共查询到19条相似文献，搜索用时 390 毫秒
1.
2.
非线性权组合预测模型及其最优权的确定 总被引：6，自引：0，他引：6
非线性权组合预测模型及其最优权的确定周传世（广东商学院城市经济管理系５１０３２０）１引言组合预测方法是当前研究得较为活跃的一个方法。但大多作者都是讨论的线性组合预测模型以及如何根据不同的目标函数确定最优权系数。一般来讲，不同预测模型的非线性组合在一定... 相似文献
3.
本文提出了一种基于Ｔａｋａｇｉ－Ｓｕｇｅｎｏ 模糊规则基的非线性组合预测新方法,以克服线性组合预测方法在解决非平稳时间序列组合建模问题时所遇到的困难和存在的不足,并采用相应的遗传算法确定模糊系统的参数及模糊子集的划分。 相似文献
4.
针对数字图书馆中著作权的特殊性,应用修正收益法、收益分成法、市场法3种评估方法及加入反馈环节,对数字图书馆中的著作权评估结果进行线性组合预测(按关联度大小确定权系数法)和非线性组合预测(加权算数平均值组合预测和加权调和平均组合预测两种模型),使评估结果更贴近实际,为数字图书馆下的著作权评估提供一种新构思。 相似文献
5.
基于组合预测模型的专利价值评估研究 总被引：3，自引：0，他引：3
针对专利评估结果的不确定性,提出应用市场法、成本法、收益法和修正收益法进行线性组合和非线性组合预测,得到加权算数平均值组合预测和加权调和平均组合预测两种模型,使专利评估结果值更接近真实值,为专利价值评估提供了一种新思路. 相似文献
6.
非线性规划在确定组合预测权系数中的应用 总被引：11，自引：0，他引：11
非线性规划在确定组合预测权系数中的应用王明涛（郑州工学院管理系４５０００２）１引言组合预测是目前预测科学研究的热门课题之一，。组合预测方法的关键是确定组合权系数，唐小我“组合预测计算方去研究”一文［１］，给出了求解最优仅系数的公式（后称唐法），但在实... 相似文献
7.
《科技通报》2017,(9)
水质的时间变化趋势预测是进行水环境管理的前提,预测模型在很大程度上决定了预测精度的高低,如何选取有效的时间序列水质预测模型是目前的研究热点之一。以平西湖为研究对象,根据2009-2011年间TN、TP和CODMn月监测数据,提出了一种基于ARIMA和RBF-NN的组合模型,该模型能同时反映水质的渐变性和非线性变化的特点,最后用5个精度评价指标对组合模型的预测结果进行了评价,并和基于ARMMA和时间序列神经网络预测模型的预测结果进行了比较。结果表明,大部分指标显示ARIMA/RBF-NN组合模型对受内生变量影响较大的TN、TP的预测效果最好,ARIMA模型对受外生变量影响较大的CODMn的预测效果最优。 相似文献
8.
9.
基于小波网络的电力系统短期负荷预报研究 总被引：7，自引：0，他引：7
本文结合小波和神经网络方法进行电力系统短期负荷预测的通用模型和方法的研究,建立了负荷预报的小波网络模型,确定了有效的算法求解小波函数线性组合的尺度和时延参数以及神经网络的权值。 相似文献
10.
11.
对时间序列的预测是一项重要的数据挖掘技术。本文将独立分量分析方法和小波神经网络相结合,建立一种ICA—WNN预测模型,并应用于风力发电功率时间序列预测。仿真结果表明所建模型具有较好的泛化性能,得到了较高的预测精度。 相似文献
12.
笔者首先通过文献研究和网络调查等定性分析方法梳理出科技产出能力的所有可能的影响因素,并在数据可获得性的前提下,以1996-2008年为时间维,采集科技产出能力及其影响因素的相关数据,然后对科技产出能力及其影响因素之间的相互关系进行二元相关分析,并利用多元线性回归分析方法从所有相关因素中筛选出影响程度较高的因素,构建科技产出能力的影响因素分析与预测模型。最后基于二元相关分析的结果,选择相关程度较高的因素,利用目前流行的BP神经网络预测方法对科技产出能力进行预测研究,并与多元回归分析预测模型的预测性能进行比较。 相似文献
13.
