基于时序分析的人体摔倒预测方法

提出一种基于人体动作状态序列时序分析法的人体摔倒预测方法。融合特征部位加速度信息为时间序列,选取摔倒过程中人体与低势物体碰撞前的过程序列段作为样本训练隐马尔可夫模型(HMM),通过分析输入序列与HMM的匹配程度实时分析当前时刻人体摔倒的风险。实验证明该方法取得良好的预测效果,并且可有效区分摔倒过程与其它日常生活行为过程。     

灰色预测软件

本文通过阐述灰色建模的基本原理,编写了灰色预测软件,同时运用该软件对其进行实例分析.     

基于灰色理论的预测系统框架与实现

1 引言 1982年我国学者邓聚龙教授首次在荷兰的国际性杂志上发表了灰色理论,它是建立在灰色系统基础之上的计算理论。从系统的观点来看,我们称信息完全明确的系统为白色系统,信息完全不明确的系统为黑色系统,信息部分明确部分不明确的系统为灰色系统。现实世界中的绝大多数系统都属于灰色系统的范畴,而且同一个系统,在高层次时可能是“白色”的,到了低层次时却可能是“灰色”的。因此运用灰色控制系统理论来认识世界,来解决白色系统理论无法解决的问题,具有重要的意义。灰色理论的一个重要的应用领域是趋势预测。传统的预测方法,建立的是离散的递推模型,这一局限使得它不能对系统做出长期预测。灰色理论利用连续的灰色微分方程     

基于灰色预测理论的软件缺陷预测模型研究

软件缺陷是软件产品预期属性的偏离现象.妥善处理软件中的缺陷关系软件质量以及软件组织的生存与发展.利用开发过程中收集的软件缺陷的相关数据,依据灰色预测理论的核心:GM(1,1)来建立预测模型,对后续软件开发中缺陷的存在情况作出相应预测.实验表明该预测结果能指导软件组织较好地把握软件质量、合理分配测试资源,并在一定程度上帮助软件组织度量软件过程.     

基于数据预处理灰色神经网络组合和集成预测

当研究的系统扰动因素过大或系统行为在某个时川点发生突变，出现严重扰动系统的异常数据时，提出不应直接按原始数据建模预测，而应根椐实际情况适当地对数据预处理．提出了基于数据修正的改进型灰色神经网络组合和集成预测，并根据南昌火车站旅客发送量时间序列建立了多个模型，从模型预测效果对比中说明数据修正、改进型灰色模型和改进型灰色神经网络、灰色神经网络组合和集成确实能提高预测精度．另外，修正数据要把握一个度，不能修正全部数据，只能修正较异常的数据，要在数据的趋势性和预测的灵敏性间取得平衡。     

基于灰色理论和统计学比较的煤矿瓦斯浓度预测研究

通过对基于统计理论和基于灰色系统理论的时间序列预测技术在矿井瓦斯浓度预测中的应用的比较研究,分别对实验结果进行了误差分析。充分说明了在对井下具体测点瓦斯浓度预测方面,不同时间序列预测技术具有不同的适应性,选取误差最小,最接近描述瓦斯浓度实测数据的模型对该测点进行预测会取得最为准确的预测效果。     

基于灰色GM(1,1)模型的故障预测方法

首先介绍灰色GM(1,1)模型,但该模型的预测精度往往受原始序列光滑度的影响,对于不能够满足光滑度的序列,预测精度并不高。提出一种通过变换原始序列来改善光滑度的方法,并将此方法应用于故障预测中,取得了良好的效果。通过用MAT-LAB对实例仿真并进行精度检验说明,提出的方案在故障预测精度上有明显的提高。     

基于灰色理论的潜水泵的故障诊断及预测系统设计

论述了潜水泵故障诊断系统的组成,介绍了故障诊断的原理以及灰色识别法、基于灰色理论的知识表示,用VB软件实现了故障诊断系统功能,并结合诊断实例给出故障诊断的效果,说明了应用灰色诊断理论对潜水泵进行故障诊断和状态预测的可行性.     

基于残差改进的灰色模型网络流量预测

网络流量是衡量网络运行负荷和状态的重要参数,也是网络规划、流量管理等方面起着重要的作用的重要参数.在流量管理中,流量模型用于评价接入控制机制和预测网络性能.灰色模型在反映数据的趋势性变化上效果明显,随着灰色理论的发展及其广泛应用,越来越多的改进方法已经被提出.在对原有的模型进行研究的基础上提出进一步改进模型来对网络流量进行预测.     

