经济预测中农历季节因子调整

本文介绍了半参数部分线性模型及其结果，并用之对农历季节因子对我国财政预算收入和社会商品零售总额的影响进行了分析预测     

复合神经网络模型在汽车配件销售预测中的应用

针对汽车零部件销售量的预测开展了预测模型建模的研究,从销售历史数据特征研究入手,建立、选择并优化预测模型。利用BP神经网络、RBF神经网络和基于差分进化的BP网络,分别建立3个不同的预测模型。采用基于最小二乘准则,将取得的3个预测模型合成为一个复合模型HANNFM。由此建立的复合模型,具有稳定性好、精度较高等特点。试验验证了它是一种有效的汽车零部件销售量预测的预测方法,对决策者有一定的参考价值。     

利率调整预测方法初探

银行的存款利率,作为表征储户收益的主要参数,决定了银行吸纳社会资金的能力。近十年来,虽然国家对存款利率作过几次大的调整,但由于利率系统相对僵化,利率水平偏低,从而在很大程度上影响了企业、居民的存款积极性。随着浮动利率、保值储蓄方案的出笼,利率不再是一个恒定不变的量,而是随外界因素的变动而浮动。因之,人们毫无疑问会来关心利率今后变化的趋势、浮动的幅度.这样,找到科学的方法,定量化预测利率的变动,成为迫在眉睫的任务。当然,国家的浮动利率、保     

带遗忘因子的自适应迭代容积卡尔曼滤波算法

自适应迭代滤波算法作为典型的滤波改进算法,有效提高了滤波精度,但旧数据影响过大,导致滤波发散;遗忘因子滤波算法虽然引进遗忘因子减少了旧数据的影响,但是其滤波算法本身的精度不高,难以处理高度非线性问题。基于此,本文借鉴遗忘因子的滤波算法和自适应迭代无迹卡尔曼滤波算法的思想,把遗忘因子与自适应迭代容积卡尔曼滤波相结合,这样既可以发挥遗忘因子的作用,减小历史数据对滤波结果的影响,又可以提高滤波算法本身精度和处理非线性问题的能力。仿真实验表明,该算法可以有效减小误差且提高滤波精度。     

前向神经网络改进预测方法及其在滑坡稳定性预测中的应用

本文提出一种改进了的前向神经网络预测方法，引入了衰减因子，以体现对前期效应的弱化，从而提高当前预测的精确度；在权值调整过程中，采用指数型能量函数，以改善学习收敛过程。最后将该方法应用于新滩滑坡的稳定性预测，取得了满意的结果     

调整现值法与调整折现率法在项目评价中的应用

调整现值法与调整折现率法是投资项目评价中的两种最基本的方法,主要对调整现值法中的调整项目的估价作较详细的探讨。同时分析了项目评价中的调整折现率法,并对两种方法进行比较,为评价复杂的投资项目提供了有益的分析思路。     

卡尔曼滤波方法在增长趋势自适应预测中的应用

本文讨论了卡尔曼滤波方法在饱和增长趋势自适应预测中的应用问题,研究了应用中涉及的关键技术问题,以实例说明了本文所用模型和方法的高预测精度。     

时域辨识在伺服系统中的实现与应用

本文应用预报误差的辨识方法研究了中功率伺服系统的时域辨识问题,设计并开发出了相应的时域辨识装置。给出了整个系统的硬件实现方案,用预报误差的辨识方法对一个实际的中功率伺服系统实现了时域辨识,并与一般最小二乘法的辨识结果进行了比较,发现在抑制噪声上有很大的改进,得到了比较准确的被控系统的模型。     

一种基于子空间辨识的预测控制器设计及其性能评价方法

在模型预测控制器的设计过程中模型辨识和控制器设计是两个独立的步骤：传统的LQG基准需要一个解析的参数模型来设计LQG控制器．并将其应用到实际过程中才能计算性能评价基准。为了在控制器投入实际应用之前,同时实现控制器的设计和性能评价基准的构造,本文提出一种基于子空间辨识的预测控制器设计及性能评价方法。该方法仅依赖过程历史输入输出数据,利用子空间辨识得到的子空间矩阵,设计预测控制器和构造性能评价指标。最终,在一个统一的框架下实现了预测控制器的设计和性能评价。针对Wood—Berry过程的仿真研究验证了该方法的可行性和有效性。     

应用蒙特卡洛方法进行预测的探讨

经济预测的方法有很多,但都不尽完善,都有其优点和不足。特别是这些方法大多不能对其预测结果的可靠程度提供定量的分析数值,无法回答人们对预测成果可信度的要求,因而使得这些预测方法的应用价值受到了很大的影响。为了克服上述这些传统预测方法的缺点,本文拟将介绍另外一种经济预测方法——蒙特卡洛随机模拟法。这种预测方法不仅快速方便,而且还能提供预测成果可信程度,这正是预测成果应用者迫切期望的。 1蒙特卡洛方法蒙特卡洛(monte carlo)方法是一种通过随机变量的统计试验、随机模拟,求解数学、物理、工程技术问题近似解的数值方法。其原理十分简单,现假设变量     

一种基于自调整因子的模糊控制器

针对工业过程控制中遇到的被控对象通常具有严重的滞后、非线性的特性。文章提出一种基于自调整修正因子的模糊控制器,仿真实验表明,该控制系统既具有良好的动态性能,又有很好的稳态性能。     

马尔可夫预测法在企业管理中的应用

<正> 随着社会主义市场经济体制的逐步建立与完善,企业拥有越来越多的经营决策权,相应地,市场的激烈竞争与复杂变化,也带给企业越来越大的风险.这就要求企业决策者在做出决策时,能够根据事物的现状及变化趋势,采取科学的方法预测未来情况,为决策提供依据。     

相关-最小二乘两步法在辨识中的应用与改进

本文介绍了系统辨识中相关-最小二乘两步法的基本原理,应用两步法对一个实际的中功率雷达伺服系统进行了仿真辨识.对结果进行分析,得出截断误差仅仅影响传递函数零点的估计,对极点估计没有影响.提出了梯形法,仿真结果表明,改进后的方法对辨识结果有很大改进.     

神经网络方法在蛋白质结构预测中的研究与应用

蛋白质结构预测在生物信息学研究中占有重要地位。对神经网络在蛋白质结构预测中的应用作了评述。首先,简要地介绍了人工神经网络,然后对近年来用神经网络算法解决蛋白质结构预测的研究作了回顾,并分析了算法的效果和特点。最后,展望了用神经网络算法解决蛋白质结构预测问题的前景。     

浅谈马尔可夫预测法及其在企业人员规划中的应用

梳理马尔可夫预测法的理论原理知识,结合实际案例说明它在企业人力资源规划中的应用.     

基于优化GSA算法的不良数据辨识方法研究

不良数据辨识是提高工业自动化监测数据可靠性的有效方法。为克服聚类初值随意选取对传统GSA不良数据辨识算法的精度和运算速度造成的负面影响,本文利用最大最小距离法对基于GSA不良数据辨识过程进行了优化。分别将传统GSA算法和优化GSA算法应用于UCI标准数据库中的IRIS数据集辨识中,仿真结果表明,优化GSA算法在辨识精度和计算耗时方面明显优于传统GSA方法。