针对缺乏科技型企业高管团队决策绩效评价的研究现状,构建评价指标体系,通过问卷调查的方法收集研究数据,建立科技型企业高管团队决策绩效评价的ELMAN神经网络模型,并利用MATLAB软件计算实现。研究结果表明：利用ELMAN神经网络的非确定性因果关系映射特点建立的决策绩效评价模型,能够完成决策绩效评价任务,可用于评价科技型企业高管团队的决策绩效,不仅验证了方法的有效性,而且也证明了ELMAN神经网络在建立非线性、非确定性因果关系映射模型中的强大生命力。 相似文献
14.
神经网络和传统线性模型结合为处理混沌时间序列提供了新的途径。将Elman神经网络和单整自回归移动平均模型结合起来,同时分析我国进出口贸易量时间序列中的线性和非线性两部分,得到更准确的预测精度。实证表明,复合模型吸收两类方法的优点,较单一模型能够更有效地预测我国进出口数据。 相似文献
15.
以浙江省公路货运量历史数据为例,考虑到影响货运量主要因素,采用灰色神经网络模型GNNM(1,N)进行预测,并与灰色模型GM(1,N)和神经网络预测结果相比较。计算结果表明:该方法在预测公路物流需求量具有有效性;在灰色模型GM(1,N)预测时,通过比较紧邻均值生成序列的生成系数α对预测精度的影响,选取了最优值进行计算从而提高了灰色模型的预测精度。 相似文献
16.
In parallel hybrid electric vehicles (HEVs), the power split between the engine and the electric motor as well as the gear shift in the gearbox determines the overall energy efficiency. In this paper an adaptive energy management strategy with velocity forecast is proposed to optimize the fuel consumption in parallel HEVs, which is formulated into a mixed-integer optimization problem. Approximate dynamic programming with a novel actor-gear-critic design is presented for simultaneously controlling the power split and gear shift online. The power split as a continuous variable is determined from an actor network to realize the energy distribution between two power sources. The gear shift as a discrete variable is obtained from a gear network to adjust the gear ratio in the gearbox. The concept enables an online learning of the energy management strategy for different driving behaviors without the requirement of a system model and the driving cycle. Simulation results indicate that the proposed strategy achieves close fuel economy compared with the optimal solutions resulting from dynamic programming. Furthermore, a multi-stage neural network is introduced for velocity forecast, providing a computationally efficient training framework with good prediction performance. The velocity prediction is finally combined with the energy management strategy for an effective application and fuel economy. 相似文献
17.
介绍了Elman神经网络的结构,并将Elman神经网络应用于我国电信业务量预测。仿真结果和BP神经网络对比表明,Elman神经网络的预测结果更精确。 相似文献
18.
为克服传统方法的局限性，本文尝试以企业竞争情报内容和情报搜集活动过程作为情报搜集成本分析的基础，在此基础上引入BP神经网络进行预测，并用部分样本数据验证对比了线性回归分析法和BP神经网络的预测结果。验证结果表明，BP神经网络预测模型用于情报搜集成本的预测具有较高的预测精度。 相似文献
19.
This paper proposes new modified methods for back propagation neural networks and uses semantic feature space to improve categorization performance and efficiency. The standard back propagation neural network (BPNN) has the drawbacks of slow learning and getting trapped in local minima, leading to a network with poor performance and efficiency. In this paper, we propose two methods to modify the standard BPNN and adopt the semantic feature space (SFS) method to reduce the number of dimensions as well as construct latent semantics between terms. The experimental results show that the modified methods enhanced the performance of the standard BPNN and were more efficient than the standard BPNN. The SFS method cannot only greatly reduce the dimensionality, but also enhances performance and can therefore be used to further improve text categorization systems precisely and efficiently. 相似文献