基于优化BP网络的电网短期负荷预测研究

如何提升电网负荷短期预测水平是电网企业亟待解决的问题。本文针对传统的BP神经网络算法所存在的学习过程收敛速度慢、算法易陷入局部极小点和鲁棒性差等缺陷,引入粒子群优化算法对其进行优化和改进,使之具备更加完善的性能。通过实际电网负荷预测的实验与比较,证明了所构建的符合预测系统的准确度。     

基于粒子群优化反向传播神经网络的铁路路基沉降量预测

铁路路基沉降规律复杂、沉降量难以预测,因此提出一种粒子群优化反向传播神经网络的路基沉降量预测模型。传统神经网络建模时存在收敛速度慢、易陷入局部极小值等不足。因此,通过粒子群算法修正网络的初始权/阈值,提高全局收敛性,建立基于粒子群优化的反向传播神经网络预测模型。通过对宝中线实测数据进行仿真实验,结果显示：经粒子群优化的神经网络可避免局部极小问题,加快网络收敛速度,提高了对铁路路基沉降量的预测精度。     

基于流畅度的空中交通流量管理分析

中国的空中交通流量管理业务由民用航空管理局空中交通管理局运行管理中心负责。当全国空中交通流量超过容量即临界值、预计管制员工作量过大时,运行管理中心对空中交通实行管制和限制,以防止流量超过容量的现象,但运行管理中心对全国流量进行管理控制的过程呈现出诸多不便。为此,对空中交通管制员在处理实际交通时的行为进行测量和分析,同时记录实际空中交通流量,并计算空中交通流畅度,最终确定交通流畅度和管制员工作负荷之间的关系。由此可见,在空中交通流量管理中,可以使用交通流畅废来为空中交通流量管理单位提供决策支持。     

关于飞行流量调配问题的模型及方法研究

随着我国民航业的迅猛发展，空中交通流量管理（ATFM）变的至关重要。本文主要介绍了ATFM中的流量限制，并提出了一种决策模型，给出可能的决策制定方法，并给予评价。     

基于PSO优化LSSVM的股价时间序列预测

现实中的金融时间序列存在非线性、不确定性等特点,利用传统的预测方法难以获得满意的结果。提出了一种基于PSO优化LSSVM模型参数的股价时间序列预测方法。利用PSO算法的收敛速度快和全局收敛能力,优化LSSVM的惩罚因子和核函数参数。利用该方法应用于金融市场中的股价序列预测,与传统方法对比表明,该模型能够提高金融时间序列的预测精度,其具有更好的泛化能力,这对国内投资者进行股票投资具有现实的借鉴意义。     

基于免疫粒子群优化神经网络的经济预测算法研究

在分析宏观经济系统特点之后,针对现有的采用人工神经网络对经济系统进行建模和预测的方法存在的问题,文章提出了一种改进的免疫粒子群优化神经网络算法。仿真结果表明：这种算法能够增强神经网络的泛化能力,提高系统模型的预测精度,使预测误差从原来BP神经元网络的15％下降到改进后的5％.     

基于粒子群算法的山东省粮食产量预测

粮食产量预测在经济和社会发展决策中具有重要意义。粮食产量既受人为因素的作用,又受自然因素的影响。针对粮食生产受人为因素和自然条件影响而出现的趋势增长和周期变化特点,提出了粮食单产预测模型,采用粒子群算法随机搜索预测模型的参数,结合粮食播种面积的论证,测算出了2010-2025年山东省粮食总产量。分析表明,预测模型的拟合精度较高,预测结果是合理的。     

基于球面投影法的我国“十二五”产业结构变化预测

产业结构是社会经济结构的重要组成部分,改革开放30多年来,我国在发展中不断调整产业结构,实现了经济增长与结构调整的良性互动。为了科学的预测三次产业结构未来发展演变趋势,制定合理的产业发展目标,本文利用球面投影法对三次产业结构数据进行降维,然后根据处理后的成分数据具有周期性波动的特点,建立包含两个周期项的组合模型进行预测,并利用粒子群算法估计模型参数,最后得到三次产业结构的预测值。通过分析,该方法预测出的数据与现实情况相吻合。     

基于动态调整惯性权重粒子群算法的冷热电联供系统运行优化

为实现能源梯级利用、冷热电联供系统优化运行,将基本粒子群算法、改进粒子群法、动态调整惯性权重的粒子群(IDWPSO)算法进行对比。结果表明,相较于其他两种算法IDWPSO算法在收敛速度与精度方面都有更好的表现。建立以运行成本和环保成本最小为目标的冷热电联供系统模型,并采用IDWPSO算法优化。结果表明,在满足系统负荷与约束条件下,IDWPSO算法优化后的系统综合成本有所降低,对CCHP系统优化运行具有指导意义。     

