基于神经网络与支持向量机的组合预测模型——以房地产价格预测为例

预测问题一直是科学与管理领域研究的热点,备受广大科技工作者的关注。为了解决单一预测模型在预测问题上的缺点和误差控制问题,本文提出一种组合预测模型———以误差绝对值和达到最小为准则的线性组合预测模型。这种模型以误差绝对值和达到最小为依据,计算出每个单一模型在预测结果中所占的权重,建立组合预测模型。该组合预测模型较好的利用了神经网络与支持向量机在多影响因子下训练的优势,进一步提高预测精度。将其应用于合肥市房地产价格预测,可以达到理想效果。     

仿人机器人行走稳定性分析

提出了基于虚拟零力矩点FZMP的在线仿人机器人稳定行走控制方法,以机械系统动力学分析软件ADAMS为基础,建立仿人机器人虚拟样机模型.开发了用于仿人机器人行走仿真的平台,实现了仿人机器人参数化建模,完成了基于虚拟样机技术的仿真.     

灰色预测模型的研究及应用

在介绍灰色系统理论的基础上,讨论了灰色预测原理,以中国总人口为例,进行了灰色预测模型的建立和求解,提出了中国人口动态模型;以城市的年供电量为例,利用历史数据,并对电力系统各年的日最大负荷的预测建立了基于残差修正的灰色预测模型.该预测模型是一种基于残差CM预测法的改进灰色模型进行优化的组合方法,能够实现在线预测模型参数,最终的预测结果误差可基本控制在3%之内.经过实例计算,基于残差修正的灰色预测模型在对电力系统的日最大负荷进行预测时,与传统的系统理论方法相比较,该方法计算简捷,具有较高的预测精度,具有很好的实用性.     

基于多种模型的福建省国内旅游需求预测

旅游需求预测是旅游决策的基础。根据福建省1997—2008年国内游客量的统计数据,尝试构建灰色GM（1,1）模型、动态趋势预测模型和回归分析预测模型,分别对福建省未来5年国内游客接待量进行了预测。对预测结果的比较分析表明,灰色预测模型的平均预测误差可以控制在5％以下。因而是福建省国内旅游需求预测的最佳选择;而动态趋势预测模型虽也能达到要求的精度,但效果稍差;回归分析预测模型则产生较大误差,显然不宜用于有关预测。     

基于灰色预测和SVM的茶叶烘焙温湿度预测

针对绿茶烘焙这一过程的复杂特性,提出了一种基于灰色预测和SVM的绿茶烘焙过程温湿度预测模型.该模型首先利用灰色预测和SVM分别对绿茶烘焙过程中的温湿度做预估,为了将两者进行有机融和,笔者选用熵值法确定各预测子模型的加权系数,进而得到了更为精准的绿茶烘焙过程温湿度预测模型结果,保证温湿度的稳定控制.仿真结果验证了该方法的有效性.     

含模糊因素的患病风险预测模型

将数理统计方法和模糊数学方法相结合,建立了适合预测患病风险的含模糊因素的回归预测模型,并将所建立的模型和统计中的线性回归模型进行了比较．结果表明：含模糊因素的患病风险预测模型预测效果优于不含模糊因素的预测模型预测效果．     

基于RBF核支持向量回归的模型预测控制仿真

RBF核函数的表达式较复杂,用于模型预测控制时滚动优化求解困难。该文建立一种基于RBF核SVR的预测控制模型,利用多智能体粒子群(MAPSO)算法求解模型预测控制中的滚动优化,推导出最优控制律,对其进行Matlab仿真并与其他方法进行比较。选取一个非线性系统及连续搅拌槽式反应器进行测试分析,结果表明:该预测模型能迅速抑制干扰,较快返回预设跟踪轨迹,展现了良好的抗噪、抗干扰能力。     

数学建模的几种基本预测方法的探讨

针对学生在建立预测模型时不能准确判别使用合适的预测模型,归纳了几种使用较多的预测方法:微分方程模型、时间序列方法、灰色预测和BP神经网络。对每种预测模型做了简单的介绍分析和适当地对某些模型进行了改进,总结了相应的优缺点以及各自适用的预测范围。     

基于灰关联分析的神经网络组合预测模型

针对提供的道路交通事故相关影响因子数据,构建了基于关联分析的灰色神经网络组合道路交通事故预测模型。结合实例,用所提出的模型给与了预测。结果表明,基于灰色关联分析神经网络预测模型充分发挥关联选优的优越性,比全输入神经网络预测模型有更好的预测精度,从而说明运用灰色关联分析方法对输入因子选择是有效可行的。基于灰色关联分析的神经网络组合交通事故预测模型充分发挥各单一模型的优点同时弱化了单一模型的缺点,比单一模型的预测结果更理想、精度更高。     

安徽省城镇居民人均收入的组合预测

以1995～2009年安徽省城镇居民家庭人均可支配收入的数据,分别建立时间序列模型、回归模型和灰色预测模型.然后在三个单一预测模型的基础上综合各个预测模型的优缺点,通过使组合预测误差平方和最小确定各单一预测方法的权重系数,得到最优组合预测模型.最后对几种预测方法进行了评价,得出组合预测效果比较精确.