针对经典智能算法用于滑坡位移预测时存在的网络结构参数选取复杂、易陷入局部极小等缺陷,提出了基于改进极限学习机ELM(Extreme Learning Machine)的滑坡位移预测模型。在滑坡变形位移状态辨识基础上,根据其位移变化特征,将滑坡位移曲线类型划分减速-匀速型、匀速-增速型、减速-匀速-增速型、复合型4类,将改进的ELM算法分别用于4种不同类型的滑坡位移预测。基于改进ELM算法构建滑坡位移预测模型时,采用二值区间搜索算法选定最佳隐含层神经元个数和激励函数,并融入数据滚动建模思想,以期提高网络泛化能力和预测精度。以链子崖、卧龙寺、古树屋、新滩滑坡体为例,对ELM预测的适用性进行讨论,实验结果表明,基于ELM构建不同类型滑坡位移预测模型时,具有较高的预测精度,且在网络学习速度等方面优势明显,适用于复杂状况下滑坡体的位移预测。

机器学习--贷款违约行为预测（基于逻辑回归和朴素贝叶斯和随机森林及SVM四种方法实现，资源包含完成则代码及数据，数据3万余条记录

在估算风险度量时，准确地模拟干散货运输收益的经验分布极为重要。 基于几种常用的分布和替代分布，本文建立了九种不同的风险模型来预测干散货运输市场的风险价值（VaR）。 探索了几种回测以比较VaR预测的准确性。 实证结果表明，基于常用分布的风险模型具有相对较差的性能，而替代分布（即偏斜学生-T（SST）分布，斜泛广义误差分布（SGED）和双曲线分布（HYP）产生的VaR更准确测量。 实证结果表明，风险管理者在管理干散货运输市场中的极端风险时会进一步考虑更灵活的经验分布。

为了解决矿井涌水量预测难题,在Grid-Search_PSO优化SVM参数的基础上,采用SVM非线性回归预测法,对大海则煤矿1999~2008年7月份的矿井涌水量进行了预测。分析对比SVM回归预测法和ARIMA时间序列预测法预测结果的数据误差,发现SVM回归法预测值与实测值之间的偏差比ARIMA时间序列法要小很多。可见在影响矿井涌水量各种因素值具备的情况下,SVM非线性回归预测所建立的模型能够更准确地预测矿井的涌水量,在矿井安全生产中具有很大的应用价值。

针对现有有源电力滤波器大多使用数字化控制器实现,存在系统延时的问题,提出了一种模型预测电流控制方法,并将其应用于三电平有源电力滤波器控制系统中。该方法根据实际有源电力滤波器控制系统模型设计质量函数,在每个采样周期内,对变频器27个电压矢量分别进行评估,选取使质量函数取值最小的电压矢量来控制下一周期开关导通,使有源电力滤波器的补偿电流快速跟踪参考值。仿真结果表明,该方法不仅能使有源电力滤波器实现高性能补偿,而且极大地减小了数字系统的固有延时。

为了对煤炭企业物流成本进行有效的预测,首先分析了煤炭企业物流成本的影响因素,然后分别采用PSO-BP网络和BP网络对煤炭企业物流成本进行了预测,并对试验结果进行了对比分析,结果表明,PSO算法优化的BP神经网络,其收敛速度和预测精度都明显高于传统的BP网络。PSO-BP方法对煤炭企业物流成本的预测具有一定的参考价值和指导意义。

滑动轴承在线磨损监测中的灰色预测方法，武通海，丁鑫，本文以滑动轴承磨损的预测为目标，探讨了基于在线磨损数据的趋势预测方法。采用在线监测获取的磨粒百分覆盖面积指数（IPCA：Index of

高等教育适龄人口的预测是科学制定高等教育发展规划的基础。根据河南省2000年人口普查数据,运用中国人口预测CPPS软件对河南省2008-2020年高等教育阶段适龄人口数量进行了预测,并在此基础上运用CCM法对河南省高等教育全口径规模进行了预测;构建了河南省高等教育的常规发展、快速发展和跨越发展三种模型;对三种发展模式下河南省普通高等教育的师资、经费需求进行了预测。最后提出了采用跨越发展模型的建议。

预测基于机器学习的时间序列价格预测

以非线性预测评价为基础,采用BP神经网络模型,利用遗传算法优化网络初始权值和阈值,建立一个新的煤矿底板突水危险性预测的网络模型,通过收集不同突水矿井的资料,综合考虑多种影响底板突水的因素。运用Matlab编程对网络原始数据进行训练,并对不同工作面底板是否突水及突水量进行预测分析,结果表明,该模型收敛速度快、预测精确度高,且具有较强的泛化能力。