基于Bass模型对中国私人载客汽车市场预测研究

应用Bass产品扩散模型对购买私人载客汽车市场进行研究.利用购买累计数量统计数据,估计了模型参数,并对未来购买私人载客汽车的累积购买量到达的高峰时间和数量进行了预测.同时分析了影响购买人数增加的因素,对模型在预测购买累积人数的有效性方面进行了验证.     

采用优化的Bass模型对中国IPv4标准扩散趋势研究

在介绍描述创新扩散的Bass模型基础上,提出了优化模型的方法--采用蚁群算法作为Bass模型的参数估计算法,并以中国互联网IPv4标准的扩散为例.采用优化的Bass模型对其扩散趋势进行了深入研究.通过与传统算法的比较,证明采用蚁群算法可以提高Bass模型参数估计的精度,并通过对模型实证研究结果的分析得出标准扩散作为一种特殊的技术创新扩散.遵循其一般扩散规律,采用优化的Bass模型对标准扩散问题进行研究效果会更好.最后对中国互联网IPv4标准扩散趋势进行了预测并提出了策略建议.     

基于Bass模型的中国移动互联网用户扩散研究

移动互联网近年来在我国迅速发展,已有研究表明移动互联网的用户扩散过程呈S型生长曲线。本文使用Bass模型对中国移动互联网用户扩散过程进行了实证分析,结果表明：移动互联网的用户扩散模仿系数较大、创新系数较小,并预测至2016年,中国移动互联网活跃用户数将达到7.56亿。     

基于改进Bass模型的短生命周期产品需求预测

总结了国内外对于Bass模型的扩展研究,并根据短生命周期产品自身的特征,在原Bass模型的基础上加入了价格影响因子来预测需求。利用同类产品的历史销售数据来进行模型的参数估计,并用于新产品的市场预测,得出了较好的预测效果。同时,也发现参数估计过程中对于各种已有产品的权数的确定是非常复杂而且重要的过程,这一点将直接影响预测的准确性。     

市场潜力可变的ICT标准扩散模型研究

环境可以对信息通信技术(ICT)标准扩散产生直接和间接的影响,以政策环境为代表的扩散环境能够显著的影响到信息通信技术标准的市场潜力.通过对Bass模型进行优化,引入非恒定影响系数并改变市场潜力m不可变的假设,在对高渗透率条件下的数据进行处理后,建立市场潜力可变的信息通信技术标准扩散模型(EPHP模型).基于Bass模型和EPHP模型分别对政府在技术标准扩散中有显著作用的欧洲GSM扩散进行分析,并通过统计检验比较Bass模型和EPHP模型,发现EPHP模型在有政府参与的技术标准扩散的市场潜力分析上优于Bass模型,通过实证分析得出政府行为能够对ICT技术标准市场潜力产生积极影响进而加速扩散的结论.     

基于用户体验的Bass扩散模型研究

根据经典Bass模型,从消费者个体角度出发,构建了基于用户体验的产品信息扩散模型.通过采用微分方程的数学方法,分析了产品使用者总人数与渠道系数的关系以及不愉快体验对于产品购买的影响,并且利用仿真软件验证了在不同参数条件下两类信息对经典产品和新产品信息扩散的影响及扩散状态差异.最后对模型仿真得出的模拟数据和图表进行了分析,得出产品用户体验是企业产品的保障,企业必须注重新客户对于信息的偏好,并给出能使企业持续经营、夺得市场份额的策略,为竞争性产品市场拓展提供建设性意见,从而指导企业制定新产品市场战略.     

基于政府参与的信息通信技术标准扩散模型研究

政府行为能够对信息通信技术标准扩散产生直接和间接的影响,能够显著的影响到信息通信技术标准的市场潜力.通过对Bass模型进行优化,引入政府非恒定影响系数并改变市场潜力m不可变的假设,建立政府参与下的信息通信技术标准扩散模型(GP模型).基于Bass模型和GP模型分别对政府在技术标准扩散中有显著作用的韩国CDMA扩散进行分析,并通过经济检验和统计检验比较Bass模型和GP模型,发现GP模型在有政府参与的技术标准扩散的市场潜力分析上优于原始的Bass模型,通过实证分析得出政府行为能够对ICT技术标准市场潜力产生积极影响进而加速扩散的结论.     

