基于系统辨识的电路脉冲响应建模

为探索基于系统辨识的电磁脉冲效应仿真新方法,设计了以阶跃信号和方波脉冲信号为激励 源、稳压电源系统为对象的脉冲注入实验,分别采用OE模型和NARX神经网络模型对该系统的 脉冲能量耦合传递函数进行建模。结果表明,所建模型均能较好地预测出响应波形,且NARX 模型预测能力强于OE模型,两者对阶跃、方波脉冲的预测精度分别达到93.0%、67.4%和76.0 %、61.4%以上。两模型的仿真结果证实了系统辨识对电路电磁脉冲响应预测的正确性, 为电 磁防护设计提供了一种简单有效的仿真新方法。     

卷烟单规格月度销量的时间序列预测方法研究

基于回归模型、指数平滑模型、时间序列分解模型、季节ARIMA模型和X13-A-S方法对某省玉溪(软)卷烟2015年1月到2020年12月共72个月的月度销量进行预测，并对预测结果进行检验。在销量最高的1月，预测结果的差异最大，在销量最低的12月，预测结果的差异最小。2020年1月至10月的实际销量为49780.78箱，预测最为接近的是季节ARIMA模型，其次是X13-A-S方法，预测差距最大的是时间序列分解法。在平均相对误差上，X13-A-S方法的平均相对误差最小，为8.57%,季节ARIMA模型次之，为10.43%。回归分析方法的标准误差最小。在销量均值的预测上，季节ARIMA模型和X13-A-S方法预测的绝对误差和相对误差较低，可以作为卷烟月度销量的通用方法。     

探索时间序列预测法在财政收支预测中的应用

本文采用简单的时间序列预测方法,通过对国家财政收入和支出数据的分析，建立曲线模型，然后根据模型与实际数据曲线的拟合程度，分析误差，最终利用模型预测数据，以达到较为准确的拟合和预测效果。     

公路工程造价指数分析与预测

本文运用多元回归模型分析了工程造价指数的影响因素及影响程度，运用逼近中心式灰色模型对工程总价格指数进行了预测，最后以实际工程为例进行了验证，证明逼近中心式灰色模型预测精度高，预测效果好。     

GM(1,1)模型和线性回归组合模型在旅游人数预测中的应用

以我国1987-2002年各年的国内旅游人数为例，运用GM（1，1）模型和线性回归的组合预测新方法研究旅游人数的变化规律，建立了旅游人数预测的组合模型，对此后几年旅游人数作了预测，并与实际情况进行比较发现预测精度满足要求，具有实用性。     

基于马田系统的金融危机预警指标选择研究

金融危机产生的严重后果及其深远影响已为世人所知。美国次贷危机的爆发使人们对金融危机的研究再次成为热点。预警模型是金融危机预测的主要方法，而变量的选择是模型构造的关键。因此，选择合理的经济变量作为预警指标，对于金融危机的有效预测具有重要的现实意义。本文以51个国家数据作为样本，选取了代表宏观经济不同侧面的12个经济指标，利用多元变量系统诊断技术对马田系统进行分析，在保持或不降低预警模型预测能力的情况下，有效地减少了预测指标的数量，这对提高模型的预测水平和减轻前期数据收集工作具有重要意义。     

太阳能无线传感器网络节点传输功率策略优化

针对配备太阳能采集设备的无线传感器网络节点，以如何合理使用采集到的能量使得时间期限内点对点传输的数据量最大为优化目的，结合必要的约束条件（能量获取电池只有有限的能量存储能力以及能量因果关系），建立了数据传输的能量通道优化模型，通过能量通道策略优化算法得到了最优传输功率策略。与当前普遍使用的能量即到即用方法进行了性能对比，仿真发现系统累积传输了更多的数据量，性能提升明显。在此基础上，考虑了实际太阳能获取量与预测值的偏差，提出了改进的能量通道算法，使得其更加适应于实际场景中。     

基于百度搜索指数的CPI预测研究

在数字经济时代的背景下，高效地从大数据中提取有用信息用于预测，具有重要的理论意义和现实意义。基于高维宏观经济数据和百度搜索指数构建监督因子模型，分别利用缩放主成分分析（s-PCA）和偏最小二乘（PLS）提取因子预测我国的CPI。在此基础上，进一步利用LASSO筛选变量，对因子估计施加“双重监督”，考察“双重监督”因子模型的信息提取效率。实证结果表明：相比于无监督因子模型，监督因子模型对CPI及其“拐点”具有更强的预测能力；采用LASSO筛选变量的“双重监督”因子模型具有更高的信息提取效率，变量筛选能有效提升监督因子的预测能力；百度搜索指数对CPI具有显著的预测能力，可作为信息补充源为CPI预测提供额外的信息。     

灰色袖经网络的建模原理及应用

所谓灰色神经网络就是将灰色系统方法与神经网络方法有机地结合起来，对复杂的不确定性问题进行求解所建立的模型。本文将灰色预测与神经网络预测方法相结合，提出了预测宏观经济指标的新方法，实例表明此种组合模型的精度较高。给出了一般灰色神经网络模型CNNM（1，1），该模型具有灰色系统的少数据建模优点及神经网络的精度可控特性，并给出了相应的学习算法，然后通过示例说明模型的可行性。     

