线性神经网络模型在新上证综指的预测

利用线性神经网络模型对"新上证综指(000017)"进行拟合预测,选取从"新上证综指"开始发行月份(2006年1月)开始到2011年6月的月度数据,共计66个,用前62个做训练组,最后4个数据做预测组,通过比较不同滞后窗口模型的误差平方和,选择适当的窗口数为最优模型,为了提高模拟的效果,对模型的初始数据进行优化,然后进行预测分析;结果显示,拟合效果很好,除6月份股市波动稍大,其他月份拟合误差不到3%,阐释了股票市场的短期可预测性。     

上证月平均收盘价走势的统计分析——基于ARMA模型

基于ARMA模型,对2000年1月至2014年3月上证月平均收盘价数据进行拟合,结合R和Eviews软件,用BIC准则进行模型的定阶,所选择的模型预测误差在可接受范围内,并根据最终模型进行趋势预测,结果显示未来五个月的月平均收盘价有上涨趋势.     

基于GCV的LS-SVM模型选择在个人信用评估中的应用

针对个人信用评估中数据海量性以及与影响因素之间的非线性问题,利用最小二乘支持向量机(LS-SVM)中基于GCV准则和Newton-Raphson算法的正则化参数快速选择方法建立新的个人信用风险预测模型.并把该模型与Fisher线性判别分析、Logistic回归以及半参数广义可加模型的判别效果进行了实证比较分析.结果表明该方法不仅具有快速高效的模型选择能力,并且具有较优的判别预测能力.     

秩回归模型用BIC建模的相容性及应用

文[1]提出秩和回归模型预测方法,本文研究用BIC准则选择秩回归变量的相容性问题和建模原则,给出具体的模型设计方法,并在气象预测应用中效果良好。     

基于ARIMA-GARCH模型的股票价格预测研究

利用时间序列模型对宇通客车股票的收盘价格进行预测.首先利用ACF平稳性检验来判断时间序列是否平稳,然后,选择ARMA、ARIMA、ARIMA-GARCH进行性能比较.最后,根据相关准则选择ARIMA-GARCH优化模型对宇通客车股票价格进行预测.结果表明,构建的ARIMA-GARCH模型能更准确地预测宇通客车的股价.     

基于时间序列ARIMA模型的电力负荷短期预测分析

科学的预测电力负荷数据可以更有效地进行电力生产规划和电力供需调整。本文基于代顿市2017年度电力负荷数据构建ARIMA模型,并使用该模型预测2018年的第一个月。并与1月份的实际数据进行比较,验证了模型的真实性和可靠性。研究结果表明:ARIMA(1,1,1)具有良好的预测结果和准确的预测精度。平均预测误差约为4.00%,达到了最小误差的预测效果。     

基于逐步Logistic回归下分类算法的个人信用评估分析

为了给消费者信贷决策提供合理依据,基于真实的客户信贷数据,运用逐步Logistic回归方法依据AIC准则进行变量选择建立经典决策树、条件推断树、随机森林、支持向量机等分类模型,并对4个分类模型的预测结果进行比较.结果表明:基于逐步Logistic回归建立的随机森林分类模型准确率达97％,预测效果最优;随机森林算法具有较...     

基于半连续两部模型的保险损失预测

【目的】提高保险领域中保单累积损失预测的准确率。传统的Tweedie回归模型只能对非零均值建立回归模型,却不能对零概率建立回归模型,从而导致该模型的拟合效果并不理想。【方法】考虑到保单损失数据中往往包含着大量的零索赔,此时可视其为一种半连续型数据。因此,基于半连续两部模型,并考虑到累积损失中非零连续部分的分布类型,提出3种不同的累积损失预测模型,并结合一组实际损失数据进行模型对比分析。【结果】与Tweedie回归模型相比,本研究所提出的半连续两部回归模型的赤池信息准则值(Akaike information criterion, AIC)和贝叶斯信息量准则值(Bayesian information criterion, BIC)更小,具有较好的拟合效果。【结论】本研究结果可为保险领域中的保单累积损失预测提供参考。     

ARIMA乘积季节模型在我国麻疹发病预测中的应用

为了了解我国麻疹月发病数变化规律,预测其变化趋势,为麻疹的防控与监测提供决策依据,主要采用2004年1月至2018年8月我国麻疹月发病数据,利用图示法和单位根检验判断序列是否平稳,根据差分后的平稳序列作出的ACF图和PACF图估计模型中的待估参数,以最小信息量准则(an information criterion,AIC)值最小为最优模型选择标准,以绝对误差、相对误差来评价模型精度,最终建立的模型为ARIMA(1,0,1)×(0,1,2)_(12),利用此模型做短期预测,预测得到的结果可为我国更好地制定麻疹预控方案和评估麻疹防控及监测效果提供科学参考依据。     

模型识别的自动化程序研究——以汇率数据为例

介绍了最小信息准则法、扩展样本自相关函数法和最小典型相关法等3种时间序列模型识别的自动化程序.利用人民币对美元、英镑和加元的每日汇率中间价数据建模,从模型的拟合优度和预测精度等方面评估了3种自动化程序在实证研究中的效果.研究表明,扩展样本自相关函数法的预测效果相对较好,但是3种自动化程序没有明显的优劣分化.因此,建议将自动化程序和传统的Box-Jenkins方法结合起来以达到精确选择模型的目的.     

