笔记

为探讨变权组合预测模型在区域生态风险预测中的应用，该文以黑龙江省大庆市为研究对象，利用该市 1976 .1988 .1992 ,1996,2001,2003年各年的TAI遥感影像数据，以GIS技术为数据集成分析平台，获取了20余年不同时期的土地利用信息．在此基础上，引入层次分析法，确定不同土地利用类型的生态风险权重，构造各土地利用类型不同时段的综合生态风险指数，采用基于回归预测法、灰色预测法和神经网络预测法的变权组合预测方法模拟了大庆市2010年生态风险程度空间分布预测图．结果表明，生态风险指数的空间分布

摘要：近年来研究表明，组合预测方法比单一预测具有更高的预测精度。提出了一种利用改进的Elman神经网络修正ARIMA模型预测结果的短期风速组合预测模型。 　　先利用ARIMA模型对风速进行预测，其线性规律信息包含在时间序列预测结果中，非线性规律包含在预测误差中。再将ARIMA模型的预测误差及历史风速一阶差分序列作为改进的Elman神经网络输入变量，将ARIMA模型的风速预测误差作为输出变量。将ARIMA模型预测结果与Elman神经网络的误差预测结果叠加，得到终修正后的预测风速。分析结果表明，该方法与单一ARIMA方法及其他组合方法相比，预测滞后性更小，预测精度更高，在风速预测领域具有较好的应

基于改进ＢＰ神经网络的温室小气候预测模型研究 总结xmind

基于Matlab的神经网络预测模型研究.pdf

粒子群优化算法优化灰色预测模型GM(1,1)+matlab源代码

一种锂离子蓄电池寿命的预测模型

传染病的传播预测模型.rar

灰色预测模型代码matlab particle_Filter 这是python Intelligent Robotics Systems练习2：Particle Filter中的部分过滤器实现。 使用地标的移动机器人的蒙特卡洛定位考虑一个平面机器人，其三个DOF x =（x，y，θ）在大小为100×100的世界中运行。该世界包括m = {（（20，20）， （80，80），（20，80），（80，20）}，如图所示。机器人可以接受两个电机命令，一个转弯运动命令u1，（u1∈[0，2π））和一个向前运动命令u2（u2> 0）。 机器人的确定性运动模型由θ0 =θ+ u1，x 0 = x + u2 cosθ0，y 0 = y + u2 sinθ0给出。为了实现MCL算法，提供了两个Matlab类。 cWorld类定义机器人的世界，并包括绘图功能。 cRobot类初始化世界上具有任意姿势的机器人。 该类包括以下功能：•设置：设置机器人的新姿势•打印：将机器人的姿势打印到Matlab提示中•绘图：在世界上绘图机器人[不同的颜色和不同的绘图样式-“机器人”和可以选择“粒子”]•设置噪声：设置噪声

针对暖通空调（HVAC）系统难以控制的问题，提出一种基于max-product推理的Mamdani模糊模型预测控制策略。首先利用一步模糊预测模型的结构分析得到其解析表达式，获得系统在k+1时刻的线性化预测模型；然后基于模糊线性化模型进行模型预测控制器设计。对HVAC系统的仿真和实验结果表明，该算法是一种跟踪性能好且鲁棒性强的有效控制算法。