厦门市工业总产值时间序列分析研究

运用传统时间序列季节模型和Box-Jenkins的随机序列模型ARIMA（p，d，g）模型分析法，选取1999年1月至2005年8月厦门市工业总产值资料，建立厦门市工业总产值动态预测模型进行试预测。探索合适的预测模型来对厦门市工业总产值进行短期预测。     

基于生活用水量的预测模型及其应用

对近几年我国生活用水量、GDP和人口年增长情况进行了研究,先分析生活用水量与人口年增长之间的变化关系,然后单独考虑GDP对人均生活用水量的影响,最终建立由人口和GDP两种因素预测生活用水量的数学模型.用该模型对2009年我国生活用水量进行预测,结果表明该模型进行生活用水量预测是可行的.     

灰色模型在人口预测中的应用

人口预测特别是精确度高、可操作性强的预测方法可为国家和地区经济发展提供有效服务。灰色预测法可以对既含有已知信息又含有不确定因素的系统进行预测,它预测精度高,能够保持原系统的特征,较好地反映系统的实际情况。本文用灰色模型对西安市未来人口规模进行预测,取得了较好的效果。希望能为政府控制本市户籍人口增长规模提供借鉴。     

基于神经网络和时间序列的河南省老年人口系数的预测

基于河南统计年鉴2001—2013年老年人口系数的数据,利用BP神经网络模型对河南省老龄化指标进行预测,训练效果不理想.因此采用时间序列二次指数平滑法对老年人口系数进行预测,预测结果的相对误差均值为4.97%.为了更加精准地预测老年人口系数,采用时间序列和BP神经网络结合的模型对其进行预测,此方法解决了老年人口系数的非线性的映射关系,预测结果的相对误差基本控制在1%左右,因此这个模型是最优的,更加适合预测河南省老年人口系数.预测结果表明河南省人口老龄化趋势是逐渐上升的.     

山西省人口GM(1,1)模型预测

根据2001年至2009年的山西人口变化特征,选择GM(1,1)模型的指数模型并借助EXCEL、MATLAB等软件对山西省人口总量进行了数值拟合分析,并利用该模型对山西省人口总量开展预测.通过检验分析,模型的预测精度大于99.9%,并预测在今后一段时间内,山西省人口将继续保持低自然增长率,山西人口总量到2020年预计将增加到3 652.047万人.     

时空回归模型在中国各省区人口预测中的应用

综合回归分析和时间序列分析的思想,构建中国各省人口时空回归模型,对各省的人口发展进行预测.其基本方法是首先运用相邻两年各省的人口数据建立回归方程,然后将来年人口数量作为自变量,预测下一年的数量.得到因变量数值再作为自变量,逐年往前滚动进行预测.经检验,中国各省人口时空回归模型的预测准确率绝大多数在90%以上.     

基于饱和增长趋势模型的福建人口预测

以1978～2007年福建省的人口统计数据为依据,采用饱和增长趋势模型中的修正指数模型、龚柏兹模型、逻辑斯蒂模型对福建省未来人口总量进行预测.根据预测结果进一步用三种模型进行组合得到组合预测模型,预测结果为2010年、2015年、2020年福建省人口总量分别达到:3654.93万人、3752.83万人、3832.61万人.     

昆明市人口预测模型研究

通过对1949～2000年昆明市人口总量的分析,以及从2000年第5次全国人口普查中昆明市的相关情况,重点考察了昆明市生育状况、死亡状况、年龄和性别状况,找出昆明市人口存在的问题.通过运用马尔萨斯人口模型和Logistic模型以及提出的线性回归模型对昆明市未来10年的人口进行预测,并进行模型之间的比较,进而得出昆明市未来10年人口的发展状况.     

厦门市机动车保有量的预测方法

为了预测厦门市未来5年、15年的机动车保有量,以厦门市历年机动车保有量为研究对象,选取地区GDP、财政总收入、人均可支配收入、燃料零售价格指数、常住人口、公路通车里程等6个影响较大的数据指标.采用传统的非线性回归方法,主成份分析与Logistic模型相结合的方法,综合考虑两种预测方法及其结果,预测厦门市2020年、2030年的机动车保有量分别约为220万辆、530万辆.     