在铜熔炼过程中第VA族元素分配行为的计算机模型

借助于多相、多成分系统中平衡计算的计算机辅助手段，提出了第ＶＡ族元素砷、锑和秘在铜熔炼过程中分配行为的计算机模型，该模型以实际铜熔炼生产过程的操作条件进行模拟，其模拟结果与所采集的生产数据一致性很好，因此，该模型可用于对铜熔炼中脱除砷、锑、铋的操作条件进行鉴定和优化，为铜熔炼过程中控制第ＶＡ族元素分配行为的冶炼新方法和最佳冶炼操作条件提供决策依据。     

Prediction of Liquid-Liquid Equilibrium Using the Group Solubility Parameter Model

The group solubility parameter （GSP） model was used to analyze the liquid-liquid equilibrium （LLE） of ternary and quaternary systems. The GSP parameters are divided into four dimensions representing the four major intermolecular forces. The values of the parameters were determined by regression using the nonlinear SIMPLEX optimization method to fit the LLE data of 548 ternary and 26 quaternary systems selected from the literature. LLE predictions of 8 ternary systems were then made using the fit parameters. Comparison of the results with predictions using the modified UNIFAC model shows that the GSP model has less adjustable parameters to achieve a similar accuracy and that the parameter values are easily acquired by analysis of available data.     

QSL炼铅过程的计算机模型

借助于多相、多成分系统中平衡计算的计算机辅助手段，提出了ＱＳＬ炼铅过程的计算机模型．利用该模型，可快速地、有效地、经济地分析了ＱＳＬ炼铅法在工业上得不到弃渣而失败的根本原因，同时，利用该模型对直接炼铅的操作条件进行鉴定和优化，为开发炼铅新方法和最佳冶炼操作条件提供决策依据     

QSL炼铅过程的热力学分析

根据已提出的直接炼铅过程的计算机模型，分析了ＱＳＬ炼铅法在工业上得不到弃渣而失败的根本原因，同时对精矿成分、熔炼温度、重油量和风量等操作条件进行了模拟，发现提高温度不能得到弃渣，而还原性的气氛却可极大地降低炉渣中铅含量，从而提出降低渣含铅的具体改进措施与方案，为在实际生产中解决这一问题提供可靠的依据．     

基于ARIMA模型的时间序列数据挖掘方法改进

ARIMA模型是一种很重要的时间序列数据挖掘模型,但是这个模型往往只是对某个时间点进行研究.事实上一段时间往往影响未来的预测结果,就ARIMA模型的数据挖掘方法进行改进,并用美国IT界的股票价格数据对改进的模型进行了实证分析.结果显示改进后的模型与未来股票价格的预测更加准确.     

盐湖地区钢筋混凝土结构使用寿命的预测模型及其应用

根据Fick扩散定律，推导出综合考虑混凝土的氯离子结合能力，氯离子扩散系数的时间依赖性和混凝土结构微缺陷影响的新扩散方程，建立了用于预测混凝土使用寿命的氯离子扩散理论模型，用暴露于青海盐湖地区的C20和C40混凝土立方体试件对理论模型进行了实验验证，用在青海盐湖地区实际运行19a的钢筋混凝土结构对理论模型进行了工程验证，结果表明，本文理论模型的预测值与实测值非常吻合，而Fick第二扩散定律与实测值明显不符，此外，运用本文理论模型预测普通钢筋混凝土电杆在盐湖地区的使用寿命仅1．2a，而抗腐蚀钢筋混凝土电杆的使用寿命能够达到50a以上。     

用于模拟湍流射流扩散燃烧的条件矩模型

采用Bilger提出的条件矩模型对CH4－CO2湍流射流扩散燃烧进行了数值 模拟。对于湍流流和混合分数场采用k-ε-f-g模型,对于组分浓度场采用条件矩模型的抛物线型方程。将速度场、温度场和主要组分（CH4和CO2）浓度场的模拟数据与美国Sandia国家实验室的实验数据进行了对照。结果表明条件矩模型能够较好地反映扩散燃烧的火焰结构,是湍流燃烧模型研究的一种值得探讨的有前途的方法。     

富氧对铜熔炼中伴生元素行为和能耗的影响

借助于已开发的铜冶炼过程的计算机模型,模拟研究了富氧浓度对伴生元素Ni,Co,Sn,Pb,Zn,As,Sb和Bi在铜冶炼体系中的分配行为和炉子能耗的影响。模拟结果与贵溪冶炼厂和霍恩冶炼厂的实际生产数据进行了比较,模拟值与实测值吻合得很好。研究表明:在铜冶炼中使用富氧,有利于节能,却对挥发性的伴生元素Sn,Pb,Zn,As,Sb和Bi等在气相中的挥发脱除十分不利。     

机场道面使用性能的动态自回归预测模型

针对我国机场道面性能观测时间短,观测数据少,使用现有模型预测精度低,不能根据观测值动态更新预测模型等现状,提出了将卡尔曼滤波应用于时间序列预测的方法,建立了动态自回归预测模型,进行机场道面使用性能的预估.选取我国华东某机场的实测道面状况指数为基础数据,进行时间序列建模,应用卡尔曼滤波算法实现时间序列模型参数的实时更新,分析模型的预测效果.时间序列数据较少时,难以建立高精度的自回归模型,通过卡尔曼滤波处理建立的动态自回归预测模型精度明显提高.     

利用人工神经网络预测毫米波的生物效应

利用BP神经网络模型建立了毫米波生物效应预测模型，模型经训练后可以准确地预测实验结果，表明采用L－M算法的BP人工神经网络是用于预测微波生物学效应的优良模型。