赠送商品促销对创新产品市场扩散模型影响研究

本文从Bass基本模型不包括可以影响新产品扩散与销量的市场变量这个局限性出发,引入价格构建出了创新产品市场扩散的价格模型,在价格模型的基础上特别考虑到赠送商品促销对创新产品市场扩散的影响,进行了深入的分析,最后得出自己的结论。     

基于服务-购买意愿的双渠道短生命周期产品需求预测模型——以快时尚服装行业为例

以短生命周期产品的代表快时尚服饰产品为研究对象,在现有Bass模型的基础上,引入平均服务影响因子和商品平均重复购买率以反映实际需求.通过算例分析比较模型改进前后的主要预测指标,从而阐明基于服务-购买意愿的改进Bass模型能够更好地实现短生命周期产品的需求预测.     

基于Bass模型的我国大学技术创新扩散实证分析

在研究分析创新扩散模型中最具代表性的Bass模型的基础上,结合大学技术创新扩散的特点,把重复购买作为变量建立了适用于大学技术创新扩散的改进模型.以我国大学技术成果转让收入作为样本数据进行回归分析,得出大学技术创新扩散的方程式,并进行前瞻性的预测分析.     

山西省互联网用户数预测分析

通过对Power预测模型和Bass预测模型的比较分析,认为Bass模型是互联网用户数预测的最优模型,并利用Bass模型对山西省互联网用户数的发展趋势进行了预测,在对预测结果进行分析的基础上,提出了促进山西省互联网建设的参考意见。     

基于Bass随机扩散模型的影视票房预测方法研究

本文对文化创意产业票房收益预测展开研究,提出了基于Bass随机扩散模型的票房收益预测方法.通过将人们观看影视的行为分为决定观看影视和付诸行动两个动作,用Gamma过程模仿了影视扩散的波动性特征,发现Gamma过程更适用于文化创意资产的扩散过程,通过实证研究证明,建立起的模型比传统票房收益预测方法提升了预测精度.     

新媒介环境下产品市场竞争扩散模型

针对新传播媒介的广泛使用对创新产品的传播与扩散途径呈现多元化格局,及其给创新产品扩散中的营销策略提出的新要求与挑战,提出了新媒介环境下产品的市场竞争扩散模型.该模型在产品创新扩散Bass模型的基础上,充分考虑了新媒介对于产品创新扩散的影响.根据微分方程定性理论,对所建立的模型进行经济分析,以期寻求新媒介渠道影响与市场占有率之间的最佳协调状态.在新型电子商务广泛应用的大环境下,为产品营销渠道战略的调整提供理论基础与决策依据.     

基于无标度网络的创新扩散模型研究

从无标度潜在采纳者关系网络出发,考虑潜在采纳者所处局域关系网络对创新采纳决策的影响,自底向上,从微观到宏观建立了创新扩散模型.模型一方面放宽了传统Bass类模型对于潜在采纳者关系网络不符合实际的假设;另一方面,引入了无标度网络的重要参数(度分布幂指数),使得创新采纳决策的微观机制能与宏观扩散数据相结合,体现了微分方程建模方法的优势,提高了模型的应用价值.对模型的进一步仿真分析发现,潜在采纳者关系网络节点度值的异质性程度越高及网络平均度值越小,则创新扩散深度越大、创新扩散速度越慢.     

中国股市跳跃行为的随机波动模型分析

基于上证综指样本数据,探讨双跳跃随机波动模型并研究股市波动跳跃行为.应用马尔科夫蒙特卡洛方法对模型参数进行估计,通过残差正态检验比较各类随机波动模型刻画股市波动能力,采用损失函数评价法和线性回归法,评估其对上证综指波动的预测精度.结果显示,中国股市跳跃波动程度和强度较大,对股市收益和波动均有显著影响;在引入跳跃成分刻画股市异常波动行为后,双跳跃模型显著提高股市收益波动率的估计精度与预测能力.     

