基于IOWA算子的我国居民消费水平组合预测研究

为了研究我国居民消费水平的变化趋势,将预测我国未来4年（2020—2023年）的居民消费水平,选择的样本数据是从2002—2019年这18年间的我国居民消费水平,构造基于ARIMA(2,1,1)模型、Holt Winters无季节模型以及多元回归模型的诱导有序加权算术平均(IOWA)算子组合预测模型,主要运用使偏差平方和最小的组合预测优化方法预测我国未来4年（2020—2023年）的居民消费水平,并对诱导有序加权算术平均IOWA算子组合预测模型进行了有效性评价;以新发展格局的内循环和外循环为依据,寻找解释变量并建立多元回归模型;研究发现：IOWA算子组合预测模型预测精度大于各单项预测模型,并且各项误差均显著低于单项预测模型,未来4年我国居民消费水平不会有大幅度波动,但有小幅度下降的趋势。     

基于IOWA算子的中国人口出生率的组合预测研究

根据1995年—2015年我国人口出生率数据,采用多元线性回归、指数平滑、ARMA模型3种预测方法,分别得出我国人口出生率2016年—2020年的单项预测值。引入诱导有序加权算术平均(IOWA)算子,基于误差平方和最小的组合预测模型,并且通过模型评价发现,该组合预测模型的各种误差指标小于单项预测值,因此,验证了模型的有效性。利用所建立的模型预测未来5年我国人口出生率。由于人口出生率关系到国家长期的经济可持续发展,通过预测结果可为政府提出相应建议。     

基于IOWA算子的安徽省固定资产投资的组合预测

以1990～2011年安徽省固定资产投资为样本区间,运用VAR预测模型、指数预测与二次移动平均预测3种单项预测方法,以预测误差平方和最小准则,建立IOWA算子组合预测模型。对该模型的预测有效度进行评价,结果表明:该组合预测模型能有效提高预测精度。     

安徽省城镇居民人均可支配收入组合预测

针对单项预测存在一定随机性、预测精度较低等问题,基于误差平方和最小准则,结合 GIOWA算子提出 4 种特殊参数的变权系数组合模型,以 2000—2020 年安徽省城镇居民人均可支配收入数据为样本,对安徽省未来 5 年城镇居民人均可支配收入进行预测。 首先分别应用 3 种单项预测模型对安徽省城镇居民人均可支配收入进行拟合预测,然后以误差平方和最小为准则,结合 GIOWA 算子构建变权系数组合模型,同时对 GIOWA 算子取 4 种特殊参数得到相应的组合预测模型,最后应用所构建模型对安徽省未来 5 年城镇居民人均可支配收入进行预测。 结果表明:变系数组合预测模型预测效果优于单项预测模型;安徽省未来 5 年城镇居民人均可支配收入将会持续稳定增长。     

基于IOWHA算子的对外直接投资组合预测

在引用诱导有序加权调和平均(IOWHA)算子组合预测模型的基础上,首先分别使用ARIMA模型、灰色预测模型、多元线性回归模型对我国对外直接投资(OFDI)进行预测,然后建立基于IOWHA算子的组合预测模型和评价指标体系;结果显示:IOWHA组合预测模型优于3种单项预测;运用组合预测模型预测我国未来4年的OFDI值,预测值表明未来几年,我国OFDI仍处于增加状态,增幅较大;最后给出相关结论及建议。     

基于IOWHA算子的中国货币供应量组合预测模型研究

选取1990年—2015年的中国货币供应量数据,分别使用ARMA模型、指数平滑模型、多元线性回归模型对我国货币供应量(M2)进行单项预测,并在此基础上引入诱导有序加权调和平均(IOWHA)算子建立组合预测模型,然后建立评价指标体系以比较各类单项预测方法和组合预测方法的预测精度。评价体系显示IOWHA组合预测模型优于3种单项预测;最后用组合预测模型对2016年—2020年我国的货币供应量M2进行预测。结果表明:未来几年,我国的货币供应量仍然处于递增状态,增幅较大。     

