考虑混沌特性的PSR-XGBoost短期交通流预测

为了提升主动式交通管理的水平,结合相空间重构和XGBoost算法提出了 一种短时交通流预测模型.首先,改进了传统的数据预处理方法,通过层次聚类判定交通流状态,并根据不同的交通流状态对缺失、异常数据进行填充.其次,利用相空间重构将一维数据映射为多维数据矩阵,并利用时间序列复杂网络验证数据重构效果.最后,将多维数据矩阵输入...     

多变量混沌时间序列局部多项式预测方法及应用

为了改善混沌时间序列的预测精度,提出了一种新的多变量混沌时间序列的局部多项式预测方法.它首先利用多变量时间序列的相空间重构理论重构相空间,并据此利用多项式函数构造预测模型,该模型根据嵌入维数构造数据矩阵,进行模型的参数估计和计算一步预测值,最后根据平均根统计量推断预测效果.Lorenz系统的模拟仿真和上海综合股价指数的局部预测结果表明:用多变量混沌时间序列局部多项式预测法进行预测的误差小,且比单变量混沌时间序列局部多项式预测法的预测精度高.     

基于支持向量机的股票预测系统

股票预测系统主要是用支持向量机的回归预测算法来实现对股票周线的预测。其首先根据股票数据特征值建立一个模型,然后利用该模型进行股票周线的预测,最后与真实结果相对比。实验表明此算法考虑的特征因素较多,预测的准确率相对较高。     

变尺度混沌优化支持向量机模型选择

1 Introduction Support vector machine (SVM) is a powerful ma-chine learning tool capable of representing non-linearrelationships and producing models that generalizeswell to unseen data .SVMhave been applied widelyinmany fields[1]such as hand-written character recogni-tion ,text categorization,computer vision,speechrec-ognition and gene classification,etc. Despite this , using an SVM requires a certainamount of model selection,i.e.,selection of the ac-tual kernel and its parameters .In rec…     

基于支持向量机的铁路客运量预测

提出了一种基于最小二乘支持向量机(LS-SVM)的铁路客运量预测的新方法。1985—2002年的铁路客运量组成整个数据集。前5年的客运量用来预测第6年的客运量,由1985—1999年的客运量建立LS-SVM客运量预测模型。运用建立该模型预测2000—2002年的铁路客运量。结果表明:提出的LS-SVM客运量预测方法是有效的。     

基于支持向量机的股价预测研究

支持向量机(SVM)方法作为数据挖掘中的一种人工智能方法,能够解决数据维数过大、非线性、小样本等问题,在股价预测方面比其他方法具有更大的优势.本文利用支持向量机的分类原理,用上证180股价指数中的90个成分股作为训练样本对支持向量机模型进行训练,选取上市公司基本面中的行业特征和公司相关财务指标以及股票市场中的技术指标,然后用训练好的模型对剩余的90个成分股样本的股票价格的涨跌进行分类预测,结果显示支持向量机方法对股价涨跌的预测具有较高的准确性.     

免疫遗传优化支持向量机回归在混沌时间序列预测上的应用

在分析支持向量机(Support Vector Machines,SVM)回归算法的基础上,提出了一种免疫遗传优化向量机回归算法来预测混沌时间序列.算法根据混沌时间序列样本的特点利用免疫遗传算法对支持向量机回归方法参数进行优化.免疫遗传算法有效地克服了未成熟收敛现象,获得相关参数最优值.对混沌时间序列预测的实际算例表明,与支持向量机方法相比,本文所提的免疫遗传优化支持向量机回归方法具有更高的预测精度.     

基于支持向量回归机的磨削力预测

针对神经网络方法在磨削力预测方面存在的网络结构不好确定和样本需求量大等不足,提出了一种新的基于支持向量回归机的磨削力智能预测方法。介绍了支持向量回归机的基本原理,分析了影响磨削力的主要因素,选用砂轮速度、工件速度和磨削深度作为输入参数,建立了基于支持向量回归机的磨削力预测模型。仿真结果表明,所建立的预测模型是合理有效的,与BP神经网络预测方法相比,预测的结果准确性更高。     

基于改进支持向量机模型的交通拥堵情况预测

随着机动车数量的迅猛增加,城市交通拥堵状况日益严峻,城市道路拥堵严重影响着居民的日常工作和生活,因此研究道路拥堵程度,以及对道路拥堵变化进行预测则显得尤为重要。为此,构建一个基于拥堵指标的MM-SVR模型,在考虑下一时段可能到达路段的潜在车流量情况下,对道路拥堵情况进行深入探究。首先,融合速度、区域内交通流量构建道路拥堵程度指标,然后基于历史数据构建将马尔科夫链与支持向量机预测相结合的MM-SVR模型对道路拥堵进行预测,以向前[n]阶状态的交通流量和速度作为输入量,将道路拥堵程度指标作为输出量。在实例验证中,使用广州市某片区的实时交通流数据对模型效果进行评测,并且使用SVR以及Adaboosting模型进行对比实验。实验结果表明,该模型无论是在拟合优度还是预测误差上均优于对比模型,在实时反映交通流拥堵情况方面有着良好表现。     