基于BP神经网络的福州市人口预测模型

根据福州市区1981-2004年的人口统计数据,应用BP-MSM算法,建立福州市区BP神经网络的时间序列预测模型,并与一元线性回归模型、人口自然增长模型、指数函数模型、幂函数模型、马尔萨斯人口增长模型、Logistic人口预测模型的预测结果进行比较,结果表明BP神经网络对人口数量的预测精度更高,效果更好.     

贵州省人口总量时间序列的ARIMA模型

人口研究、预测和控制是关系国计民生的大事.对全国人口总量时间序列模型,已有很多人进行了一定的研究,对贵州省人口总量时间序列模型还未有人研究.通过研究贵州省人口总量时间序列(1952~2002年),应用B-J法建立了AR IMA模型.为人口预测和控制提供一个简单易行的统计方法.     

改进Logistic模型在城市人口预测中的应用

人口系统是一个非常复杂的非线性系统,对人口数量的准确预测能为城市经济可持续发展计划的制定提供重要依据.以福州市1961～2005年的人口统计数据为例,应用2个改进Logistic模型对人口进行预测,借助自编的改进单纯形程序进行了参数估计,并与几种常用模型的预测结果进行比较.结果 表明,应用改进Logistic模型对人口数量的预测精度更高,效果更好.     

基于等维灰数递补动态模型的人口老龄化趋势预测

运用灰色系统中的等维灰数递补动态模型,根据人口普查中得到的老年人口占总人口的比例等数据建立了动态GM（1,1）模型.对今后几年老年人口占总人口的比率进行灰色预测,并对预测精度进行验证,结果显示拟和程度较高.     

陕西人口的组合预测研究

组合预测理论及建模技术对于信息不完备的复杂经济系统具有一定的实用性.针对人口系统的复杂性及非线性的特征,文章首先利用陕西省1978-2010人口数据,分别采用灰色模型、logstic模型、自回归模型及时间曲线拟合模型建立陕西人口的单项预测模型.其次,采用标准差法进行非负权重分配,建立了陕西省人口的组合预测模型.最后,应用该模型对未来10年的陕西人口数量进行了预测.结果表明,组合预测模型的精度高于单项预测模型.     

GM(1,1)模型和Verhulst模型在人口预测中的应用

为提高我国人口预测模型的预测精度,分析了GM(1,1)和Verhulst预测模型的特点,并分别利用GM(1,1)和Verhulst模型对我国人口的变化情况进行了预测,发现灰色Verhulst模型有更高的预测精度和可靠性,更适合于我国人口的预测.     

基于灰色理论模型的人口城镇化的分析

运用灰色模型对中国人口城镇化进行灰色预测,并结合回归模型进行预测结果误差分析比较,从误差结果可看出,灰色模型用于预测人口城镇化问题比回归模型更精确可靠,可将该模型用于预测未来几年人口城镇化的程度。     

一种改进的灰色预测模型在人口预测中的应用

城市人口的发展关系着其经济、环境及资源的利用,因此,准确预测未来人口发展趋势及其规模,对制定合理的人口规划具有现实意义.本文以传统的GM(1,1)模型为理论基础,利用对数变换提高数据的光滑度,通过分析方程解的表达式,从背景值和初值两个方面提高模型精度,最后依据银川市2001年—2007年人口数据建立预测模型进行实证研究,结果表明模型预测效果理想.     

基于灰色理论模型的人口城镇化的分析

运用灰色模型对中国人口城镇化进行灰色预测,并结合回归模型进行预测结果误差分析比较,从误差结果可看出,灰色模型用于预测人口城镇化问题比回归模型更精确可靠,可将该模型用于预测未来几年人口城镇化的程度。     

基于灰色新陈代谢模型的郑州人口发展预测

采用灰色新陈代谢模型对人口总数进行预测,通过预测结果分析,找出最佳预测模型.根据预测,2015年郑州人口将达812.6956万人,2020将达865.6011万人,2023年达898.9718万人,人口呈稳定增长趋势.     

基于GA-ELM的短期负荷预测研究

为了提高短期负荷预测的精度,针对ELM模型预测中存在拟合程度低,参数容易陷入局部最优等问题,设计了一种考虑外界因素的GA-ELM模型预测方法.以湖北省恩施州某地2017年12月的历史数据对ELM进行训练,通过GA优化选取极限学习机参数,最后根据优化后的参数建立GA-ELM负荷预测模型.对比算例分析表明,GA-ELM预测模型比ELM、SVM、GA-SVM和PSO-SVM模型的预测效果更好、精确度更高.