重复购买与市场变化下产品扩散实证研究

重复购买以及市场环境变化对产品扩散有影响作用,从而限制了基本产品扩散模型的应用.通过构建反映动态市场变化的环境变量集合,基于影响系数对产品扩散模型做出修正,同时考虑重复购买因素,得到重复购买与市场变化下的产品扩散模型.以我国汽车产品细分市场之一的微型交叉型乘用车产品扩散为实例,将超过使用年限后的重复购买因素与市场的燃油价格、产品价格、宏观政策等因素作为修正变量融入扩散模型,分析目标产品的扩散规律.研究结果表明,加入重复购买与动态市场因素后,模型计算结果拟合度提高13%,预测结果的误差平均绝对比率由23.93降低至5.5.由此可知,提出的扩展产品扩散模型在解释能力和预测能力上均优于基本模型。     

基于实际波动率的VaR模型实证研究

以实际波动率预测方法替代传统的波动率预测方法，应用到VaR模型中去，并随机选择了五只股票数据进行实证研究，比较基于GARCH模型和实际波动率模型的两种VaR预测结果，得到基于实际波动率的VaR预测效果显著地优于基于GARCH模型的VaR预测效果.     

应用溶解扩散模型预测钴的渗透行为

应用溶解扩散模型预测反渗透去除放射性废水溶液中钴的渗透行为.研究了低浓度钴离子的渗透行为,结合溶解扩散模型和物料平衡,推导出渗透分离的方程.首先通过拟合较高浓度钴离子渗透的实验数据,求得模型的相关参数,然后针对较低浓度钴离子的渗透实验数据,与模型预测数据进行对比.结果显示,实验数据与模拟数据相对误差不超过15%,该溶解扩散模型可以很好地预测较低钴离子浓度下的渗透行为.     

随机配置网络在短时电力负荷曲线预测中的应用

传统梯度类神经网络负荷预测模型在面对高维度、大规模负荷数据集时，存在模型构建复杂、训练时间长等问题.为提高负荷曲线预测模型训练的时效性和预测准确性，提出了一种基于随机配置网络的短时电力负荷曲线预测方法.首先针对弱局部负荷波动对预测模型的影响，利用Savitzky-Golay滤波器对负荷时序平滑进行处理，将时序滤波处理后的负荷序列、节假日、气象等数据作为预测模型的输入组成部分.在此基础上，发挥随机配置网络模型的随机增量学习优势，完成负荷曲线预测模型的训练.利用某电厂采集的短时负荷数据及其影响因素数据对模型的预测效果进行验证，仿真结果表明，随机配置网络预测模型相较于深度神经网络模型在模型训练的时间效率方面更具优势，预测的效果基本与深度神经网络模型接近.     

高速公路突发事件恢复重建期交通量预测

为了提升高速公路突发事件应急管理能力,为突发事件恢复与重建施工及路网拥堵状况预判提供依据,提出一种高速公路突发事件恢复重建期路网交通量预测方法,利用扩散卷积和序列到序列学习框架模型,结合预定采样技术捕捉时间序列时空相关性,以高速公路联网收费数据为基础,建立路网交通量分配模型,实现对交通量时间精度下的分配;利用扩散卷积递归神经网络(DCRNN)构建高速公路路网交通量预测模型,运用扩散卷积运算来捕捉交通量的空间相关性,并使用预定采样编码器-解码器结构有效解决交通量的时间依赖问题,模型将交通的空间性建模为有向图上的扩散过程,而不是传统的网格划分;并选取自回归滑动平均模型(ARIMA)模型和机器学习BP神经网络模型对模型的准确性及有效性进行了验证。研究结果表明:将河北省石家庄高速公路路网发生突发事件后15d交通量数据做训练集,后7d数据进行验证,迭代60次时,测算每15min间隔内的路网交通量的模型精度达到0.95。提出的模型预测的平均绝对误差(MAE)和平均绝对百分比误差(MAPE)更低,能够有效弥补单一化神经网络预测模型仅能做出时序性预测的不足,可显著提高预测结果的精确性和实用性。