基于粒子滤波步行长度预测的移动ad hoc网络路由算法

针对移动ad hoc网络拓扑结构变化大、路由复杂度高、数据传输性能低等问题,提出了一种新的移动通信系统自适应路由算法。为了使得网络拓扑结构更接近移动网络间歇性连接的特点,该算法在网络结构上采用了一种改进的Levy Walk移动模型。采用一种粒子滤波步行长度预测的方法,通过蒙特卡罗抽样得到递归贝叶斯滤波器,并在粒子滤波后进行步行长度预测,确定消息的副本数量,从而减少由于节点转发过多消息副本带来的能量消耗量,提高消息的传递效率。实验仿真结果表明:与基于改进蚁群优化和利润优化模型的路由算法相比,该算法的消息传递成功率分别提高了0.08和0.04,节点平均能量效率提高了17.9%和13.4%,在提升数据传输成功率和节能上具有较好效果。     

基于ARIMA模型的我国人口增长的分析与预测

运用ARIMA模型对我国1949-2009年的人口总数进行了分析与预测，得出AR IMA （2，2，1）模型可以对我国的人口总数作短期预测的结论。     

基于PSCAD仿真的大功率脉冲负载能量管理策略研究

针对含脉冲负载的综合电力系统能量管理问题，分析了发电机、大功率负载、脉冲负载的能量管理策略，在PSCAD平台上建立了典型含脉冲负载的综合电力系统模型，并结合测试工况详细分析了采用能量管理策略前后，船舶电网中主要设备的电压、电流、频率、转速、功率变化，结果表明，采用能量管理策略后能够合理控制船舶电网的稳定性，对于含脉冲负载的船舶电网设计具有借鉴意义。     

“单独二胎”政策对北京市小学招生规模的影响

本文主要探讨实行“单独二孩”政策和外来人口对北京市人口结构，特别是小学入学规模的影响，以及入学规模与外来人口结构之间的关系。 针对问题一，我们使用北京市2004-2012年数来预测2015-2025年人口总数以及出生率，建立了按年龄分布的女性模型（ Leslie模型），根据人口更替率和修正后的总和生育率，构造Leslie矩阵，建立相应的Leslie模型。结果显示在2021年以后小学入学规模会有一定量增加，但并不会带来人口暴涨。 针对问题二，通过分析数据可得近年北京市小学招生数中外来人口数的时间变化以及该数据与外来人口总数的关系，然后通过分析近年北京市外来人口年龄构成，各部分比例趋于稳定值，因此我们直接建立年份与北京市小学招生数中的外来人口数、外来人口总数以及外来人口年龄结构的模型。认为外来人口增加有利于减缓老龄化。 针对问题三，为预测北京市未来小学招生数，将其分为京籍和非京籍两部分分别考虑。由问题二模型预测北京市小学招生数中的外来人口数，同时利用问题一中的模型预测京籍小学招生数。非京籍数由于缺乏数据，采用了线性模型，在短期内预测结果可信，但对于中长期预测需要改进模型。 由此，得到了北京生育政策调整后人口增长的预测模型，由小学入学人数对外来人口结构进行了推测，并对人口老龄化、人口抚养比等一系列评价指标进行了预测。     

股票的并联型灰色神经网络PGNN预测方法研究

提出了一种改进的灰色预测GM(1，1)模型，在此基础上构建了一种并联型灰色神经网络PGNN股票预测方法，该方法可以充分利用灰色预测少数据建模和神经网络精度可控的特性，发挥两者的优势，从而进一步提高了预测精度一预测实例表明：PGNN的平均相对误差最小，其他指标介于GM和BP之间，显示了PGNN的预测性能是非劣的。更为重要的是，在实际预测时，我们事先不知道哪个模型最优，因此使用PGNN可减小盲目性。对于其他方面的预测应用也具有借鉴作用。     

基于ACRH模型的上证指数预测分祈

该文通过建立ARCH模型对上证综指2000到2009年的月度收盘价数据进行拟合，然后预测了2010年前四个月的收盘价，并与真实值进行了比较，通过比较得出ARCH模型预测效果较好。     

优化后GM（1，1）灰色模型对化学损伤下混凝土强度的预测

利用优化后GM（1，1）灰色模型预测混凝土在化学损伤长期作用下的抗压强度与优化前对比。用加速腐蚀试验方法对混凝土抗压强度进行验证，分析比较，优化前的预测结果与实测数据吻合程度不理想，经过优化后的模型对波动大的数值预测结果更为精确。     

微蜂窝中电波传播预测模型的改进

在传统的电波传播预测模型的基础上，提出了一种基于射线跟踪法的改进模型。该模型可真正用于除圆形建筑物以外的多棱角建筑物组成复杂微蜂窝区域中场强的准确预测，具有高自适应性、预测精度可有需求控制和高效率等优点。对该模型所得预测结果同文献进行了比较，结果表明该模型具有较高效率和精确度。     

一种改进的灰色模型宅殳票价格预测中的应月

灰色理论可以较好地对股票价格进行预测，而建立灰色预测模型的数据量和数据处理方法的选择是成功地进行股票价格灰色预测的两个关键问题。本文提出了基于黄金分割法改进的股票价格灰色预测GM（1，1）模型，并通过实例验证了该模型能显著地提高预测精度，具有较高的应用价值。     

基于ARIMA模型的甘肃省GDP的分析与预测

文章基于甘肃省1992—2021年GDP数据，通过对数据的ADF检验、模型参数识别与检验、模型检验等综合分析，确立了ARIMA(0,2,1)模型，得出甘肃省未来两年GDP分别为10938.502亿元和11658.45亿元，该模型具有简单实用、预测精度高的特点，能恰当描述甘肃省GDP状况，可用来做短期预测，为政府部门制订宏观经济计划提供依据和参考。     

基于ARIMA模型的浙江省GDP预测

应用ARIMA模型对浙江省1978年至2007年期间的GDP数据进行分析，从中找出浙江省GDP的规律，然后预测未来四年的GDP数据。与实际情况相比较得出拟合效果比较好，AKIMA模型比较适合短期预测。