信息預測

1、信息預測

信息預測認為預測的哲學思想在於認識論。並將人類的認識體系分為三個體系，即抽象體系、物理體系、信息體系。

㈠、信息守恆：由連貫原則（未來與過去相似）和類推原則（相似的體系，結構的變化具有相似的模式）兩部分組成。認為信息可以按照一定的認識觀點轉化為數字。信息體系對數值的要求是恰好滿足需要。

㈡、數學基礎：由翁氏質數猜想、可公度和隨機性否定等組成。運算方法採用加減運算。翁教授通過對質數的加減運算，找到一把“丈量”天災的“尺子”。可公度性是“信號尺”，用它“量”出有用的信息，得出有用的結論。而隨機性否定理論是可信度尺，用它“量”出預測的結論有多大把握。

1> 、翁氏猜想

猜想一：從三起，任何質數可以用無窮個方式表示為其它兩個質數之和減去另一個質數。如：11=13+5-7=19+5-13=…

2> 、哥德巴赫猜想：任何偶數都可以表達為兩個質數之和。

如：24=23+1=19+5=17+7=13+11。

3> 、頻數猜想：隨著偶數趨於無窮大，可表達這一偶數為兩個質數之和的公式（頻數）也趨於無窮大。

㈢、建立信息模型，包括兩類：一是以概率為基礎的隨機信息模型；另一類確定信息模型。

㈣、將預測過程分解成三個相對獨立的組成部分，即：

1> 、主過程：要求嚴格的信息保真，數學方法用抽象代數，象集合與群論等；

2> 、決策過程：是主觀過程，數學方法用概率論、運籌學、模糊數學等；

3> 、估計過程：是運算的主體，比較常用的擬合的數學方法有方程式、多項式、不等式等；常用的判別計算原則有最大擬然性、最小二乘方等。

㈤、提出幾種預測方法，這些方法具有較佳的信息保真。

1>、天干地支周期預測。提出：

a、日干支預測 日干第一式：y=1923.2269+0.1642746*i

日干第二式：y=1966.2396+0.164275*i

b、年干支預測

c、天干地支周期預測與可公度性預測的一致性

2>、可公度性（多元概周期的擴張）

a、可公度性（周期波長間若存在簡單的整數比關係，稱做可公度），反映自然界的一種秩序.

b、基於天文學基礎，提出可公度性的一般表達式：

l

xi=∑（ijxij）+&0

j=1

式中：ij?,且ij1i，即ij是下標集={1,2,…,n}中與i不同的任意元素，xij 是中與xi不同的任意元素。 ij

是整數，l是可公度元數， &0是事先確定的可行性臨界值（偏差），推廣公式：

l

xi=∑（ijxij+m）+&0

j=1

並且,max(|&1|,|&2|,…,|&m|)￡&0

當m足夠大時，這些可公度式就不在是偶然的，m稱為可公度式的頻數。

c、可公度係數

天文學中的波特定則表述為:

log(xi-0.4)-log0.3-i×log2=0 其中i=-∞,0,1,2,3,……

xi是太陽系中行星到太陽的平均距離

拉普拉斯提出木衛一, 木衛二, 木衛三的平均運動z1,z2,z3服從公式:

z1-3z2+2z3=0 (式一)

土衛一, 土衛二, 土衛三, 土衛四的平均運動z1,z2,z3,z4服從公式:

5z1-10z2+z3+4z4=0 (式二)

天王星的四個主要衛星，衛一, 衛二, 衛三, 衛四的平均運動z1,z2,z3,z4服從公式:

z1-z2-2z3+z4=0 (式三)

整數系下，式一、二、三、屬可公度方程，其中式一、二、係數之和為零, 式三係數之和不為零.

?可公度性體系

可公度性構成信息預測的重要方法之一。為估計其非偶然性還要應用隨機性的否定等方法。指出無論是微分還是高階差分都無法表達一個體系中的可公度信息。例如，在數據=<

x1, x2, …xi,…

xn>中三階差分只能反映(xi+1-2xi+xi-1)中的信息，不能反映可公度性式((xi+1-xi+xi-1))中的信息。而對給定事件集合中的數據進行研究，從中選出具有可公度性的數據是信息預測至關重要的環節。

d、概周期

如在一元數據有部分數值，在它們之間都參與構成的間隔值x

e、概周期擴張分佈

一般的數據分佈，其中指標i只表示次序。數據二元合成的“間隔”聚焦為概周期。體系模型可作概周期的擴張。數據經二元合成的概周期擴張為三元合成，即三元間隔擴張。同樣對四元、六元…等間隔，也可以有五元、七元…等間隔擴張。體系擴張的一種簡便擴張方式是加法外推（或內推）。

3> 、浮動頻率

認為用傅立葉級數或更廣泛的其它類似的諧和頻率函數多項式擬合無限容 量的數據在理論上是恰當的，而擬合有限容量的數據，可能引入信息失真，有

時可能失去重要信息。為減少信息的失真，提出一種浮動頻率多項式。

l

yi=a0+?ajcos(bjxi+cj)

j=1

式中，a0，aj，bj，cj(j=1，2，…，l)都是獨立參數；bj與頻率有關，fj=bj/2p,共有l個浮動頻率，它們一般並不諧和。xi（i=1,2,…,n）代表時間或空間並假設為單調增加或單調減少分佈。yi（i=1,2,…,n）為xi的

單值映射，常取奇點值（極大值、極小值、零點、拐點等）

4>、隨機性的否定

提取有效信號的方法。

a、簡單隨機遊動

簡單隨機遊動可作為許多客觀現象的模型，並且顯示出不同程度的近似真實性。

公式：sn(+1,-1)=x1+x2+…+xn

其中x1，x2，…，xn是整數集i=?+1，-1?中以固定概率出現的、獨立分佈的元素。

b、等概率簡單隨機遊動

對簡單隨機遊動，假設出現+1和-1的概率相等，即為等概率簡單隨機遊動。等概率簡單隨機遊動下的sn(+1,-1)主要作為提取信息時識別“純噪音”的對應分佈。

5>、信息的綜合

a、信息之間的關係

a、定性和定量關係。要求對預測作出定量和定性兩方面的描述。

b、整體和局部的關係。即從整體和局部兩方面進行預測，以提高預測的質量。

c、平行關係。即信息的多重性，提出從一個體系中可能取得不同種類的信息，從單一體系中，不同的處理方式，結果未必完全相同。

d、連接關係，即因果關係。如前項信息可以影響後項信息。

e、動態關係。在多因子連接關係中，如果某項信息依照一定的時延函數影響到另一項信息，則構成動態關係。

b、信息綜合的特點

(a)、主觀因素占突出地位。

(b)、預測程序隨著結果檢驗不斷更新，難於固定。

(c)、信息處理量隨著綜合過程迅速增加。

6>、事件預測的置信水平

事件預測只有“發生”和“不發生”兩種狀態。確定置信水平的主要依據是數據本身的性質。初步考慮下列假設：設數據容量為n

,當置信水平取(1-a)時，na可看作是數據體系中的不確定頻數。這“不確定頻數”可能是“偶然的干擾”容量，也可能是“內在信息”容量。

不漏報的置信水平：(1-a)@rn/(n+1)

不錯報的置信水平：(1-b)@rm/(m+1)

其中：一段時間（空間）內，發生n次事件，相應的預測為m次。n次事件中有rn次與預測相符合，m次事件中有rm 次與預測相符合。