基于IOWA算子的短时交通流预测方法研究

本文首次将诱导有序加权平均（IOWA）算子应用到短时交通流预测中,建立了以整体预测误差平方和最小为目标的组合预测模型。在分析短时交通流预测模型的基础上,本文选取了指数平滑法、季节自回归求和移动平均模型（SARIMA）、BP神经网络模型对短时交通流进行预测,再用IOWA算子将这三种模型进行组合预测。最后进行实例验证,通过MAE、MSE和MAPE三项指标比较分析四种模型的预测效果。结果证明,IOWA算子组合预测模型明显优于其他的预测模型,有效地提高了短时交通流的预测精度。     

基于IOWA算子的中国能源消费总量的组合预测

本文利用多元回归模型、指数模型、灰色预测这三种方法分别对我国的能源消费做了预测,然后利用IOWA算子,运用诱导有序加权平均方法,对这三种模型的预测值进行了组合.实证结果显示,基于IOWA算子的组合预测的精度比三种方法各自的精度要高,而且精度比较稳定,达到了预期的水平.在此基础上,运用IOWA算子组合预测了2013年的能源消费总量,以期为相关部门制定能源政策和宏观经济的运行提供有用的参考信息.     

基于组合预测模型对中国经济外贸依存度的预测

以"中国制造2025"战略为背景,研究中国经济增长对外贸的依赖程度.选取1978—2018年进出口贸易量和GDP为基础数据,分别运用NARX(nonlinear autoregressive with exogenous inputs)动态神经网络和ARIMA(autoregressive integrated moving average model)模型作为单项预测,建立组合预测模型,预测了2019—2025年中国经济对外贸易依存度,并对其进行测度和分析.研究结果表明:组合预测模型比两种单项预测模型效果更好,预测精度更高;未来几年中国的对外贸易依存度指数值呈下降趋势,预计2025年将下降到0.2279,同比2019年下降幅度高达26.83％.     

基于IOWA算子的赤潮LMBP神经网络组合预测模型

针对现有赤潮单项预测模型不能综合各种理化因子有效信息的问题,提出了一种赤潮组合预测模型,该模型基于诱导有序加权平均(IOWA)算子与Levenberg-Marquardt人工神经网络(LMBP)算法,能够有效集结各种理化因子的信息,其预测精度比单项LMBP神经网络预测模型有较大提高.采用烟台四十里湾赤潮监测数据对该模型进行实验.结果验证了该模型的有效性和实用性.     

基于IOWA算子的安徽省物流需求组合预测

使用安徽省1988-2011年物流货运量的历史数据,分别采用多元回归、多项式拟合回归及指数曲线回归预测方法建立了安徽省物流需求的预测模型.在此基础上,建立了基于IOWA算子的组合预测模型和预测误差评价指标体系,最后应用此模型对安徽省未来10年的物流需求进行了预测.结果表明,该组合预测模型可作为安徽省物流需求预测的有效工具.     

基于预测有效度的IOWA算子模糊组合预测方法

传统的组合预测方法大部分都是针对数字型数据进行的,但在实际生活中,预测对象具有模糊性,常用三角模糊数表征其特征信息;提出了基于模糊信息的一阶预测有效度的概念,并将其作为精度指标,运用诱导有序加权平均(IOWA)算子对三角模糊数信息进行集成,建立了相应的组合预测模型,实例分析表明基于一阶预测有效度的IOWA算子模糊组合预测模型是可行和有效的。     

