◼ 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

通过本章的学习，掌握各种长期趋势变动的预测方法。 第一节 直线趋势模型预测法 第二节 二次曲线模型预测法 第三节 指数曲线模型预测法

昆虫生态及预测预报是一门集生态理论与害虫预测预报于一体的具有 较强理论性的实践性学科,它包含利用昆虫个体生态学、种群生态学和群 落生态学以及作物害虫调查统计、害虫预测预报方等理论与实践内容。昆 虫生态与预测预报在植物保护和有害生物综合治理中有重要的地位,是农 业害虫综合治理决策中不可缺少的重要组成部分

应用事件树方法确定了汽车缺陷风险传递路径,将缺陷风险转化为失效风险进行等效研究.根据汽车缺陷风险特点,建立了风险评估SPN模型,并以三维矩阵图描述汽车缺陷风险;针对汽车的不合理风险及汽车缺陷数据离散和波动的状态,提出了基于灰色理论的风险预测方法;以失效预测数据作为风险评估的风险概率预测基础,建立汽车缺陷的失效预测模型,采用残差辨识法检验模型精度.研究结果表明:在掌握实际的汽车售后零部件故障数据情况下,模型对汽车缺陷风险概率预测具有较好的适用性

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

◼ 13.1 时间序列及其成分 ◼ 13.2 时间序列的描述性分析 ◼ 13.3 时间序列的预测程序 ◼ 13.4 平稳序列的预测 ◼ 13.5 趋势型序列的预测 ◼ 13.6 复合型序列的分解预测

提出采用多层局部回归神经网络建立多变量非线性系统多步预测模型的方法,神经网络模型可提供多步预测控制所需要的系统输出预测值及输出向量对控制向量的雅可比矩阵.仿真试验表明这种动态神经网络的预测模型具有较高的精度

主要内容 1需求预测概论 2预测中的定性方法 3预测中的定量方法 4预测方法的选择 5生产管理决策

将层次分析和模糊综合评判方法结合起来应用于煤与瓦斯突出预测研究中.运用层次分析法确定了煤与瓦斯突出各影响因素权重系数,采用隶属函数构造了单因素判别矩阵,并运用模糊综合评判法建立了煤与瓦斯突出预测模型.对平顶山研究区典型工作面进行了瓦斯突出危险性的定量预测和突出等级划分.结果表明,应用层次分析-模糊综合评判方法预测煤与瓦斯突出强度是可行的

通过地质动力区划方法确定了区域地质构造背景.在查明多个突出影响因素与突出危险性之间的内在联系的基础上,建立了多因素模式识别模型,确定了煤与瓦斯突出概率预测准则,采用多因素模式识别概率预测方法完成煤与瓦斯突出危险性的区域预测.划分潘一矿井田的煤与瓦斯突出危险区、突出威胁区和无突出危险区,对煤与瓦斯突出危险性做出了评估,提高了瓦斯灾害预测的准确性