温度预测模型预测精度高,跟踪性能好.该方法可为实际生产中的终点控制提供参考,提高生产效益.     

基于多目标模糊决策的最佳路径分析

在进行最佳路径选取时,如何综合考虑多种模糊因素的影响和确定每个因素影响的大小是一个关键问题。该文建立了用于最佳路径分析的道路层次模型,给出了多目标模糊决策的数学模型,确定了各种影响因素的模糊隶属度函数,应用层次分析方法确定了各个影响因素的权重。在Dijkstra最短路径算法的基础上,提出了应用多目标模糊决策的方法来实现在多种模糊因素影响下的最佳路径选择,并通过实例分析和仿真实验验证r该方法的正确性。     

交通流多格点预估格子模型与数值仿真

考虑驾驶员对多格点交通流量预估效应,建立了新的交通流多格点预估格子模型。通过线性稳定性分析获得了改进模型的稳定性条件。通过非线性分析得到了扭结—反扭结密度波解,得到了交通流相空间的三个区域:稳定区域、亚稳定区域和不稳定区域。数值仿真验证了考虑驾驶员对多格点的预估效应,能够进一步提高交通流的稳定性。     

Tac-Anticipator: Visual Analytics of Anticipation Behaviors in Table Tennis Matches

Anticipation skill is important for elite racquet sports players. Successful anticipation allows them to predict the actions of the opponent better and take early actions in matches. Existing studies of anticipation behaviors, largely based on the analysis of in-lab behaviors, failed to capture the characteristics of in-situ anticipation behaviors in real matches. This research proposes a data-driven approach for research on anticipation behaviors to gain more accurate and reliable insight into anticipation skills. Collaborating with domain experts in table tennis, we develop a complete solution that includes data collection, the development of a model to evaluate anticipation behaviors, and the design of a visual analytics system called Tac-Anticipator. Our case study reveals the strengths and weaknesses of top table tennis players' anticipation behaviors. In a word, our work enriches the research methods and guidelines for visual analytics of anticipation behaviors.     

Reliability based design optimization of wire bonding in power microelectronic devices

This paper presents a numerical investigation of the probabilistic approach in estimating the reliability of wire bonding, and develops a reliability-based design optimization Methodology (RBDO) for microelectronic device structures. The objective of the RBDO method is to design structures which should be both economical and reliable where the solution reduces the structural weight in uncritical regions. It does not only provide an improved design, but also a higher level of confidence in the design. The Finite element simulation model intends to analyze the sequence of the failure events in power microelectronic devices. This numerical model is used to estimate the probability of failure of power module regarding the wire bonding connection. However, due to time-consuming of the multiphysics finite element simulation, a response surface method is used to approximate the response output of the limit state, in this way the reliability analysis is performed directly to the response surface by using the First and the Second Order Reliability Methods FORM/SORM. Subsequently the reliability analysis is integrated in the optimization process to improve the performance and reliability of structural design of wire bonding. The sequential RBDO algorithm is used to solve this problem and to find the best structural designs which realize the best compromise between cost and safety.     

Tobit model analysis of mutations causing haemophilia

Haemophilia A is a genetic disease resulting from deficiency of factor VIII. The database of mutations causing haemophilia A has been developed by the worldwide collaboration. In this study, we predicted the severity of haemophilia A using ordinary least squares regression (OLS) and Tobit model regression in factor VIII. As parameters, we used four physical–chemical parameters of amino acids and the accessible surface area. As the result, there is a difference between OLS and Tobit model analysis in the prediction of haemophilia A severity. We found that the predicted value by Tobit model in severe data is close to the observed value. These results suggest that Tobit model regression analysis is superior to estimating severity of haemophilia A in severe data than OLS.