一种包含递归的核回归估计的回归预测模型

构造包含递归的核回归的回归模型,将其应用于居民消费价格指数,提高拟合度,减少预测误差.进而运用时间序列预测模型,结合上述回归模型对居民消费价格指数进行预测.     

包含周期变动的回归预测模型及其应用

在包含周期变动的回归预测模型基础上，在趋势分量的估计中引入了多元线性回归估计，并将此模型应用于山东省城镇居民人均生活消费的预测，提高了拟合度和预测精确度。     

江苏省物流需求影响因素分析及预测

对物流需求进行合理、科学的预测,为政府部门进行物流规划、统筹物流资源的供给提供依据。在利用主成分分析法选取适当指标的基础上,构建了多元线性回归预测模型,并对江苏省2012--2018年的物流需求量进行了预测研究。通过检验分析,证明了该模型的拟合度较好、预测精度较高、具有较好的显著性水平,预测结果具有可信性。预测研究的结果表明,江苏省物流需求在预测的时间范围内,将呈现较为显著的增长趋势。     

基于IOWA算子的安徽省物流需求组合预测

使用安徽省1988-2011年物流货运量的历史数据,分别采用多元回归、多项式拟合回归及指数曲线回归预测方法建立了安徽省物流需求的预测模型.在此基础上,建立了基于IOWA算子的组合预测模型和预测误差评价指标体系,最后应用此模型对安徽省未来10年的物流需求进行了预测.结果表明,该组合预测模型可作为安徽省物流需求预测的有效工具.     

地下水水质预测的多元线性回归分析模型研究

运用回归分析理论和方法,建立了一个基于多元线性回归分析法的地下水水质动态预测模型,并将该模型用于遵义市海龙坝地下水水质的动态预测.结果表明预测精度较高,建立的模型较符合本研究区的实际情况.     

含周期变动项的预测模型的建立与应用

经济指标的变动具有明显的周期性,普通的回归预期测模型仅能反映趋势变动,误差通常很大.本文利用周期图方法,搜索出变量的隐含周期,并在此基础上,构造含周期变动项的预测模型.实例表明,该模型具有很高的拟合度和预测精度.     

基于指数平滑与回归分析的手机销量预测研究

以手机为例,研究电子产品销量问题.建立指数平滑法与回归分析法相结合的手机销量预测模型,得出手机销量预测数据,并与MATLAB工具建立的拟合预测模型所得预测数据进行对比分析,从而确定本文所建立模型的最优性.     

基于GRA和AHP的GRNN神经网络零件失效概率预测方法

为了提高对机械零件失效概率的预测精度,提出一种基于GRA和AHP的广义回归神经网络零件失效概率预测方法.在分析机械零件失效概率影响因素的基础上,首先利用灰色关联分析法(Grey Relational Analysis,GRA)分析影响机械零件失效概率的主要因素,通过层次分析法(Analytic Hierarchy Process,AHP)构建机械零件失效概率的评价指标层次体系,评估各个指标对于零件失效概率的权重;结合各个指标权重与初始值,以获取各指标的加权评价值;最后通过广义回归神经网络(Generalized Regression Neural Network,GRNN)建立以各指标加权评价值来预测机械零件失效概率的预测模型.利用本文方法所建立的预测模型对某企业数控转台的上齿盘失效概率进行预测,并与传统的GRNN神经网络预测模型、BP神经网络预测模型和回归预测模型进行对比,结果显示本文所建立的模型预测误差小于0.8%、残差在-0.2%～0.2%范围内,均优于对比模型的预测结果,表明所建立的预测模型具有更高的精度和更强的稳健性,适合于零件失效概率的预测.     

基于IOWHA算子的人口组合预测与分析

以1979-2012年河南省人口总量为样本区间,在ARIMA、非线性回归和Gompertz曲线3种单项预测模型的基础上,根据预测值倒数的误差平方和最小准则构建基于IOWHA算子的组合预测模型.该人口组合预测模型能够综合利用各单一预测模型的预测信息,有效的减少预测误差,提高预测精度.预测结果显示:河南省人口总量2015年将达到10 807.08万人,2020年将达到11 555.64万人.     

