灰色模型在武汉市商品房价格预测中的应用

应用灰色系统理论对武汉市2001—2010年各季度的商品房均价的数据进行分析,得到武汉市商品房价格GM(1,1)模型,并利用该模型对商品房价格进行预测.检验结果表明,该模型适用于商品房价格的中长期预测.     

基于Elman神经网络的铝价格预测

Elman神经网络是一种典型的局部回归网络,独特的连接层结构能记忆过去时刻的状态使网络具有动态记忆功能,特别适合处理时间序列预测问题。本文运用Elman神经网络对长江有色铝A00铝每日平均价格进行模拟预测,得到2018年1月到2018年3月一共53个工作日的A00铝日均价格的预测值。结果表明,Elman神经网络的预测精度较高。     

基于灰色预测法对农田灌溉水的研究

针对农田灌溉水有效利用的问题,以安徽省为例,运用灰色预测和等维灰色递补的方法,建立了农田灌溉水有效利用系数模型,使用MATLAB和EXCEL等软件求解,综合分析了安徽省农田灌溉水利用的现状.利用2005—2014年安徽省每年的水资源相关数据,预测出2015—2020年安徽省农田灌溉水有效利用系数.结果表明,2015—2020年安徽省农田灌溉水有效利用系数逐年增大,未来农田灌溉水的利用效率越来越高,有利于形成农业节水的新格局.     

基于ARIMA模型和LSTM模型对南极地表月平均温度的预测

全球气候变暖对自然环境和人类活动造成了极为恶劣的影响,研究南极地表气温的变化规律能够帮助人类更好地应对这一问题.以Marion站点1968—2020年的地表月平均温度数据作为研究对象,分别采用传统的ARIMA模型和神经网络中的LSTM模型进行分析预测.对比RMSE和MAE发现,LSTM模型的拟合效果更好,因此对于掌握气温未来发展趋势具有重要价值.     

基于Markov和Logistic模型的高教规模预测问题的研究

利用数学建模的方法研究高等教育规模的预测问题。运用层次分析法确定学生入学率、教育的投入、接受高等教育的总人数在高等教育规模中的贡献程度,并利用熵值取权法对权重的进行修正,得到较为合理的权重系数。接着,基于统计思想,利用Markov性模型,借助于MATLAB软件,对高等教育规模的变化程度进行分析和预测,得出未来十年的高等教育规模的变化趋势总体上是增长的,但增长程度是渐缓的。最后,利用逻尔斯基模型作为经验公式,并借助于已有数据进行非线性回归,得到高等教育规模与时间的函数关系,并由此模型预测了2017—2026年的高等教育规模值。     

基于BP神经网络的土地开发整理区 土壤有机质含量遥感定量反演

利用BP神经网络和主成分分析法,结合SPOT-5遥感数据对土地开发整理区土壤有机质含量进行定量反演.试验采集了29个土壤样品并进行野外光谱测量,29个土样分为20个预测集和9个验证集,通过主成分分析对光谱信息进行变量转换,建立土壤有机质的BP神经网络预测模型,预测精度高达0.95.与土地开发整理前相比,土地开发整理后土壤有机质含量明显增加,土壤肥力提高而且分布均匀,土地平整效果显著,该方法对土地开发整理土壤质量验收工作具有重要的理论意义和实用价值.     

灰色BP神经网络组合模型在大坝沉降监测中的应用

大坝沉降是一个非线性的过程。为了能准确预测大坝沉降,将GM(1,1)模型和BP神经网络模型结合,以某大坝沉降量为实例,研究灰色BP神经网络在大坝沉降监测中的应用。通过GM(1,1)获得一组拟合数据,将拟合数据和原始值作差得到拟合值的误差序列,再利用BP神经网络模型对拟合数据和拟合数据的误差序列进行训练,最后再以拟合数据作为输入值,利用训练完成的BP神经网络得到误差序列,进而得到预测值。经过实验分析,得出组合模型的预测精度高于单一模型的预测精度。     

基于DEA方法的城市更新绩效评价——以广州市为例

【目的】分析广州市城市更新的模式和效率，为我国城市更新提供建议。【方法】通过采集2010—2020年广州市的社会经济数据，以基础建造投资和财政支出数据为基础，运用数据包络分析法（DEA）对全市城市更新工作在经济、环境和居民生活三个方面进行绩效评价。【结果】广州城市更新除2010、2013年外，其余9年均为DEA有效，表明广州市城市更新大部分年份投入产出均衡。但是2013、2019、2020年处于规模递减状态。【结论】因此广州市政府应当合理控制投入规模，在更新时应加强对居民生活环境的提高。     

基于灰色预测对我国心血管疾病的研究

针对我国心血管疾病发病率,选取2005—2012年我国城市男性及女性不同年龄段心血管病发病率的时间序列数据,通过级比检验,确认所选数据适合进行灰色预测,为此运用所选数据建立相应的GM(1,1)模型.运用MATLAB编程,对男性及女性不同年龄段心血管病的发病率分别拟合,拟合精度良好.作外推预测,得到2013—2020年男性及女性不同年龄段心血管病发病率的预测值.预测结果表明,不同年龄段的我国城市男性心血管病发病率高于女性,而且随着年龄的增长呈现上升的趋势.     

基于混合神经网络的协同过滤推荐模型

数据稀疏性是推荐系统中严重影响推荐结果准确性的重要因素之一.针对数据稀疏性提出了融合卷积神经网络（convolutional neural network,CNN）和降噪自编码（denoisingauto-encoder,DAE）神经网络混合的神经网络评分预测模型（convolutional-denosing autoencoder,CDAE）对用户未评分项目进行预测评分，从而解决数据稀疏性问题.首先将向量化后的用户评论数据通过卷积神经网络训练得到用户特征向量矩阵，其次将用户特征向量矩阵作为降噪自编码神经网络的初始权重，结合用户评分数据经过降噪自编码神经网络训练，得到用户-项目预测评分，然后在此基础上进行基于用户的协同过滤推荐.最后使用movielens-1M实验数据集对比验证了提出的混合神经网络协同过滤推荐（convolutional-denosing autoencoder collaborative filtering,CDAECF）模型.实验证明，所提出的CDAECF模型能够有效地结合隐性反馈和显性反馈数据，具有较高的推荐准确率.