CPI指数预测的统计回归模型

对CPI值进行预测,对我国相应部门做出正确的宏观决策有积极意义.本文采用应用非常广泛的一类随机模型——统计回归模型,首先找到关于CPI指数变化的影响因素,搜集相关的大量数据;然后通过应用主成分分析法找出影响CPI的3个主要因素;最后基于3因素的数据,通过统计分析,建立回归模型,对短期内的情况进行预测.     

岭回归在修正多重共线性中的应用

以2000-2010年四川省CPI的数据及部分影响因素为基础,运用SPSS17.0对CPI数据建立多元线性回归模型,并基于岭回归对模型中的多重共线性进行修正,得到了修正后的模型,说明此方法具有一定的实用性。     

居民消费价格指数的ARCH模型及实证分析

本文根据居民消费价格指数时间序列（CPI）数据本身的特点,建立了CPI的自回归模型、一到三阶ARCH模型。比较各个模型参数,得到CPI短期预测最优模型为自回归一阶ARCH模型。预测效果图表明：自回归一阶ARCH模型在预测趋势突变时会有一定的滞后性。     

基于加权马尔科夫模型的湖北省CPI预测

研究地区CPI的变化趋势,对全面把握当地宏观经济运行状态,据此制定相应的政策措施,保持地区CPI基本稳定以及促进本地区经济健康发展等具有重要意义.针对传统马尔科夫预测模型存在对历史数据均衡看待,且预测结果比较笼统的问题,采用对不同时期历史数据加权重和模糊数学处理预测结果的方法进行了改进,发挥数据的特点,拓展了模型的应用范围.运用改进后的模型对湖北省CPI进行了预测,通过验证得到模型有较好的效果.由模型预测得到2019年4月湖北省CPI为2.473%.     

基于小波分解-卷积神经网络和支持向量回归的短期负荷预测

为了提高短期负荷预测精度,考虑到除历史负荷数据之外的其他因素对短期负荷预测的重要影响,提出了一种基于离散小波分解(wavelet decomposition, WD)、卷积神经网络(convolutional neural network, CNN)和支持向量回归(support vector regression, SVR)的负荷预测模型。首先,该方法通过小波分解算法对历史负荷数据进行分析与重构,得到长度相同的历史负荷数据,降低了原始序列中非平稳性对预测精度的影响;其次,对天气因素、日期类型进行特征构造,得到特征数据;最后,将处理后的负荷数据输入卷积神经网络支持向量回归机模型,将天气特征数据输入反向传播(back propagation, BP)神经网络支持向量回归模型,通过两个模型结果的叠加得到最终的预测值。实验结果表明,模型的预测精度和效率优于传统的CNN网络、SVR网络以及输入不进行划分的CNN-SVR模型,验证了其可行性。     

基于神经网络和SARIMA模型的旅游需求探讨

拟对海南省旅游需求进行预测,采用旅游人数来度量旅游需求,收集相关部门数据,并通过分析旅游资源、环境、交通、费用和服务质量因素对旅游需求的影响,从而建立多元线性回归模型．在预测时,采用GM（1,1）得出各因素的预测值,然后通过神经网络进行海南省年旅游人数的预测,在对年内每月的旅游需求进行预测时,还考虑季节对旅游需求的影响,通过时间序列分析法,建立了SARIMA（3,1,2）（1,1,1）12模型,并进行了预测,结果表明,预测值符合实际人数．     

基于支持向量分位数回归的货币需求条件密度预测研究

考虑到货币需求与其影响因素之间复杂的关系,基于支持向量分位数回归(support vector quantile regression,SVQR)模型,文章研究了货币需求及其影响因素之间的非线性依赖关系,给出了货币需求条件密度预测方法,并将其与传统的线性分位数回归模型进行了比较。选取中国2004年1月至2014年12月期间工业增加值、消费物价指数(consumer price index,CPI)、利率与M1的月度数据进行实证研究,结果表明SVQR模型不仅能够很好地拟合货币需求,而且能够给出准确的概率密度预测结果。     

基于Logistic回归和神经网络比较的咽喉反流疾病的精准预测

数据来自吉林大学第二医院193位病人的反流症状指数评分量表(RSI)数据,应用Logistic回归模型与神经网络模型对咽喉反流疾病进行预测.首先对数据进行预处理和相关性检验,再将数据按7:3拆分成训练集和验证集,最后通过Logistic回归模型和神经网络模型两种方法对咽喉反流疾病进行预测.结果表明,Logistic回归模型的预测准确率为99.39%,神经网络早停止法训练出的模型预测准确率最高为98.61%.因此,Logistic回归模型对咽喉反流性疾病的预测更加准确,为咽喉反流疾病的高效识别奠定了基础.     

