本项目研究了预测机理,并对一类非常重必须预测而又难以测准的事件的处理办法.在四个方面提出了改进预测的途径.①用定性定量相结合的方法,分析被测事件的特性(因果关系与信息结构),正确选用模型,合理采用预测结果;②当被测事件极难用现有模型作预测时,可视预测目的?帮助决策人制定柔性规划,以应付预测不准而导致的后果;③研究快速寻求被测事件内部关系及其信息的起始变化点的方法,如神经网络、混沌理论入非浅性模型,或应用反复辨识及其它手段随时检查主因素的变化;④充分利用计算机工具的多媒体通信技术,创新具有良好界面、能启发人的思路、能块速连续计算并自动分析被测事件性质、主要因素的预测与决策支持系统。
{{i.achievement_title}}
数据更新时间:2023-05-31
Ordinal space projection learning via neighbor classes representation
基于纳米铝颗粒改性合成稳定的JP-10基纳米流体燃料
Image super-resolution based on sparse coding with multi-class dictionaries
Phosphorus-Induced Lipid Class Alteration Revealed by Lipidomic and Transcriptomic Profiling in Oleaginous Microalga Nannochloropsis sp. PJ12
Numerical investigation on aerodynamic performance of a bionics flapping wing
软硬件可测性设计新途径——软硬件交互式测试及可测性设计研究
高可测性时序电路结构研究
非线性经济系统的可预测性混沌理论
测试算法评估及可测性预报系统