基于Logistic回归的应急疏散交通出行生成预测研究

提出一种基于Logistic回归的应急疏散交通出行生成预测模型。通过对厦门市居民地震交通疏散问题的调查数据分析,应用SPSS统计软件进行Logistic回归,建立应急疏散交通出行生成预测模型,预测在地震灾害中居民选择疏散出行的概率,进而获得突发事件的交通疏散需求。选用测试样本进行仿真、验证预测模型的准确性和拟合度,取得较好地效果,为制定更为合理有效的城市应急管理规划提供依据。     

我国货币供给函数的协整与误差校正模型

传统的线性回归建模常假定时间序列是平稳的,以保证普通最小二乘法得到的估计量一致.而多数经济时间序列却是非平稳的,对其做线性回归可能产生所谓的“伪回归”.在协整理论基础上,借助统计和整理的经济数据,运用计量经济学的Eviews统计软件对我国货币供给进行实证分析,建立了误差校正模型.对误差校正模型残差的自相关性、异方差性进行检验,结果表明该模型在我国货币供给中是有效的,克服了“伪回归”现象,且具有很好的经济解释意义.     

基于偏最小二乘回归模型的带钢热镀锌质量监控方法

提出了基于偏最小二乘回归模型的带钢热镀锌质量监控方法. 以带钢热镀锌生产中带钢力学性能和锌层质量的质量监控为研究对象,用偏最小二乘方法建立了生产过程参数与质量结果之间的回归模型,对生产过程控制能力进行了分析,并给出了产品质量的预测方法. 用鞍钢股份有限公司带钢热镀锌的实际生产数据进行验证. 结果表明,偏最小二乘法比传统的多元线性回归方法具有更好的预测精度,基于偏最小二乘回归的锌层质量预测模型,其相对预测误差可达到5.93%.     

一种基于SMOTE的不均衡样本KNN分类方法

针对在数据样本不均衡时,K近邻(K-nearest Neighbor,KNN)方法的预测结果会偏向样本数占优类的问题,本文提出了一种基于合成少数类过采样方法(SMOTE)的KNN不均衡样本分类优化方法(KSID)。该方法过程为:首先使用SMOTE方法将不均衡的训练集均衡化,并训练逻辑回归模型;然后使用逻辑回归模型对训练集进行预测,获取预测为正样本的数据,通过使用SMOTE方法均衡化该正样本,并训练KNN模型;最后把测试集放入该结合逻辑回归方法的KNN模型进行预测,得到最终的预测结果。围绕6个不均衡数据集,将KSID与逻辑回归、KNN和支持向量机(SVM)决策树等方法进行对比实验,结果表明,KSID方法在准确率、查全率、查准率、F1值这4个性能指标上均优于其他3种方法。通过引入SMOTE,KSID方法克服了KNN模型遇到样本不均衡数据集时,产生分类偏向的问题,为进一步研究KNN方法的优化和应用提供参考。     

环境污染的投影寻踪回归预测模型

环境污染预测中常用的统计预测法基于“假定－模拟－预测”这样一种证实性数据分析思维模式,难以适应非线性,非正态分布数据分析,投影寻踪技术采用“审视数据－模拟－预测”这样一条探索性数据分析新途径,可以用来解决一定程度上的非线性,非正态问题。应用投影寻踪回归新技术,建立了大气污染物SO2浓度的预测模型,其预测建模样本的拟合合格率为96％,预留预测检验样本预测准确率为80％。高于模糊识别模型的预测精度。     