基于粒子群优化算法的洛伦兹曲线参数估计及基尼系数的计算

根据已有洛伦兹曲线模型,应用粒子群优化算法对洛伦兹曲线参数进行估计。由拟合的洛伦兹曲线计算2002-2011年我国城镇和农村的基尼系数,再利用分组加权法得出我国总体的基尼系数。结果表明:粒子群优化算法可以有效地估计洛伦兹曲线中的参数;由该算法的估计参数所确定的洛伦兹曲线估算2002-2011年基尼系数,其变化趋势与其它预测相符。从而为洛伦兹曲线提供了可靠、有效的参数估计方法。     

基于PSO-SVR模型的煤炭铁路物流需求预测

在煤炭铁路物流需求预测中,存在历史样本量较小和非线性强的特点,从而致使预测精度较低。将支持向量回归机（support vectorreg ression,SVR）与粒子群算法（Particle Swarm Optimization,PSO）相结合,提出适用于小样本量学习的PSO-SVR模型。选取1995-2011年的煤炭铁路货运量及其影响因素作为学习样本,利用粒子群算法对支持向量机参数进行优化,通过训练、测试得到具有良好学习与推广能力的煤炭铁路货运量预测模型。建立BP神经网络模型,并将二者的预测值进行对比,结果表明在解决我国煤炭铁路物流需求预测这种小样本,非线性及高维模式识别问题中PSO-SVR模型预测精度优于BP神经网络模型。     

组织管理对空中交通管制员工作能效的影响分析

综合借鉴SHELL模型和Reason模型的概念,参考国际民航组织《安全管理手册》,分析民航运行体系中组织管理对空中交通管制员工作能效的作用路径,提出组织管理对管制员工作能效产生积极影响的方法和建议.     

基于先期流量管理的航班时刻评价系统开发与应用

为了优化航班时刻分配,提高航班计划编制、审批工作的科学性和效率。在航班计划方案在预期实施环境下,分析流量和流向对容量影响重要性,提出基于流量和流向考虑解决航班计划合理性,研发航班时刻评价系统,实现全国空域各扇区流量情况分析、空域时间节点流量分析、新增航班时刻评价与优化。对2014年的夏秋季航班时刻的某周一北京至上海增加航班时刻申请进行评估,新增航班申请中将有6架航班导致空域中某些扇区超容,系统给予新的建议时刻。优化结果表明,系统能为科学分配航班时刻提供参考依据的量化辅助决策方案,有利于提高航班时刻分配决策的准确性和效率。     

基于投资者情绪的创业板股票收益率预测研究

以创业板股票市场为主要研究对象,基于文本挖掘方法对创业板股票收益率进行预测分析,利用词典法对从东方财富股吧爬取的2021年4月1日至2023年4月1日创业板股票评论的情感倾向进行分类,建立投资者情绪指数,构建基于粒子群算法优化的支持向量机(particle swarm optimization support vector machine, PSO-SVM)模型对收益率进行预测分析。在实证分析阶段,以创业板中流通市值最大的股票——“宁德时代”为代表,利用PSO-SVM模型对其收益率进行预测分析,同时设置一系列对照模型进行对比分析。结果表明：提出的模型预测结果优于其他对照组模型(多元线性回归、随机森林、支持向量机),而引入情绪指数的模型预测效果比未引入情绪指数的模型预测效果更好。     

民航客运量预测方法研究综述

为了提升民航运行效率、准确预测客运量,促进其可持续发展,采用分类学方法将民航客运量预测方法划分为传统统计学、机器学习、组合模型3大类。详述各类方法的改进原理、效果和应用,通过数据处理、权重调整、参数优化和结构改进提高准确性,并总结组合模型相对单一模型的优势。实证研究结果表明,组合预测模型相较于单一模型具有更高的准确性,并指出结合人工智能和大数据技术的发展趋势,构建优秀的组合预测模型将是提高准确性的潜在研究方向。     

基于GA-Elman动态回归神经网络的股价预测模型研究

文章针对股价预测问题的复杂性、不确定性、时变性及动态性等特性,利用Elman神经网络具有记忆性的优点,采用遗传算法训练优化Elman神经网络的初始权值,提出了高效的GA-Elman动态回归神经网络股价预测模型。实验模拟结果表明:该模型快速稳定且具有较高的精度,将其用于股票价格预测可行且有效。该模型的提出也为股票价格预测提供了一种新的技术和方法。