基于残差自回归模型的兰州市财政收入预测与决策

根据兰州市1994~2012年的财政收入,建立了基于残差自回归模型的财政收入预测模型,拟合效果较好,利用此模型预测了兰州市未来3年的财政收入,并对预测结果进行了分析,提出相关建议,最后探讨了残差自回归模型的应注意事项.     

基于多层回归分析城市雾霾成因模型

基于灰色系统理论,运用多层回归理论及数据挖掘技术,建立了雾霾强度与气象效应和非气象效应的多层混合效应模型,以避开雾霾形成的复杂过程,得到了雾霾与主要成因的量化关系.对模型的残差,得出了模型残差近似服从标准正态分布,表明所建模型具有较好的准确性.     

GM(1,1)模型机理与建模方法

灰色理论的微分方程模型称为GM模型。GM(1,1)是应用最多的预测模型。本文讨论了GM(1,1)的模型机理,并提出了建模方法及检验、残差模型。     

考虑传感器误差的故障检测

讨论了考虑传感器误差时的故障检测方法.首先用神经网络对最优奇偶向量方法产生的残差进行补偿,消除安装误差、刻度系数误差以及常值偏差对残差的影响;然后用解析方法和神经网络方法对补偿后的残差进行故障检测和隔离(FDI),从而提高故障检测和隔离的准确性.     

有界动态随机系统的观测器设计(英文)

提出了用于有界动态随机系统的状态观测器设计方法.首先利用平方根B样条逼近系统的输出概率密度函数来构造残差,同时利用李亚普诺夫函数方法得到观测器增益的自适应调节规律,然后提出了新的对数B样条逼近模型并设计了新的自适应观测器,两个仿真例子表明了方法的有效性     

健身俱乐部顾客满意度指数模型的建立及应用研究

以中国顾客满意度指数(CCSI)模型作为研究基础,结合健身服务行业的特点,应用结构方程方法建立健身俱乐部顾客满意度指数(HCCSI)模型.模型构建过程中以Maximum Likelihood过程控制路径系数、回归权重及残差相关,得出具有统计意义的结果.最终建立的HCCSI模型支持五个维度变量模型的可靠性(CMIN=711.24,DF=139,NFI=.949,CFI=.958,RMSEA=.065,AIC=775.237,ECVI=.790).探索并分析了结构模型的制约条件及测量模型的权重关系,明确了顾客满意度模型对改进服务质量以及应用LISREL方法对提高模型精度的意义.     

优化的长山水道船舶交通流量灰色系统预测模型

为提高长山水道船舶交通流量的预测精度，对灰色系统中的GM(1,1)模型进行优化.在对长山水道船舶交通流量进行分析的基础上，通过改进GM(1,1)模型背景值、改变初始条件、增加新信息优先权、引入残差修正等方法对GM(1,1)模型进行优化.通过该优化模型的预测数据与历史数据的比较验证了该优化模型的准确性和可靠性.最后用该优化模型对长山水道2015—2016年的船舶交通流量进行了预测.     

基于Elman神经网络修正的ARIMA预测模型

为实现船舶设备的预测性维护,提高轮机人员工作效率,提出一种由Elman神经网络修正的自回归综合移动平均(autoregressive integrated moving average, ARIMA)模型用于设备运行数据预测。对输入数据进行平稳化处理,建立相应的ARIMA模型;引入Elman神经网络对ARIMA模型的预测残差进行分析并建立Elman残差预测模型;将ARIMA模型的预测值与Elman残差预测模型的预测值相加,得到最终预测值。采用“育鲲”号船某航次中冷器的海水出口温度数据进行模型的训练和验证,将Elman-ARIMA组合模型与单一模型预测结果的平均绝对百分比误差进行对比分析,结果表明,Elman-ARIMA组合模型具有较好的预测性能。     

基于ARIMA-BP神经网络的船舶交通事故预测

为提高船舶交通事故的预测精度,提出将自回归综合移动平均(autoregressive integrated moving average, ARIMA)模型与BP神经网络组合的船舶交通事故预测方法。该方法考虑船舶交通事故的复杂性和非线性因素,充分结合ARIMA模型与BP神经网络的优势,分别从简单加权和残差优化角度对ARIMA模型与BP神经网络的不同组合方法进行比较研究,并将其应用于2000—2018年英国籍船舶交通事故预测中。结果表明:与ARIMA模型、BP神经网络和ARIMA-BP的简单加权组合预测方法进行对比,ARIMA-BP的残差优化组合预测方法的预测精度最高,其均方根误差、平均绝对误差和平均绝对百分比误差分别为7.16、6.0和4.9%。本文提出的船舶交通事故预测方法可以为相关人员的决策提供指导。     

基于改进灰色模型的中长期电力负荷预测

在中长期负荷预测中,由于电力负荷具有突变性,常规GM(1,1)模型不能及时反映负荷的突然变化,对于发生转折的数据预测精度不高,在实际应用中具有一定的局限性.通过对负荷原始数据序列的预处理及优化,利用等维新息递推GM(1,1)模型进行预测,保证了预测能够较为充分地利用新信息,并加入了残差模型,通过实例分析表明,改进后的模型比常规GM(1,1)模型提高了预测的精度.     

