金融时间序列指标判别框架：以特质波动率为例

基于拐点集合判别的TBUD方法主要思路是分析拐点集合间的关系，并在高维空间进行划分，从而搭建判别模型，并将分析框架应用在特质波动率等若干指标上，利用实证数据得到结论。应用TBUD判别框架可以发现，特质波动率等指标无法对拐点集合进行清晰划分，因而并不具有预测能力。     

Long-term deep sedation using Zoletil and haloperidol for the treatment of streptococcal pneumonia in an orangutan (Pongo pygmaeus)

A 13-year-old Bornean orangutan diagnosed with life threatening Streptococcus pyogenes broncho-pneumonia was kept in a state of deep sedation for 20 days via continuous intra-venous (IV) infusion of zolazepam -tiletamine and IV haloperidol to allow consistent IV administration of ceftazidime and gatifloxacine. The use of long-term deep sedation allowed carrying out a particularly demanding treatment not generally associated with zoological patients. The treatment was ultimately successful.     

微分响应在降雨误差修正中的应用

误差修正是实时洪水预报研究和应用中的重要内容,从修正模型降雨输入角度出发,提出了一种基于微分响应的降雨误差修正方法,并通过实例论证了该方法修正降雨量的适用性。该方法通过计算降雨所对应模型的微分响应来修正降雨,从而修正出口断面流量过程。将该修正方法结合新安江模型,对闽江建阳流域的19场历史洪水进行了有效性检验,结果表明:此方法对洪量、洪峰的修正效果明显,且能够显著提高洪水预报的合格率,修正后合格率由63.2%提高到94.7%。     

Application of Attribute Reduct Method in Spatial Load Forecasting

Spatial load forecasting is a process distributing the total forecasted load to all partitioned area, and involving more spatial information and more factor influencing application of the future small area, which need a great deal of memory space and longer operation time. Rough set is new method of data analysis. It need not be provided with any advanced information except data set. But attribute reduct is its main algorithms. Division matrix approach on rough set used to reduce the attribute related to land - use decision in order to remove redundancy attribute and then the rules of small area land - use decision is distilled. The method obtained better effect and enhanced the total load forecasting efficiency.     

基于KPCA-WLSSVM的建筑能耗预测模型

为降低建筑能耗影响因素间复杂相关性对模型性能的影响,建立了一种基于KPCA-WLSSVM的建筑能耗预测模型。利用核主元分析(KPCA)对输入变量进行数据压缩,消除变量之间的相关性,简化模型结构;进一步采用加权最小二乘支持向量机(WLSSVM)方法建立建筑能耗预测模型,同时结合一种新型混沌粒子群-模拟退火混合优化(CPSO-SA)算法对模型参数进行优化,以提高模型的预测性能及泛化能力。通过将KPCA-WLSSVM模型方法应用于某办公建筑能耗的预测中,并与WLSSVM、LSSVM及RBFNN模型相比,实验结果表明,KPCA-WLSSVM模型方法能有效提高建筑能耗预测精度。     

基于LS-SVM的小水电站年发电量智能预测模型

针对小水电站年发电量序列的特点,将最小二乘支持向量机(least squares support vector machine,LS-SVM)回归模型引入年发电量预测领域,并给出了相应的过程和算法。与常规基于人工神经网络(artificial neural net-works,ANN)的智能预测方法比较,该模型优点是明显的:①将神经网络迭代学习问题转化为直接求解多元线性方程;②整个训练过程中有且仅有一个全局极值点,确定了预测的稳定性。最后,一个实际的预测例子表明:该模型实现容易、预测准确,适用于小水电站预测。     

两种有效的预测方法理论分析及实践

预算实际上是一种建模,即根据过去和现在已有的信息建立一个从过去引伸到未来的模型。而时序分析法和灰色系统理论是两种有效的预测方法。为此,介绍了这两种预测方法的原理,并预测了新疆兵团的农机情况。其结果表明:未来10年,新疆农机总动力和投入将会有较大幅度的增长,而农业机械化程度将趋于最高值。     

农机总动力的预测及多种数学方法的应用比较

应用多种数学方法对青海省历年的农机总动力进行了预测，取得了良好的效果。通过对这些数学方法的应用比较。分析了其中每种方法的适用范围和优缺点。为相关管理部门进行正确的决策提供了依据，并为正确选用各种数学方法进行预测具有指导意义。     

商丘式区农业用水量预报模型研究

预测试区的年用水量,便于预报地下水位,采取合理的措施来化解该地区存在的供水与需水矛盾,确保当地工农业生产和人民正常生活.在河南省商丘试区,建立了农业用水量预报模型.     

基于遗忘因子和误差修正的水文实

在进行水文预报时，由于影响河道洪水的因素众多，常用的水文预报模型往往不符合实际水文系统的客观规律。对这类系统的参数辨识要求算法具有较强的实时跟踪能力，以适应模拟或预测洪水运动变化过程的要求。利用洪水预报误差信息，对BP网络洪水实时预报校正模型与方法进行了探讨，提出了两种实时预报方法。第一：运用最小二乘递推算法，引入时变遗忘因子实时跟踪模型中时变参数的变化，建立了神经网络在非线性系统中动态的系统输入、输出数据之间的映射关系。第二：利用BP网络模型对误差的可识别性，将模型对输出变量的预报误差再次作为输出变量，对网络可能预报的误差进行实时修正。计算实例表明：以上两种方法提高了神经网络在水文领域的预报精度，给BP神经网络的实时预报方法提供了新的途径。