灰色系统理论在专利预测分析上的研究及应用

专利预测是一个复杂的非线性过程,因此使用传统的预测方法很难对其进行有效的预测。本文利用灰色系统理论,克服了数据缺乏,影响因子非线性程度高的困难,建立了适用于专利趋势预测的预测模型,并利用MATLAB和VB实现了该模型,并以实例进行了检验,结果表明了该方法的可行性和有效性。     

灰色系统理论在专利预测分析上的研究及应用

专利预测是一个复杂的非线性过程,因此使用传统的预测方法很难对其进行有效的预测。本文利用灰色系统理论,克服了数据缺乏、影响因子非线性程度高的困难,建立了适用于专利趋势预测的预测模型,并利用MATLAB和VB实现了该模型,同时实例进行了检验,结果表明了该方法的可行性和有效性。     

基于ARIMA时序辨识的需水量预测

供水行业是国民经济的重要基础,对需水量的准确预测有利于供水部门调度。针对城市供水量波动特点和预报要求,基于ARIMA季节时间序列对城市需水状况建模。通过分析自相关系数(ACF)、偏自相关系数(PACF)等参数辨识模型阶次结构,预报未来需水量趋势,并使用SAS统计软件进行检验。所建立的模型成功应用于上海市中心城区需水预报,对照历史数据表明,模型具有理想的预测精度,能够有效地辅助供水部门进行决策。     

基于灰色GM(1,1)模型的时间序列预测研究

基于灰色理论GM(1,1)模型,结合Elman神经网络组成灰色神经网络模型。模型的输出误差作为一个新的时间序列,通过Elman神经网络对误差序列进行拟合和预测,更大限度地减小预测误差。GM(1,1)模型所需要的数据少,方法简单;Elman神经网络是动态的神经网络对历史数据具有高度的敏感性。这种灰色理论与动态神经网络的组合模型,比起单个的预测模型提高了预测精度,通过分析和验证表明,该方法实用有效。     

灰色理论与神经网络在水华预测中的应用

在综合考虑生态系统中水华发生的机理特点基础上,采用改进的BP神经网络实现了对叶绿素最高点的非线性预测;利用灰色WPGM（1,1）模型的累加生成运算（AGO）对叶绿素最高值对应的时刻进行推算,从而预测水华的爆发时间点。经检验,神经网络预测结合灰色WPGM（1,1）预测模型相对误差在10%左右,能够对水华的发生进行判断和预报,有利于综合整治方案的优化和统筹。     

基于数据挖掘的水文时间序列预测

基于灰色理论和灰色神经网络组合预测模型,对水文时间序列进行数据挖掘。对原始序列首先进行了对数-方根变换,使得数据序列满足灰色理论的覆盖条件,采用灰色预测模型GM（1,1）,对数据序列进行预测,由于灰色预测属于线性预测,因此将灰色预测模型与神经网络模型相结合,提高了预测精度。以都江堰岷江来水数据为原始数据进行实际预测,实验证明,这种组合模型的预测效果优于传统预测模型。     

基于组合函数法的灰色模型预测研究及应用

结合运用组合函数法,尤其是对数函数和幂函数在进行原始数据列转换后能提高数据列的光滑度和预测精度的优点,提出了基于组合函数法的灰色预测模型,利用此模型实例预测某油田的年产量,并利用相对误差法将预测值与实际值进行精度检验,取得了较好的结果。     

灰色系统理论预测算法研究及其在农村经济分析中的应用

三农问题是全面建设小康社会的关键问题.为确保农村经济的稳定发展,对农村经济发展的科学预测就显得尤为重要.运用灰色系统理论对农村经济预测问题进行了研究,建立了灰色数学模型,讨论了模型的建立、参数求解、模型的检验等.最后分析了农村经济数据的特点,并运用matlab GUI完成了灰色预测算法的实现.     

改进的灰色系统理论在汇率预测中的应用

研究汇率预测精度问题,汇率的变化受到政治、经济、物价和国民收入等多因素影响,存在非线性系统特征,波动性大.传统线性的预测方法预测精度和准确度低.为了解决以上问题,提出了一种改进的灰色系统理论汇率预测算法,根据灰色理论预测,首先建立了外汇汇率预测的GM(1,1)预测模型,同时并在此基础上建立改进的灾变灰色预测与回归预测的...     

基于灰色Verhulst和HMM的交通事故预测算法

道路交通事故预测是保证道路佳通安全的重要技术,以往的道路交通事故预测方法往往具有预测精度不高和收敛速度慢的缺点,为此,设计了一种基于灰色Verhulst模型和隐形马尔科夫链的交通事故预测方法;首先,采用灰色Verhulst模型对观察事件在下一时刻的状态进行预测,采用最小二乘估计法去估计模型中的参数,将预测结果用于初始化HMM模型,并采用前向算法和后向算法对HMM模型进行训练,获得最终的初始分布矩阵、状态转移概率和观察概率分布矩阵,然后采用最终的HMM模型进行交通事故预测;仿真试验结果表明:文中方法能有效地实现交通事故预测,较其它方法相比,具有预测精度高和收敛速度快的优点,具有一定的优越性.