通过将迟滞特性引入神经元激励函数的方式，构造了一种前向型迟滞神经网络模型.结合卡尔曼滤波方法，将其应用于风速时间序列的预测分析中.在原始风速时间序列的基础上，构造出风速变化率序列.采用迟滞神经网络分别对两种序列进行预测分析，并将预测结果利用卡尔曼滤波方法进行融合，从而得到最优预测估计结果.仿真实验结果表明，迟滞神经网络具有更加灵活的网络结构，能够有效改善网络的泛化能力，预测性能优于传统神经网络.采用卡尔曼滤波方法对预测结果进行融合后能够进一步提高预测精度，降低预测误差

一、概念 时间序列市场预测法，是一种重要的定量预测方法。 1、时间序列预测法的定义 时间序列预测法是根据市场现象的历史资料，运用科学的数学方法建立预测模型，使市场现象的数量向未来延伸，预测市场现象未来的发展变化趋势，预计或估计市场现象未来表现的数量。时间序列市场预测法又称历史延伸法或趋势外推法

第一节主要介绍了时间序列分析和预测的基本方法。首先解释了时间序列的形态，常常通过它帮助我们考虑时间序列的四种独立成分：趋势、循环、季节和不规则。通过分离这些成分和测量它们的明显影响，可以预测时间序列的未来值。◼第二节主要介绍了回归分析预测法。市场活动中的许多现象也不例外，其变化与各种影响因素变化之间存在着一定的依存关系。回归分析预测法就是从各种经济现象之间的相互关系出发，通过对与预测对象有联系的现象变动趋势的分析，推算预测对象未来状态数量表现的一种预测方法

首次提出将小波分解应用于非平稳时间序列的预测中,通过小波分解将非平稳时间序列分解为多层近似意义上的平稳时间序列,并且用AR(n)模型对分解后的时间序列进行预测,进而得到最终的预测结果.将该方法应用于压缩机轴承座磨损的趋势预测中,通过与基于BP网络的预测方法相比较表明:该方法预测精度高,而且预测速度快,可以有效地应用设备状态的预测和设备故障趋势的分析中

以抚顺老虎台矿田为工程背景,采用加卸载响应比理论,开展强矿震预测技术应用研究.研究表明:0≤ML≤0.5矿震在各开采深度作为加卸载响应震级的预测效能均较好,对于阶段峰值震级的平均预测信度为0.72;ML≥1.4矿震作为加卸载响应震级,具有深度尺度效应,响应震级与开采深度成正比,一般小于预测震级0.5～1.0,对于阶段峰值震级的平均预测信度0.60;0.6≤ML<1.4矿震作为加卸载响应震级的随机性较大,分析是两种不同机制矿震混合的结果,不适宜作为加卸载响应震级;开采深度越大,地应力环境强度越高,预测敏感性和效果越好.在阜新煤田和门头沟矿田进行普适性检验,预测信度分别为0.8和0.73.试验结果表明,加卸载响应比理论和方法预测强矿震具有较好的效能和应用前景

一、城市交通预测的内容: 1、城市客运交通预测 包括:城市居民出行预测、城市流动人口出行预测、城市对外及过境客运交通预测等三部分。 2、城市货运交通预测 包括城市市内货运交通预测和城市对外及过境货运交通预测两部分

一、预测及其构成要素 二、预测的基本原则 三、预测的产生和发展 四、预测的分类 五、预测的基本程序和步骤 六、预测结果的准确度

一、市场预测的概念 二、市场预测的作用与意义 三、市场预测的分类 四、市场预测的内容 五、市场预测的基本要求 六、市场预测的主要步骤

§4.1 预测分析概述 ◼ §4.1.1 预测分析的基本原理 ◼ §4.1.2 预测分析的方法 ◼ §4.1.3 预测分析的一般程序 §4.2 销售量预测分析 §4.3 成本预测分析（略） §4.4 资金需求量预测分析（略）

针对煤与瓦斯突出预测准确率问题,在分析煤与瓦斯突出瓦斯地质因素的基础上,构建了包含瓦斯指标、煤体指标、地应力指标3个一级指标和瓦斯压力、构造煤厚度等12个二级指标的预测指标体系,通过综合运用网络分析法和多类别距离判别法对灰色关联模型中的输入端和输出端进行研究,建立了煤与瓦斯突出多指标耦合预测模型.该模型基于对煤与瓦斯突出瓦斯地质因素的综合分析,计算预测指标权重,划分煤与瓦斯突出可能性等级,建立了对突出可能性进行判别的2个判别式.以平煤八矿为例应用该模型对8组预测样本进行了煤与瓦斯突出可能性判断,预测结果与实际符合,为矿井煤与瓦斯突出防治提供了技术支撑,证明了煤与瓦斯突出多指标耦合预测模型的准确性和适用性