基于AHP的大学生就业信心指数组合预测

大学生就业信心指数预测结果的准确性关系到就业政策的制定与实施的效果.提出综合利用各单模型预测信息的组合预测思路,采用层次分析法确定单模型的权重值,构建组合预测模型.结果显示,组合预测模型在拟合期的表现与神经网络模型接近,优于其他两种模型;在预测期远超过其他模型的预测效果.组合预测模型的拟合性能和泛化性能优越,预测信息可作为高校制定相关政策时的重要参考依据.     

基于灰色模型的节水灌溉面积非线性组合预测

对数据进行建模预测分析时,较多采用单个模型,而单个模型难以全面反映数据的变化规律.为发挥单个模型自身优势,利用组合原理将单模型组合形成组合预测模型,以提高预测精度.组合模型中常采用线性组合方法,然而被组合模型拟合值与原始数据不具有线性关系时采用该方法效果较差.利用神经网络的高度非线性拟合能力,构建BP神经网络的非线性组合模型,并应用到我国节水灌溉面积年度数据预测上.实证表明,非线性组合预测模型精度优于单模型及基于最优加权的线性组合预测模型.     

一种基于专家理性预期的组合预测方法及应用

将多个单预测模型进行组合,是提高预测精度的有效途径.由专家理性预期对待选用的单预测模型从模型拟合、方法应用复杂性、适应性和时效性方面进行多指标综合评价,在此基础上,构建组合权重系数,给出了具有主客观信息集成特征的组合预测方法,将组合预测模型与单预测模型进行分析对比,对我国民用汽车的保有量进行了预测并给出了预测效果分析.模型预测效果分析显示,具有主客观信息集成特征的组合预测模型比单预测模型具有更强的适应性,预测精度大幅提高.     

基于BP神经网络的建筑施工事故非线性组合预测

以建筑行业百万元产值死亡率为预测对象,建立了非线性回归模型、三次指数平滑模型、灰色模型、线性组合预测模型和基于BP神经网络的非线性组合预测模型.结果表明,该非线性组合预测模型的拟合及预测精度均较其它模型有明显提高,能够有效地综合利用各单项预测模型所提供的信息,证明了该模型适用于对建筑施工事故的宏观预测,为非线性组合预测模型的构建提供新的思路.应用该模型对2014-2016年全国建筑施工百万元死亡率进行预测,计算结果表明,未来几年建筑业安全生产将会保持在一个较稳定的水平.     

基于灰色Elman-NN模型的粮食产量预测与分析

设计灰色Elman神经网络预测模型,用于陕西地区人均粮食占有量及粮食单产量数据的预测与分析。根据神经网络能有效修正灰色预测模型的思路,设计灰色Elman神经网络预测模型。在对陕西地区人均粮食占有量及粮食单产量数据进行分析的基础上,建立灰色GM(1,1)模型,并利用Elman神经网络对粮食单产量数据预测模型进行残差修正。所设计的Elman-NN组合模型效果及预测精度优于单一的灰色预测模型。组合预测模型可用于农业及粮食产量领域的预测,为政府制定、实施农业经济政策提供科学依据。     

基于灰色系统和神经网络的高校科技活动投入数据预测组合模型研究

分别使用灰色系统预测模型、神经网络预测模型和灰色系统-神经网络组合模型对高校科技活动投入数据进行预测.结果显示:与其他两个预测模型相比,灰色系统-神经网络组合模型预测效果明显较好,相对误差明显得到改善.使用灰色系统-神经网络组合模型对2015年和2016年高校科技活动投入进行预测.     

