一种资源与服务性能关系的建模方法

获取资源与服务性能的关系模型是在云环境中为服务合理分配虚拟资源的关键.然而,训练数据的规模往往显著影响这种非线性关系模型的准确率.针对现有方法不足,提出了将协同过滤推荐(CFR)和支持向量回归(SVR)相结合的服务性能动态建模方法(CSDM).该方法在服务部署与运行时同时训练两种模型,并选择二者中MAE占优的性能模型预测给定资源状态下的服务性能,从而保证预测精度.同时,CSDM引入择优阈值以降低模型训练代价.实验表明,CSDM在不同规模的训练数据上均有较高的预测准确率,且择优阈值对预测精度和建模效率具有显著影响.     

Can online search data improve the forecast accuracy of pork price in China?

Online search data provide us with a new perspective for quantifying public concern about animal diseases, which can be regarded as a major external shock to price fluctuations. We propose a modeling framework for pork price forecasting that incorporates online search data with support vector regression model. This novel framework involves three main steps: that is, formulation of the animal diseases composite indexes (ADCIs) based on online search data; forecast with the original ADCIs; and forecast improvement with the decomposed ADCIs. Considering that there are some noises within the online search data, four decomposition techniques are introduced: that is, wavelet decomposition, empirical mode decomposition, ensemble empirical mode decomposition, and singular spectrum analysis. The experimental study confirms the superiority of the proposed framework, which improves both the level and directional prediction accuracy. With the SSA method, the noise within the online search data can be removed and the performance of the optimal model is further enhanced. Owing to the long-term effect of diseases outbreak on price volatility, these improvements are more prominent in the mid- and long-term forecast horizons.     

The industrial asymmetry of the stock price prediction with investor sentiment: Based on the comparison of predictive effects with SVR

As a representative emerging financial market, the Chinese stock market is more prone to volatility because of investor sentiment. It is reasonable to use efficient predictive methods to analyze the influence of investor sentiment on stock price forecasting. This paper conducts a comparative study about the predictive performance of artificial neural network, support vector regression (SVR) and autoregressive integrated moving average and selects SVR to study the asymmetry effect of investor sentiment on different industry index predictions. After studying the relevant financial indicators, the results divide the Shenwan first-class industries into two types and show that the industries affected by investor sentiment are composed of young companies with high growth and high operative pressure and there are a great number of investment bubbles in those companies.     

生态足迹预测模型优选——以武汉市为例

在收集武汉市1978-2004年城市人均生态足迹、能源消费量、第三产业占GDP比重等指标数据的基础上,运用灰色关联度分析,揭示出能源消费量、第三产业占GDP比重、总人口数与武汉市人均生态足迹呈显著相关.通过建立GS-SVR,PSO-SVR,GA-SVR三种模型,对随机选取的武汉市5年人均生态足迹进行模拟预测和相应的精度分析,并与神经网络模型预测结果进行对比.结果表明,神经网络模型的模拟拟合功能强于SVR模型,而GA-SVR模型的预测精度最高,是预测生态足迹的最佳方法.     

多岩性信息融合在砂泥岩孔隙度预测中的应用

储层孔隙度是表征储油物性、建立各类地质模型的重要参数。支持向量回归机(SVR)凭借良好的非线性回归能力,在孔隙度预测中开始广泛应用。由于不同岩性的储层孔隙类型不同,孔隙度结构也存在较大差异,导致该方法的实际应用效果仍不理想。针对上述问题,在孔隙度预测模型中考虑了岩性信息,将样本岩性转化为一种与岩性变化相关性好的属性值,以此构造一种新的预测模型。使用网格粗选和网格精选相结合的方法,优选模型参数。网格粗选确定最优解的近似范围,网格精选可以在局部区间搜索到最优解。结果表明:利用优选参数建立的预测模型,在实际资料预测结果中,加入岩性信息可以提高储层孔隙度的预测精度,该方法可行。     

基于网络关注度的大宗商品市场预测研究

随着大宗商品市场化的加快和电子信息技术的快速发展,以互联网为载体的网络信息将方便快捷地传递到市场及市场参与者.本文从海量开源数据出发,利用搜索引擎平台,提取核心信息构建网络关注度指标,并提出了基于网络关注度的大宗商品价格预测模型.通过引入具有不同核函数的支持向量回归模型,分别建立了针对单个市场(原油、铜以及玉米)的网络关注度预测模型和综合考虑市场间联动性的多市场网络关注度预测模型.实证结果表明,网络关注度对于市场价格的变动有显著的格兰杰因果关系,引入网络关注度指标和相关市场信息能显著提高预测精度.     

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.     

组合模型对居民消费价格指数序列的分析及预测

求和自回归移动平均模型(简称ARIMA)及支持向量回归模型(简称SVR)是两个重要且行之有效的分析及预测时间序列的方法.他们都能在一定程度上反映数据所包含的信息且信息不会完全重叠.为了能够各取所长,本文用这两种模型的组合模型对居民消费指数(CPI)进行了预测,结果显示组合模型提高了指数的预测精度.     

提升小波尺度自适应非线性预测算子构造方法

提出一种提升小波尺度自适应非线性预测算子的构造方法.通过相空间重构将剖分信号转换成训练样本,采用基于高斯核函数的支持向量回归机算法进行回归训练,给出所构造预测算子的结构,并说明基于高斯核函数实现最小均方误差原则的机理.通过仿真实验验证用所构建预测算子在故障诊断时具有较好的识别能力和较强的抗噪能力,在信号降噪时信噪比较高、效果良好.     

基于SVR的情感语音变换

提出了一种新的基于支持向量回归(SVR)的情感语音的变换方法.通过提取普通话10种情感语音的韵律特征,对比分析了中性语音和情感语音之间的韵律特征差异,利用SVR建立了基频、时长、能量、停顿等韵律特征参数的预测模型,并利用Straight算法实现了由中性语音向情感语音的转换.利用这种方法变换出的10种情感语音,其情感主观平均(EMOS)得分为3.4.