简介：风力发电是最具开发潜力的非水电再生能源,为保证电网的功率平衡和运行安全,需要对风电功率给出准确的预测。对于风电功率预测通常可采用以下3种方法:三次指数平滑法、ARMA方法以及灰色预测方法,但预测准确性不高,而采用风电功率预测的组合预测方法可以提高风电功率精度。将4种预测方法运用到实际风电功率算例中,由数值计算结果可以得出组合预测方法预测风电功率得到的结果精度较高。

简介：考虑了组合预测精度的数学期望和预测精度的标准差这两个指标,建立了多目标规划组合预测最优化模型,并给出其数学规划的解法.最后进行实例分析,结果令人满意.该模型能反映不同时间序列预测方法有效性.

简介：本文根据上海股市2005年6月到2009年8月的上证指数数据,通过建立数学模型的方法,对上海股票市场的走势情况作出了综合评价,建立短期内预测股市发展趋势模型对上证指数进行预测,并通过历史实际数据对模型进行了验证。

简介：针对深圳市遭受洪灾的风险评估和损失预测问题,就参加2014年'深圳杯'数学建模夏令营的部分论文进行简单评述。

简介：医疗床位需求主要取决于人口总量和结构,而人口总量依赖于产业经济结构和经济总量,人口结构依赖于非户籍人口和户籍政策。深圳市经济发展受产业结构、经济规模、人口密度、区域面积等因素限制,根据这一特点,首先基于Logistic规律建立了分产业预测模型,然后基于人口发展与生产总值的关联建立了常住人口预测模型,最后依据相关数据分别建立了人口结构、医疗病床需求相关模型。预测结果与当地规划目标比较,显示了结果的相对合理性,这在某种程度上验证了模型的正确性。

简介：假设人口增长和人类文明是生态退化的主要驱动因素,结合福雷斯特世界动力学模型,利用机器学习的方法,建立了双层通信网络模型(TCNM)来研究生态退化的问题。

简介：本文就2016年“高教社杯”全国大学生数学建模竞赛C题“电池剩余放电时间预测”给出了一种求解方法,并针对学生在参赛论文中出现的问题作了简要的说明与点评。为保证求解的连贯性,论文的前一部分是问题的求解,后一部分是参赛论文的点评。

简介：2016年＂深圳杯＂数学建模挑战赛D题是代谢综合征风险预测问题,目的是融合临床和多组学数据对代谢综合征进行预测。本题是由深圳碳云智能科技有限公司命题,命题人是碳云科技李英睿老师,也是评阅组成员。代谢综合征是一种复杂疾病,表现为多种代谢成分的异常聚集,是一组复杂的代谢紊乱症候群。我们通常说的三高（高糖、高脂、高血压）、肥胖、糖尿病就是典型的危险因素。

简介：首先,提出了基于Kmeans算法的非等分论域划分方法.其次,针对传统数据模糊化存在的不足,对数据模糊化方法进行了改进.最后,将模型应用于对上海市消费价格总指数的预测,并通过与现有方法进行对比,验证了模型的有效性.

简介：研究了多元线性模型中条件最优线性无偏预测的稳健性问题,得到了条件线性可预测变量的这种预测关于协方差矩阵具有稳健性的充要条件.

简介：本文研究了带线性等式的约束条件的有限总体中的最优预测问题，给出了条件可预测变量和条件最优线性无偏测的定义，得到了条件可预测变量的所有条件最优线性无偏预测，并证明了它在几乎处处意义下的唯一性。

简介：本文探讨了马尔科夫链的预测技术，利用马氏链预测方法分析了中华控股（600653）价格的变动情况，对其价格进行短期预测和长期涨跌趋势、运动周期的预测。研究结果与实际情况比较一致。

简介：结合基因组学数据与生物学背景,利用数学与统计的方法研究代谢综合征的致病机理。首先,利用变异系数筛选出信息含量较高的数据,并且利用变异基因频数统计的方法确定高频变异基因。通过查阅相关文献和数据库可知,大部分高频变异基因都与代谢综合征有关。随后,研究高频变异基因对其他基因的调控情况,并且由此构建出高频变异基因的调控网络以及网络内部的协同和拮抗作用。最后,提出基于调控网络的患病风险预测模型,由此提供预防或治疗方案。

简介：本文以优化理论为基础，提出了一种新的有约束的广义预测控制算法和一般的有约束的预测控制算法相比，它不用取初始可行点；也不用求矩阵的逆，减少了计算量和存储量。文中在一定的温和条件下，证明了算法的收敛性，并给出了算法的三个收敛性定理。最后给出算例，结合MATLAB数值试验结果验证了这一算法的有效性。

简介：本文利用BP神经网络建立起66例肝硬化治疗结果数据预测模型，并基于matlab得出预测结果。实验证明利用BP神经网络可有效地预测肝病治疗效果。

简介：链路预测是网络信息挖掘的主要研究内容，通过对网络结构和其他信息的分析，挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标．并在此基础上提出了一种基于这8种指标线性组合的度量指标，并经过实验找出了较好的优化参数。然后，提出了基于这8种指标的神经网络模型．并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明．基于FANN库的神经网络模型的预测结果最好，在4个数据集上最高的AUC值分别达到了0。95l8、0．9289、0．7480和0．8677，与单一指标最好的AUC值相比分别提高了3．92％、1．45％、7．06％和24．35％。

简介：针对GM（1,1）模型的适用范围是近指数情况,提出了将优化灰导数与利用原始序列模拟的相对误差平方和最小估计预测系数c相结合的方法,从而得到一种简化计算的新GM（1,1）优化模型,该模型的预测公式x（0）（k）=ce-ak在形式上比较简洁,并且经严格指数序列从理论上验证了参数a具有白化指数律重合性,预测系数c具有白化系数重合性.

简介：本文讨论了赫斯特指数的计算方法和R／S分析法在股市时间序列中的应用，表明了上证综指和深圳成指的可预测性。

简介：Sargent改进的Powell方法是曲线拟合中的一种重要方法。本文利用这种方法针对蕴藻浜特大桥沉降中的实测数据给出了五种模型下的沉降预测，这些模型包括双曲线斜率倒数模型、VanderVeen指数模型、宇都一马指数模型、龚帕兹模型、以及波松曲线模型，并发现这种方法对波松旋回模型和灰色系统模型适用性不强。

简介：本文根据《长江年鉴》提供的数据，分别利用灰色系统中的GM（1，1）模型和数值拟合模型．使用matlab软件，对长江水质污染问题进行了预测。给出了未来十年内，在不加治理的情况下，长江水质污染状况的数据，并对两种预测模型加以分析和比较。