熵在空气质量指数(AQI)预测中的应用

为了更准确地找出影响空气质量指数的气象因子与提高其预测精度,提出了基于熵、BP神经网络和时间序列模型的组合预测模型。该方法利用增加了特征变量的转移熵方法,得到影响AQI的气象因子及其影响度,将得到的气象因子与AQI实测值作为BP神经网络的输入因子和时间序列分析模型的特征因子,影响度作为BP神经网络输入因子的初始权重,构建BP神经网络预测模型和时间序列分析预测模型,最后用熵值法组合各个预测模型的预测结果。实验表明利用该方法对空气质量指数进行预测可提高其预测精度。     

基于特性和影响因素分析的短时交通流预测

可靠的短时交通流预测是智能交通系统的重要基础。为了提高短时交通流预测的预测精度和对于不同交通状态的适应性,在分析了交通流特性以及时空二维影响因素的基础上,提出了一种组合预测模型,使其能够综合反映这些特性和影响因素。该组合预测模型包括时间序列模块、空间相关模块和组合预测模块三个子模块。单项预测模型包括自适应单指数平滑模型和RBF神经网络模型,组合系数是以两个单项预测子模块的平滑百分比相对误差作为输入,以神经网络作为学习算法自适应地得到。最后通过平峰和高峰时段实测的交通流量数据来验证模型的有效性和可靠性,结果表明:该组合预测模型的预测精度高于单项预测模型各自单独使用时的精度,且对于不同的交通流状况具有较好的适应性。     

边坡位移时序预测的组合模型研究

将边坡变形预测看作一个特殊的凸二次规划问题,以加权一阶局域法（AOLMM）、Lyapunov指数预报法以及神经网络预测方法（ANN）为基础,建立了边坡变形预测的组合模型,应用动态规划方法求解组合预测模型的最优解,以达到有效利用各种预测方法提供的信息和提高模型预测精度的效果．通过工程实例研究表明,该组合预测模型较单一预测模型精度有较大提高,表明组合预测模型的可行性及有效性．     

基于灰色BP神经网络的我国工业增加值预测研究

针对我国工业增加值存在季节波动性等外部因素影响其预测准确性不高的问题,提出了一种基于灰色BP神经网络的工业增加值预测算法,即采用以我国2008~2017年各季度工业增加值数据作为时间序列建立的灰色BP神经网络预测模型进行预测。结果表明,采用灰色BP神经网络组合模型预测的精度较灰色模型和BP神经网络模型精度分别提升了0.94%~4.98%和0.01%~0.08%,稳定性分别提升了1.43%~2.97%和0.03%~0.05%。此实验结果验证了灰色BP神经网络组合模型可以有效预测我国工业增加值的发展趋势,进而为政府部门制定工业发展政策提供有效依据。     

基于灰色理论的武汉市全社会固定资产投资预测

根据武汉市2001—2010年固定资产投资数据,利用灰色预测理论对未来几年的投资进行预测。文章在分析灰色理论的基础上,结合实际情况构建GM(1,1)预测模型,并用于对武汉市2001—2010年全社会固定资产投资进行拟合,同时为保证模型预测的高精度,引入了新陈代谢思想,即加入新数据的同时丢弃较"老"的数据,使拟合精度进一步提高。通过对模拟投资值与实际投资值进行比较,并且对模型精度进行检验,证实该预测模型具有较高的预测精度,其精度等级为"好",可用于对武汉市未来几年全社会固定资产投资进行预测,预测结果具有一定的参考价值。     

高边坡施工期变形预测遗传神经网络模型

基于BP网络存在的不足,将遗传算法引入到BP网络模型中,建立了高边坡施工期相邻层开挖暂停阶段变形预测遗传神经网络模型,对边坡时效变形进行预测,并对预测的结果进行检验,结果表明模型取得较好的预测效果,可供类似工程参考使用.     

基于粒子群支持向量机的矿岩强度指标的超声预测

建立以吸水率、干密度、波阻抗、动泊松比、动弹性模量为输入,抗压强度为输出的支持向量机预测模型.为了提高支持向量机预测精度,引入了粒子群算法对支持向量机的参数进行优化,克服支持向量机参数人工选取的不足.通过对鞍千矿和弓长岭矿的矿岩样本数据分析,该模型的预测误差最大为8.2%,精度明显高于传统神经网络法.结果表明基于超声波预测强度的方法具有很好效果,可望成为一种岩石强度预测的新方法.     

