锂电池荷电状态(SOC)是反映电池使用情况的重要参数之一.在锂电池实际工作过程中,电流传感器测量时的漂移电流会对SOC估计精度造成很大影响.对此,提出一种加入漂移电流的Drift-Ah积分法,建立SOC的噪声组合模型,并采用容积卡尔曼滤波算法(CKF)实现锂电池的SOC估计.最后,对锂电池进行模拟工况实验,仿真结果表明,所提出的估计算法可以有效抑制漂移电流的干扰,精度高且复杂度低.

针对现阶段城市道路交通流预测精度不高的局限性，提出了一种基于差分自回归滑动平均( AＲIMA) 和小波神经.网络( WNN) 组合模型的预测方法来进行交通流预测。利用差分自回归滑动平均模型良好的线性拟合能力和小波神经网.络模型强大的非线性关系映射能力，把交通流时间序列的数据结构分解为线性自相关结构和非线性结构两部分。采用差.分自回归滑动平均模型预测交通流序列的线性部分，用小波神经网络模型预测其非线性残差部分，最终合成为整个交通.流序列的预测结果。计算机仿真结果表明: 组合模型的预测精度高于AＲIMA 模型和WNN 模型各自单独使用时的预测精.度，组合模型可以提高交通流预测精度，是交通流预测的有效方法。

基于VaR风险控制下多期动态Log-最优资产组合模型，颜博，严定琪，本文考虑金融市场中的动态资产组合问题，以倍率-风险函数作为收益指标，风险价值（VaR）控制函数为风险指标，用动态规划方法建立�

随着人口老龄化趋势的加快，建立预测阿尔茨海默氏病（AD）的模型至关重要。 在本文中，我们对1157名受访者进行了调查。 通过使用三种机器学习方法（BP神经网络，SVM和随机森林）分析结果，我们可以得出它们在AD预测中的准确性，以便我们可以比较解决AD预测的方法。 其中，随机森林是最准确的方法。 此外，为了结合这些方法的优势，我们基于这三种机器学习模型构建了一个新的组合预测模型，事实证明，该模型比单独的模型更准确。 最后，我们总结了生活方式与AD之间的联系，并为老年人提供了一些建议，以帮助他们预防AD。

基于优化算法的股票投资组合模型选择，蔡凯达，边宁，本文采用不同的风险度量和约束条件，组合成了不同的有约束的最优资产组合模型：在风险约束条件下的期望收益最大化模型和在收益约

组合模型 (2).png

基于灰色线性回归组合模型的游戏客户留存率预测研究，易文轾，郑少智，建立精确的在线游戏玩家留存率预测模型对游戏玩家群体日常维护和游戏运营的风险控制具有重要的实用价值。文章针对新时期下游戏产

学校毕业论文做的程序，参考了别人的灰色模型python程序，写的灰色线性组合模型。解释的不多，最后的版本将在毕业论文做完后一起上传。我认为有很多的优化空间，大家可以在自由创作。

基于组合模型的销售预测应用研究，神经网络和SVM组合。

针对MIMO非线性系统的模型预测控制（MPC），建立了一种新型的带有外部输入的反向传播自回归（BP-ARX）组合模型，可以得到输入与输出之间的稳态关系。 BP神经网络代表稳态关系，ARX模型代表非线性系统输入和输出之间的线性动态关系。 BP-ARX模型是一个全局模型，可以离线识别，而ARX模型的参数根据BP神经网络和操作数据进行在线缩放。 采用顺序二次规划在线求解二次目标函数，并定义了移位系数以约束递归最小二乘算法的生效时间。 因此，提出了一种参数变化非线性MPC（PVNMPC）算法，该算法可快速响应系统设定点的大变化，并在系统输出接近设定点时显示出良好的动态性能。 在多变量搅拌罐和多变量pH中和过程中的仿真结果说明了该方法的适用性，并对PVNMPC和多变量递归广义预测控制器之间的控制效果进行了比较。