新能源电动车销量预测模型的应用

随着新能源电动车(乘用车)的使用越来越普及,对其销售预测的研究尤为重要。首先采用指数平滑预测方法对其进行销量预测;考虑到新能源电动车销售量呈现季节性变化,将季节变动指数融入灰色预测中,给出了基于季节变动指数改进的灰色预测模型;为了进一步提高预测精度,引入IOWA算子,将指数平滑预测与改进的灰色预测相组合,给出了基于IOWA算子的组合预测模型;最后通过实例仿真验证了模型的可行性和有效性,为发展新能源汽车提供基础资料。     

基于Theil不等系数的GIOWLA算子我国小麦最低收购价的预测分析

以2006~2015年的我国小麦最低收购价作为研究对象,运用灰色预测、多元线性回归以及二次指数平滑法三种单项预测方法预测在不同时点上的我国小麦最低收购价,在使用广义诱导有序加权对数平均算子(GIOWLA算子)的基础上,引入Theil不等系数,构建了基于Theil不等系数的GIOWLA算子的最优组合预测模型,并对模型进行有效性检验。检验结果表明,该组合预测模型优于传统的单项预测模型,能够充分利用各个单项预测方法的信息并能提高预测精度,是一种优性组合预测,故用此组合预测模型预测了2016~2020年我国小麦最低收购价,使得预测结果更加合理有效。     

基于GIOWA算子的"十四五"时期教育经费投入预测

以我国教育经费投入为研究对象,选取1991—2018年教育经费投入数值,在多元回归模型、Holt-winter非季节指数平滑模型、分段线性模型三种单项预测模型的基础上,运用广义诱导有序加权平均(GIO-WA)组合预测模型预测我国2019—2025年教育经费投入,其中2019年、2020年为修正模型的样本.结果表明,λ取...     

基于区间精度和IOWA算子的变权组合预测方法

现有的区间组合预测模型往往是将单项预测方法不同时刻的预测精度转化为实数,这将导致预测信息的损失。因此,文章提出一种新的区间预测精度的概念,将单项预测方法不同时刻的精度用区间数表示,并利用可能度对其进行排序;将排序后的预测精度作为诱导变量,构建基于区间预测精度和诱导有序加权平均(induced ordered weighted averaging,IOWA)算子的区间变权组合预测模型;实例分析说明了该区间组合预测方法的有效性;最后,对模型参数做了灵敏度分析。     

基于熵权法的灰色组合模型的应用

针对粮食产量波动较大,单一预测模型不能实现精确预测问题,提出一种基于熵权法的灰色组合模型.利用熵权法对预测误差较小的DGM(1,1)和多元线性回归模型进行定权组合,并分别对我国2010—2015年粮食产量进行预测,结果表明,用改进的组合模型预测的粮食产量误差更小.     

基于灰关联度的IGOWLA算子中国楼市库存的预测分析

在回顾灰关联度和诱导广义有序加权对数平均算子(IGOWLA)等概念的基础上,构建了基于灰关联度的IGOWLA算子最优组合预测模型。分别利用多元线性回归模型、残差自回归模型、GM(1,1)模型对我国商品房待售面积进行了单项预测,建立了基于灰关联度的IGOWLA算子组合预测。     

基于邻近度的安徽省人均GDP组合预测模型

针对安徽省人均GDP预测问题,以安徽省2000—2018年人均GDP数据为研究区间,其中2000—2017年数据作为训练集,2018年数据作为测试集,提出了一类新的预测评价指标-邻近度及基于邻近度的组合预测模型,并引入一种新的组合权系数求解方法;首先对训练集进行单项预测,即对训练集数据进行指数预测、抛物线预测和移动平均预测,接下来对各单项预测值综合考虑,建立基于邻近度的加权几何平均组合预测模型,通过求解模型得出各单项预测权系数进而求出基于邻近度的组合预测值,最后分别在测试集和训练集上与其他预测方法预测结果进行比较,并预测安徽省2019—2021年人均GDP数据。     

吉林省粮食产量最优组合预测

运用吉林省１９８６～１９９５年粮食产量资料,建立最优加权组合预测模型,利用该模型预测我省未来几年的粮食产量。