基于一种新的残差评价函数的故障检测方法

大多数现有的鲁棒故障诊断系统集成设计方法都采用基于 2范数的残差评价函数。本文首先讨论了以 2范数作为残差评价函数的问题 ,然后提出了一种新的残差评价函数 ,并以此为基础 ,进一步提出了相应的故障诊断系统集成设计方法。它可以有效地解决现有的基于 2范数方法的问题 ,使所得到的故障诊断系统更容易设计和实现     

贝叶斯结构方程模型在运动与锻炼心理学中的应用

摘要：目的：旨在介绍贝叶斯结构方程模型的特点及其使用方法。方法：首先讨论了贝叶斯结构方程模型的优势,然后以运动员训练状态检测量表(32×7)的测评数据,分别采用最大似然估计和贝叶斯估计进行二阶验证性因素分析。结果：纳入交叉载荷和残差相关等小方差先验信息的贝叶斯估计模型拟合良好,而采用最大似然估计的模型拟合不理想。分析造成上述差异的原因,并总结贝叶斯结构方程模型的优势和不足。     

基于BP神经网络与残差分析的船舶交通流量预测

为缓和神经网络对历史数据的"过拟合"与预测值"失真"的矛盾,设计一种基于BP神经网络与残差分析的非线性时间序列预测流程.从控制残差为正态分布、白噪声等方面入手,建立合适的人工神经网络,使其既能较好地拟合过去的样本,又可以得到符合未来趋势的预测结果.将该预测流程应用于长江九江大桥观测线船舶交通流量预测,预测效果证明该方法可行.     

残差在数学建模中的应用

文章在线性系数的最小二乘法处理的基础上,通过对残差的分析,选择合适的非线性周期函数对残差进行再次拟合。该方法弥补了线性系数最小二乘法的不足,获得了周期性系统误差的信息,提升了电涡流传感器的精度。     

线性时变系统变初始条件变期望轨迹的迭代学习控制

对于非严格重复线性时变连续系统,初始迭代条件和参考轨迹在一定带宽范围内都是迭代变化的.提出一种非严格的迭代学习方法来控制跟踪整流.通过该方法所获得的控制器,能保证闭环系统的所有信号是全局有界的,能够使超出初始时间间隔的输出跟踪误差收敛到一个小的残差集内,该残差集大小取决于输入矩阵的估测误差.尤其是当输入矩阵已知的情况下,能够让超出的初始时间间隔输出跟踪误差趋近于零.     

水资源价值问题探讨

本文阐述了水资源价值存在的依据和合理定价方法的重大意义,同时引用自然资源功能定价模型,提出"加权参数比"水资源定价模型,并对具体实例进行了分析.     

船舶交通量的BP神经网络-马尔科夫预测模型

为提高船舶交通量的预测精度,在BP神经网络的基础上结合马尔科夫预测模型建立一个新的预测模型.采用通过长江九江大桥的月度船舶交通量数据进行模型训练、验证和预测,求出相对残差值,将相对残差的前8项归一化后划分为3个状态,利用马尔科夫预测模型修正BP神经网络的预测值.该新模型将BP神经网络的相对残差值区间从[-12.9%,12.3%]降低至[-9.9%,5.4%].该模型能提高船舶交通量的预测精度,用于预测船舶交通量是可行的.     

GPS约束下川滇地区主要断裂现今活动速率的估算方法

以川滇地区的GPS水平速度场为约束,建立由24个块体组成的线性弹性块体模型,剔除块体内部变形等对GPS测站速度的影响,反演得到各块体的长期运动速度及各主要边界断裂的现今活动速率.结果显示,在考虑块体内部弹性形变时,拟合速度残差中误差由1.46mm/a减小至1.15mm/a.因此,在用块体模型分析复杂构造地区的运动特征时,还需顾及块体内部形变的影响.     

一种基于排队论的DoS攻防绩效评估方法

提出了一种新的基于排队论的DoS攻防绩效评估方法. 针对不同种类DoS攻防手段建立了统一的指标体系和绩效计算方法,基于排队论方法分别建立评估模型,对UDP Flood和SYN Flood攻击的绩效进行不包含主观因素的定量评估,分析不同攻击手段和强度的有效性. 针对典型DoS攻防场景,利用网络仿真工具进行模拟,通过实验与模型推导结果对比验证了排队论模型的合理性,并阐述了此方法在不同类型DoS攻防手段中的应用.     

日像仪干涉阵结构优化的加速压力算法

提出的加速压力算法是对Boone压力算法在解的质量和收敛速度两方面的改进,通过一次移动天线阵,可以完全消除阵元数目个uv采样点处的残差,使得每次迭代的uv分布修正量最大,从而不仅达到减小计算量的目的,而且使优化结果更加逼近理想模型.通过ALMA阵结构的优化与原有算法做了对比,验证了算法的有效性和高效性.最后,给出了中国国家天文台正在建设的日像仪干涉阵结构的仿真结果