基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。     

利用粒子群支持向量机预测轴流压气机机匣壁面压力

建立了基于粒子群优化的轴流压气机机匣压力支持向量机预测模型.利用支持向量机的强大非线性映射能力,实现了对某型轴流压气机机匣压力时间序列的非线性预测,并运用粒子群优化算法对支持向量机的重要参数进行了优化,增强了预测模型对混沌动力学的联想和泛化推理能力,提高了预测的精度和稳定性.而针对发动机台架试验数据的预测结果证明了方法...     

民机设备失效时间的混沌性质分析与预测

根据民用飞机设备失效的特殊性．复杂性以及各航空公司各自不同的情况等因素,从混沌原理的角度综合分析了运营期间民机设备失效时间发生情况．通过时间序列混沌性质鉴别方法证明了民机设备失效时间理论上具有典型的混沌性质,并利用实际失效时间数据样本证明了混沌现象的存在以及利用最大Lyapunov指数法进行了失效时间的预测,证明了该方...     

基于ARIMA模型的拉萨降水量时间序列分析与预测

应用差分自回归滑动平均模型（ARIMA）模型对西藏拉萨地区1969年至2009年的年降水量资料进行建模分析。建立的模型通过了参数的显著性检验和模型的显著性检验。模型的实证分析表明在短期内模型具有较高的预测精度,ARIMA模型可以较好的应用于降水量的预测,对相关部门采取措施应对自然灾害提供了理论支持。     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。     

航空装备备件需求量的概率区间计算方法

科学合理地解决备件配置问题一直为人们所瞩目,备件配置数量的多少不仅影响装备的维修甚至影响装备的战备完好率。计算备件需求量的传统模型是概率模型,然而概率模型中的分布参数往往有一定程度的不确定性。本文对概率模型中含有有界不确定参数的备件需求量计算问题进行研究,根据航空装备备件的分类,分别提出了寿命服从指数分布、正态分布和威布尔分布部件的备件需求量的概率区间确定方法。所提出的方法较好地解决了分布参数有界不确定时航空装备备件的配置问题并能够充分保证备件的保障率,进而提高航空综合保障水平。最后,通过数值算例说明了该方法的有效性和实用性。     

混合神经网络和混沌理论的股票价格预测研究

针对股票时间序列的非线性特点,结合混沌理论和神经网络理论,提出了基于混沌理论的股票价格神经网络预测方法。同时利用重构相空间的嵌入维数确定神经网络的结构,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,在股票时间序列预测中有广泛的实用价值。     

高精度反射面板制造中边值问题的求解方法(英文)

采用三层铝板两层蜂窝芯的夹层结构制造高精度反射面板是一种先进、复杂的技术。其中,单层铝板的受力分析和夹层板的回弹计算是成形精度的根本保障。利用Fourier级数表示单层板应力函数、利用幂级数表示夹层板挠度函数,分别对高精度反射面板制造中单层板压贴和夹层板回弹两类边值问题进行了求解。与有限元模拟结果对比表明,本文提出的单层板压贴膜应力计算Fourier级数法具有较高精度;与试验结果对比表明,本文提出的夹层板回弹量幂级数法具有满意精度。     

基于"序列相对贴近度"的组合预测权值分配

在时间序列的组合预测权值分配问题上,为克服传统的均方误差倒数加权、熵权和最优化方法之不足,从预测值序列与评价样本序列间的贴近性出发,提出新方法综合衡量单一参与模型的适用性,并据此分配权值.详细给出了序列相对贴近度(SRND,Sequence Relative Nearness Degree)及与之相关的"序列趋势关联度"和"尺度区间熵"的概念,并提出基于SRND的权值分配方法.将SRND权值分配方法应用于航空发动机排气温度裕度参数时间序列的联合自回归滑动平均模型、函数系数自回归模型和径向基函数网络预测,有效地提高了预测准确度,获得优于均方误差倒数加权和熵权方法的组合性能,且运算量远小于最优化方法.     

时间序列三角极值点线性分段算法

文章在时间序列逐段线性描述方法基础上提出三角极值点分段算法.通过考察时间序列相邻极值点之间幅度变化大小来确定关键点序列.该算法较好地处理了时间序列局部噪声和数据压缩问题.并通过实验说明了算法的有效性.