第一节 时间数列的成分和预测方法 第二节 时间序列的描述性分析 第三节 时间序列预测的程序 第四节 平稳序列的预测 第五节 趋势型序列的预测 第六节 复合型序列的分解预测

第一节 预测分析概述 第二节 销售预测 第三节 成本预测 第四节 利润预测 第五节 资金需要量的预测

一、依据现在和过去的信息对未来提出预测，自然希望预测是最优预测。 二、最优的准则是什么？ 三、一个好的预测是预测的误差越小越好

§1. 预测方法 1.1 预测概述 1.2 预测的基本过程 1.3 预测分类 1.4 预测的常用方法 §2. 决策方法 2.1 决策概述 2.2 决策的过程 2.3 确定性决策 2.4 不确定性决策

矿用车辆无人驾驶是实现矿山无人化开采的关键技术, 而路径跟踪控制是无人驾驶系统的核心技术之一.路径跟踪控制系统是多变量、多约束系统, 采用传统方法在多约束条件下存在执行器饱和等问题.针对上述问题, 本文引入模型预测控制方法, 通过考虑车辆的姿态与位置之间的关系, 以跟踪路径的横向偏差最小化和车辆的航向角偏差最小化为目标对预测控制的目标函数进行优化, 以获得车辆速度和铰接角度的最优控制量, 实现对多变量、多约束系统的求解.针对模型预测控制算法不能提前判断道路曲率突变而导致跟踪超调的问题, 提出基于预瞄距离的控制方法, 通过提前判断道路突变信息, 提高车辆路径跟踪精确性和稳定性.使用Matlab/Adams仿真软件进行对比仿真试验, 结果表明: 使用模型预测跟踪控制器能够解决多变量、多约束系统控制问题, 有效防止执行器饱和; 而使用基于预瞄距离的模型预测跟踪控制器能够使车辆的横向位置偏差保持在±0.04 m, 航向角偏差保持在±1.8°范围内, 相较于改进前的控制器, 其横向位置偏差减少了80.9%, 航向角偏差减少了59.1%, 证明改进后的控制器具有更好的横向稳定性和精确性

作为炼钢厂的关键设备，风机担负着转炉除尘和煤气回收的重要任务，实现风机剩余使用寿命的准确预测具有重要的实际意义.通过对邯郸某炼钢厂风机振动数据的分析，建立了基于Wiener过程的状态退化模型，在首达时间的意义下，推导出风机剩余使用寿命的概率密度函数的解析表达式，提出了一种基于极大似然估计的参数实时估计方法，从而实现风机剩余使用寿命的在线实时预测.实验结果表明，相对于文献中的方法，本文所提出的预测方法可以得到更高的预测精度和较低的预测不确定性

◼ 1.认识市场调查的内涵和外延 ◼ 2.认识市场预测的内涵和外延 ◼ 3.懂得市场调查和市场预测的相互关系 ◼ 4.掌握市场调查的基本类别与各自的特征 ◼ 5.掌握市场预测的基本类别与各自的特征 ◼ 6.了解市场调查与预测的发展趋势 ◼ 8.掌握重要的概念

为了提高瓦斯涌出预测的准确性,采用BP型神经网络,利用BP型神经网络自学习、自组织和自适应等特性,在MATLAB环境下构建瓦斯动态预测模型.通过对唐山矿瓦斯信号实时监测数据的分析,对瓦斯动态预测模型进行训练和测试.结果表明,该模型的预测速度快、精度高,可以实现对工作面瓦斯涌出的动态预测,并能综合判断工作面所处地点的安全状况以及前方的潜在的危险性

以国内某钢厂一30 t LF精炼炉为研究对象,通过建立由传热机理模型和黑箱模型相结合的灰箱模型对LF精炼终点温度进行了预测.首先根据能量守恒定律建立了传热机理模型.针对包衬耐材的蓄热以及合金的热效应难以精确计算的问题,采用偏最小二乘黑箱模型对这一部分温度进行了处理,最后将两种模型相结合综合预测了LF钢包精炼的终点温度.结果表明,偏最小二乘法在预测包衬的耐材蓄热和合金热方面的温度误差在±5℃以内的命中率达到97%以上,总的灰箱模型预测LF精炼终点温度误差在±5、±8、±10℃以内的命中率分别达到88%、96%和99%,模型具有较高的预测精度.研究可为该钢厂的LF精炼工艺提供指导

与行驶速度较高的其他无人驾驶工况相比, 自动泊车时参考路径的曲率较大, 因此车辆转向轮转角速度的限制等系统约束条件会严重影响自动泊车路径跟踪控制器的性能. 为了解决这一问题, 提出了基于非线性模型预测控制的自动泊车路径跟踪控制器, 并在MATLAB/Simulink和PreScan联合仿真环境中将该控制器与基于线性时变模型预测控制的控制器进行了对比. 仿真结果表明非线性模型预测控制器可以实现多约束条件下的自动泊车, 泊车完成后车辆航向与车位中线的夹角为0.0189 rad, 车辆后桥中点与车位中线的距离为0.1045 m, 仅为车身宽度的5.56%. 相比线性时变模型预测控制器, 非线性模型预测控制器具有泊车精度更高、安全裕度更大、泊车耗时更少等优势. 在实时性方面, 该控制器也能够满足自动泊车的需求