Usher模型在垃圾土沉降预测中的应用

为了预测垃圾土的沉降量,以便指导填埋场的建设以及封场利用,基于线性加载情况下垃圾土的沉降变形曲线呈＂S＂型这一特征,指出可用Usher模型预测其沉降随时间的变化规律,通过分离变量法,结合初始条件对建立的Usher模型求解,得到模型解的表达式。通过分析可知,Lo-gistic模型和Gompertz模型是Usher模型的特例。采用重复二元回归法对Usher模型参数进行求解,利用该模型对某填埋场的沉降量进行了计算,通过计算可知,Usher模型的误差平方和为108.19,而Logistic模型和Gompertz模型的误差平方和分别为162.21和952.41。对比结果说明,Usher模型具有较高的预测精度,对同类工程的沉降预测具有一定的指导意义。     

基于PCA-Logistic模型边坡稳定性分析

提出一种基于PCA-Logistic模型算法,并对边坡的稳定性进行预测分析。先用PCA对样本数据进行处理,有效控制稳定性因素的计算数量。选出边坡重度、内聚力、内摩擦角、边坡角四个主成成分进行Logistic建模分析。得出其Logistic回归模型,并运用于边坡稳定性实例分析,与用Logistic回归模型确定权重的模糊综合法进行对比。研究结果表明：PCA-Logistic模型有效的处理样本数据,减少不必要的分析过程,计算得出的边坡稳定性状态与实际情况相符;并与Logistic回归模型确定权重的模糊综合法进行对比,验证其计算结果的准确性,高效性。该方法可在工程地质、采矿工程、经济等众多领域应用与推广。     

岩体分级的多分类有序因变量Logistic回归模型

将多分类有序因变量的Logistic回归分析引入到岩体质量分级问题中,以影响岩体级别的单轴抗压强度、岩体声波纵波速度、体积节理数、节理面粗糙度系数、节理面风化变异系数和透水性系数为自变量,岩体级别为响应变量,以工程实测岩体质量数据作为统计样本,建立了岩体分级公式。对模型进行了拟合优度检验、模型的有效性检验、预测能力的检验,研究结果表明：Logistic逐步回归分析得到的回归模型性能良好,回判估计的误判率为零,预测精度高。相比距离判别分析模型,回归分析模型在现场岩体分级更加方便,回判的误判率更低,另外模型能输出岩体属于各级别的概率,为工程设计人员提供更多的岩体质量信息;相比普通的回归分析,多分类有序因变量 Logistic回归更适于响应变量为有序多类别的岩体分级问题,因而岩体分级的多分类有序因变量回归模型是一种更优的岩体分级方法。     

基于偏鲁棒M-回归的间歇过程离群点检测

以多元统计分析技术为核心的间歇过程建模、在线监测逐渐成为过程工业的关注焦点,然而过程数据中存在的大量离群点将直接影响上述方法的可靠性,为此提出了一种基于偏鲁棒M-回归的间歇过程离群点检测方法.首先基于极大相关熵估计建立鲁棒预测模型;然后利用偏鲁棒M-回归算法计算模型的回归系数;最后采用Hampel识别器分析最终的权值,从而实现离群点的检测.将所提方法应用于某间歇反应过程,实验结果验证了方法的有效性.     

轻轨CARD系统孔型设计模型

研究了轻轨ＣＡＲＤ系统孔型设计数学模型的建立方法,在总结和分析大量现场数据的基础上,用回归分析建立了轻轨ＣＡＲＤ系统轨形孔孔型设计模型,并成功的用在轻轨ＣＡＲＤ系统的开发中,经厂家试用效果很好。     

支持向量机近似模型的参数选取及其在结构优化中的应用

针对非线性结构响应预测的支持向量机(SVM)近似模型的参数选取问题,提出了应用粒子群算法进行参数优化,建立了具有最优参数的SVM近似模型,并与以训练集数据建立常规的SVM、二阶响应面(RSM)和径向基神经网络(RBFNN)近似模型进行对比.结果表明:以优化参数建立的SVM近似模型比常规的SVM近似模型有更好的预测能力;可以避免RSM和RBFNN近似模型中的过拟合现象,具有更优的推广能力.最后,将最优参数的SVM近似模型用于船舶结构优化中,取得了具有良好工程实用性的优化结果.