改进的基于支持向量机模型剪接位点的预测

在采用概率编码的基础上,利用支持向量机模型对人类剪接位点进行预测,重点研究了基于核主成分分析方法对最终预测模型的影响.从实验结果看,这种改进的基于支持向量机模型剪接位点的预测在敏感性和特异性上优于其他模型.     

混沌时间序列单变量和多变量重构的预测比较

提出了多变量混沌时间序列相空间延迟重构中延迟时间间隔和嵌入维数的选取方法，给出了多变量混沌时间序列的局部平均预测法，局部线性预测法和BP神经网络预测法等3种非线性预测方法．通过Lorenz系统的仿真计算表明，无论用3种非线性预测方法中的哪一种，多变量混沌时间序列要比单变量混沌时间序列的预测误差小得多，即使前的数据长度只有后的一半，前的预测误差也要小很多．另外从预测误差最小的角度验证了多变量混沌时间序列相空间延迟重构中延迟时间间隔和嵌入维数选取方法的有效性．     

城市交通流量的非线性混沌预测模型研究

为了解决日益严重的城市交通问题，本根据交通流已被证明的混沌特性，尝试采用非线性混沌模型来分析交通流时间序列．该模型首先将交通流时间序列在相空间中重构，以充分提取交通流中的相关信息，在此基础上，应用混沌理论对重构信息构材预测方程，并运用遗传算法对模型参数进行了优化辨识，以获得最佳的预测效果．实际的城市交通流量预测研究表明，该模型具有较高的预测精度，可以为城市交通规划和控制提供准确的参考．     

非线性经济时间序列的相空间重构及预测

综述了通过一维的经济时间序列的相空间重构技术构造反映产生经济时间序列的原始系统的本质因素的理论,并举例说明了该技术的实际应用。     

基于Volterra级数的RLS自适应算法的混沌时间序列预测

根据混沌序列产生的确定性和非线性机制,基于Volterra级数和RLS算法,提出了一种少参数二阶非线性滤波算法用于混沌时间序列的自适应预测。仿真结果表明,这种非线性自适应滤波器能有效地预测一些超混沌序列,而且该滤波器的一步均方误差性能明显高于其他基于Volterra级数的NLMS算法,表明该算法具有良好的收敛性能。     

基于神经网络预报的动态矩阵预测控制

提出了一种基于径向基神经网络预报的动态矩阵预测控制新算法，在该算法中，先用RBF神经网络辨识对象模型，同时预测对象的未来输出，然后用动态矩阵控制算法进行滚动优化和反馈校正。该方法解决了非线性、时变对象难以建模的问题，仿真结果验证了这一新型算法的可行性。     

基于空域相关的RBF神经网络混沌时间序列预测研究

与现有预测方法比较,神经网络在混沌时间序列预测中具有优势。利用RBF神经网络对混沌Lorenz时间序列的预测进行仿真研究,仿真结果表明：在单步直接预测、单步间接预测、多步直接预测和多步间接预测中,多步间接预测是其中最有效的方式。     

离子液体在亲核取代反应中的应用

利用离子液体作为溶剂和兼作相转移催化剂，溴化苄与亲核试剂叠氮化钠反应制得叠氮化苄。反应操作简便，时间短，产物易于分离，离子液体在催化性能上要优于常用的季铵盐，而又还可以重复使用。     

关联积分用于建筑物沉降分析预报的研究

建筑物的沉降变化过程具有强烈的非线性,混沌特征参数可以对非线性系统进行评估和预测,基于此提出了一种新的建筑物沉降分析预报方法--关联积分法,并利用该算法对小学建筑物的沉降进行分析,认为关联积分随时间变化曲线出现陡降处为建筑失效时刻,则得到的失效时间较实际观察到的失效时间提前.     

BP网络的结构动力响应预测

由于结构主动控制对地震反应振动控制的高效性，使主动控制在建筑结构振动控制领域中，具有广阔的应用前景，但是主动控制存在难以建立一个精确的数学模型，存在时滞效应等问题。神经网络不需要建立精确的数学模型，只是通过学习输入输出训练样本数据，就可归纳出隐含在系统输入输出中的关系；应用神经网络预测结构响应可以解决主动控制中的时滞问题，为控制决策提供依据。本文就最常用的BP神经网络进行研究，用BP神经网络对结构响应进行预测，以期能为结构主动控制提供一种新的思路。