柴油机性能及排放预测高效试验设计应用研究

为柴油机性能预测及优化提供更为高效合理的试验方法,通过对比分析不同试验设计方法回归模型的精度及效率,研究了正交设计及均匀设计在建立柴油机性能及排放多元非线性回归预测模型中的应用。回归模型的建立采用了逐步回归分析方法,能够根据试验数据提取对预测参数影响最为显著的因素,建立最为精确且简单的预测模型。回归模型的建立除了包含各个因素的主效应外,还考虑了各个因素的交互作用及非线性作用,使回归模型更为精确。最后对2种试验设计方法的回归模型预测精度及效率进行对比分析,结果显示均匀设计在柴油机性能及排放预测试验研究中更为高效。     

基于多元时间序列的PM2.5预测方法

针对利用多元线性回归和时间序列模型预测PM2. 5时,存在信息利用不全面和预测精度不高的问题,提出了基于多元时间序列(ARMAX)的PM2. 5预测方法;方法在回归项中引入了PM2. 5影响因子在时间序列上的滞后性阶数,并对残差序列进行信息提取,建立了PM2. 5浓度预测模型;首先通过"天气后报网"采集了合肥市2017年和2018年污染物数据;完成了数据的预处理及相关性分析;分别建立了PM2. 5浓度预测的多元线性回归模型、时间序列模型和ARMAX模型;最后通过RMSE、MAE和Theil不相等系数3个评价指标,将3个模型预测精度进行比较;结果表明:ARMAX模型的预测精度显著高于单一的时间序列模型或多元线性回归模型。     

混凝土坝坝基扬压力统计模型的探讨

本文结合我国东北F大坝32~#坝段的横向扬压力观测资料,用物理推断法和统计相关法选择扬压力统计模型的因子。文中着重对时效因子进行研究,选择三种不同的时效模型与水压因子进行组合,从而用逐步回归分析法求出扬压力的最佳统计模型及回归方程。该模型不仅与当日水头有关,而且与用时效因子表示的坝踵附近的泥沙淤积程度有关。用该统计模型分析实测资料,其分析结果与实测值拟合较好。     

土性空间变异性统计模型的改进

针对土性指标的回归模型通常没有考虑土性指标的非线性趋势分量以及土层其他因素引起的土性指标突变,建立了一个非线性回归模型,并考虑土性随机分量之间的自相关性的问题,使土性指标的统计模型具有普遍性.同时,为了在回归模型中体现土层其他因素对土性指标的影响,构造了一个虚拟变量并将之应用于土性指标的统计模型中,从而建立了第二个非线性回归模型.最后以两组不排水抗剪强度实测数据为例对两类模型的准确性进行了验证,结果表明:在所能见到的文献中,提出的第二个模型的回归方差是最小的.     

大城市边缘区LUCC驱动力的时空分异研究——以北京昌平区为例

基于GIS和数理统计分析,以北京市昌平区为例,采用1996-2004年土地利用数据和基础地理信息数据,将定性分析与定量分析结合、空间分析与时间分析结合起来研究影响土地利用变化的驱动机制.在空间上,利用Logistic回归分析,从自然因素、人口增长和经济发展3个角度选取与土地利用变化相关的驱动因子.分析结果表明:耕地与建设用地间的转换,主要与非农业人口增量、第二产业产值和河流远近有关;农用地类型间的转换主要受坡度、海拔和距河流远近等自然因素的影响;建设用地类型间的转换主要由城市化和产业布局的变化引起;农用地向建设用地的转换则主要受社会经济因素的影响;建设用地向农用地的转换主要受自然因素的影响.在时间上,通过定性分析,发现研究区土地利用变化主要与人口的增长、经济的发展以及政策驱动直接相关,城镇建设用地面积与非农业人口和GDP之间呈现良好的对数正相关,耕地面积与非农业人口和GDP之间呈现良好的对数负相关,农业结构调整政策是耕地向园地、林地的流转的主要驱动力,生态退耕政策则是耕地、园地、农村居民点用地和未利用地转换成为林地的重要驱动因素.     