洪水预报误差分布的极大熵法

首先根据实际洪水预报误差出现在有限区域的特点,应用极大熵原理,建立了洪水总量预报误差分布的极大熵模型;通过几个不同流域的计算,得出随着降雨量的增大,产流预报误差趋于一个稳定值的结论. 同时将该模型计算的分布与正态分布进行了比较,结果表明用极大熵法求得的误差概率分布能更好地描述洪水总量预报误差的分布特性,可以根据实际降雨量的大小确定不同的最大不确定性的误差分布,为分析不同量级洪水预报的风险提供依据.     

中长期水文预报的模型辨识及预测研究

 针对中长期水文预报的模型辨识进行研究,探讨了预处理、建模数据量和建模方式对于模型预测精度的影响。利用基于有限采样信息准则（FSIC）的组合信息准则（CIC）对模型进行定阶,结合Kalman滤波方法进行非线性预测研究。研究表明：① 在进行模型辨识时,如果预处理导致识别的模型复杂度大幅度降低,应通过模型的预测结果对预处理方法的合理性进行检验;② 建模数据量应足以反映时序的内在波动性,但并不是越多越好,过多的建模数据量会导致模型的复杂性大幅度增加,在增加计算耗时的同时,也降低了预测的稳健性;③ 滑动模型主要是改善了较高径流值和径流峰值的预测情况,相对牺牲了较低径流值的预测精度;④ Kalman滤波方法全方位、大幅度的提高了径流在各个区段的预测效果,其峰值预测准确率更是高达63.64%。     

一类产品需求预测的支持向量机方法

 需求预测是企业生产运营决策的基础,预测精度影响着产品的安全库存量,关系到企业利润和市场竞争力.建立了一类产品（包含多个品牌）基于支持向量机(support vector machine, SVM)的需求预测模型.在该预测模型中考虑了诸如季节性和促销等不确定性因子对产品最终需求的影响.模型的训练数据和测评数据采用的是由该类产品需求函数生成的数据.测试阶段的评价则是通过与其他统计模型（回归预测方法(REG）、双因素指数平滑法(DES)、Winter模型预测方法(WIN)）和径向基神经网络模型(radial basis function neural network, RBFNN)的对比来实现的.实验结果表明,基于SVM的需求预测模型预测精度明显优于其他模型,有效地降低了产品安全库存量,提高了企业利润,为解决这类产品需求预测问题提供了一个有力的工具.     

基于灰色模型与灰色关联度对品牌手机未来销量预测

本文是用灰色预测GM(1,1)[4]模型,探讨了手机销售总数量动态变化,为手机生产提供参考.同时,用灰色关联度,来计算总销售量对需要预测的品牌影响,以关联度作为权重,来预测目标品牌.结果表明,对手机销售数量的历史趋势拟合程度较高,所以用此预测模型预测,具有一定的参考价值.     

基于灰色模型与灰色关联度对品牌手机未来销量预测

本文是用灰色预测GM(1,1)模型,探讨了手机销售总数量动态变化,为手机生产提供参考．同时用灰色关联度,来计算总销售量对需要预测的品牌影响,以关联度作为权重,来预测目标品牌。结果表明,对手机销售数量的历史趋势拟合程度较高,所以用此预测模型预测,具有一定的参考价值。     

基于灰色支持向量机的矿山安全事故预测研究

为了提高矿山安全事故预测的可靠性,在灰色预测模型GM(1,1)和支持向量机SVM的基础上,提出了矿山安全事故次数的灰色支持向量机G-SVM的组合预测模型.首先采用GM(1,1)进行数据趋势预测,然后对于残差序列采用支持向量机预测进行捕获,最后将两种模型的结果进行融合,得到组合预测结果.结果表明,组合模型比单一的GM(1,1)模型和SVM模型具有更高的预测精度.