特高拱坝变形监测的分区及其模型构建方法

面板数据模型考虑了测点间的联系和异质性,引入面板数据模型构建特高拱坝的分区安全监测模型.通过实测温度的主成分分析,筛选得到典型实测温度变量;融合主成分分析和层次聚类法,提出基于监测时间序列的变形测点分区方法;以此建立各分区面板数据,通过检验确定面板数据模型类型,构建基于实测温度的分区变形测点的回归模型;通过分区及其回归...     

基于Logistic回归模型的男子职业网球制胜关键技术指标的实证分析

目的:(1)使用二分类Logistic回归模型筛选出与比赛结果高度相关的指标;(2)根据筛选的指标建立影响比赛结果的Logistic回归方程.对象2016年澳大利亚网球公开赛男子单打128名网球运动员的全部165场比赛.方法:以国际男子职业网球巡回赛官方所公布的各项技术指标为预选自变量;通过澳大利亚网球公开赛官方网站获取各场次比赛的数据,使用Excel2003软件进行数据录入和整理,使用SPSS20.0软件对数据进行正态分布(K-S)检验,对不服从正态分布的数据进行非参数检验(Kruskal-Wallis H)、对服从正态分布的数据使用独立样本t检验,对各检验结果进行相关性分析,使用二项Logistic回归模型,以比赛结果:获胜=1,失败=0为因变量对指标进行筛选并构建模型,通过回带检验验证模型的准确性.结果:(1)筛选出高度影响男子职业网球比赛胜负结果的五项指标;(2)根据筛选指标建立相应的Logistic回归模型.结论:(1)现代高水平网球比赛要求运动员具备全面发展的技术能力,高效益下的技术稳定发挥是职业网球的发展方向.(2)运动员的攻、防及稳定发挥能力是影响比赛结果的主要因素,在训练中应针对性地增加攻防对抗练习.     

基于STR模型的CPI波动与货币供应量关系的实证分析

针对居民消费价格指数(CPI)的波动与货币供应量之间的关系,若用线性回归来研究,将会忽略这样两个问题:1)此函数关系是否一成不变;2)它们之间的影响是否存在对称性。本文以非线性STR模型技术来分析两者之间的非线性、非对称关系。研究发现,以logistic函数作为过渡函数的STR模型能很好地描述CPI波动与货币供应量的非线性动态关系。模型表明,在1993年1月到2010年12月期间,中国CPI波动与货币供应之间存在明显的非对称性,具有很强的非线性特征,两者之间存在机制转换动态特征。紧缩的货币政策机制下,CPI波动加剧;从宽的货币政策机制下,CPI波动主要由市场经济自我调控。     

Box-Behnken设计响应面法优化超声波辅助双水相法提取玛咖多糖

利用Box-Behnken设计响应面法优化超声波辅助双水相法提取玛咖多糖的条件.采用玛咖干根为原料,考察了提取温度、提取时间、料液比3个因素对提取结果的影响.在单个变量因子实验基础上,通过采用Box-Behnken设计响应面分析法对玛咖多糖的超声波双水相提取条件进行优化.最佳提取条件为提取温度60 ℃、料液比1∶20(质量比)、提取时间52 min.与二次方程的拟合度在0.815 3,得到玛咖多糖的提取率为15.831%,与实测值15.732%基本一致.Box-Behnken响应面法用于优化超声波辅助双水相法提取玛咖多糖的条件是可行的,模型预测效果较好,优化条件具备可行性.     

统计学分析方法应用于乳酸乳球菌培养基的优化

应用Plackett-Burman设计法对影响乳酸乳球菌发酵的培养基主要组分进行筛选,确定了影响乳链菌肽效价的关键因素为酵母浸粉、葡萄糖和K2HPO4.在此基础上,采用响应面法(RSM)优化乳链菌肽发酵培养基.结果表明,当酵母浸粉质量浓度为22.35g/L,葡萄糖质量浓度为24.80g/L,K2HPO4质量浓度为13.65g/L时,乳链菌肽产量最大,此时,乳链菌肽产率为2157IU/mL.实验验证,最佳条件下乳链菌肽产率为2115IU/mL,预测值与验证值吻合得较好.     

糯扎渡堆石坝施工期心墙沉降统计模型分析

以糯扎渡施工期心墙沉降为研究对象,阐述了统计回归模型的建立与分析的理论及步骤.借鉴传统统计模型,通过改变模型因子形式建立不同模型,对比分析模型应用结果确定较优且适用的统计模型形式.通过实测资料建立模型并评价模型预测效果,结果表明模型预测精度高,使用较传统模型更为方便,可以作为该工程施工期沉降分析的一个工具,并可为类似工程提供参考.