包含周期变动的回归预测模型及其应用

在包含周期变动的回归预测模型基础上，在趋势分量的估计中引入了多元线性回归估计，并将此模型应用于山东省城镇居民人均生活消费的预测，提高了拟合度和预测精确度。     

基于MVO-SVR-AdaBoost的中国煤炭需求量预测模型

为准确预测未来中国煤炭需求总量;首先确定我国煤炭需求量的7个主要影响因子,将集成学习算法以及支持向量回归算法应用到中国煤炭需求量预测中,借助多元宇宙算法优化支持向量回归机中关键参数,构造基于MVO-SVR-AdaBoost的中国煤炭需求量预测模型;将1980-2017年历史数据带入模型.结果表明:建立的煤炭需求量预测模型适配度高达0.9791,平均绝对误差仅为4.2928%.基于历史数据,确定各因子年均增长率的可能波动边界值,在GDP低、中、高速增长的情况下随机组合分别带入模型得到2018-2020年中国煤炭需求量的可能数值区间.     

股票交易价格预测模型研究

本文在分析股票交易价格影响因素和对股价波动进行分解研究的基础上,建立了一种带控制项变量的股票交易价格自相关预测模型和相应的计算机软件.计算结果表明,本模型具有实用价值.     

基于多变量灰色预测模型的多元线性回归模型

针对各自变量之间的关系,利用多变量灰色模型建立了自变量的预测值,剔除了自变量观察数据中的噪声污染。进而建立了一种改进的多元线性回归模型。最后,通过实例说明模型具有较高的预测精度。     

基于技术下武汉市房产价格预测与分析

本文以武汉市的房地产价格为研究对象,以近期实际成交的房地产价格数据为依据,采用线性回归分析法,探讨了影响房地产价格的因素.其中,时间序列分析表明,武汉市房产价格波动较大的区域为商圈区域、轨道交通周边区域、重点学区区域以及河湖周边区域.在武汉市,以中心城区为核心的同心圆状区域、"两江"核心区域、湖泊周边区域的房地产价格依...     

煤炭价格波动及其稳定机制研究

结合煤炭价格理论分析了煤炭价格波动对资源型经济区域的影响,并从完善煤炭价格调节基金制度的角度探讨了实施煤炭价格调节基金的意义及相关设想。     

客运交通量预测模型构建与分析

客运量预测是在客运市场调查的基础上以及历年的客运统计数据为依据,采用科学的方法和手段,对未来一定时期内客运量的需求的变化趋势以及与之相关的各种因素的变化的影响进行分析、测算并做出预见和判断.通过对公交票价和市区人口数以及市区自行车保有量数据进行分析,利用多元线性回归方法建立了城市客运量的预测模型.其次又运用二次指数平滑法对某市下一年的客运量做出了科学的预测,同时建立客运量预测模型.并对两种预测模型的精度进行了比较,将两种预测模型下的拟合值与实际值进行了对比,进一步检验了模型的应用.     

中国煤炭产业集中度影响因素分析

在产业组织理论经典的SCP(结构-行为-绩效)分析范式中,市场结构通过影响市场行为,进而可以影响市场绩效.调整和改善不合理的市场结构是提高目标市场绩效的重要手段.产业集中度是重要的市场结构指标,它的变化的影响因素一直是产业经济学研究的重要内容.文章将产业组织理论和计量经济方法相结合,运用统计学相关方法及统计软件,对我国煤炭产业集中度的主要影响因素进行定量的实证分析,最终确立期初集中度、进入壁垒、市场容量、扩张能力等指标与煤炭产业集中度之间的数量关系,为制定我国煤炭产业又好又快发展的产业政策提供参考.     

价格预测模型及算法

建立价格预测系统，包括价格及相关因素的预测模型、算法及软件。该系统适应广，特别适合农产品、副食品等价格的预测，其中针对模型的参数估计，提出一种计算方法，称为恒等变换法；它解决了迭代公式中的初始值问题，将此初始值赋予Ｇ－Ｎ、Ｍａｒｑｕａｒｄｔ、交替迭代或其他算法，只需经过几次迭代便满足收敛条件的要求。     

我国煤炭需求组合预测模型及应用

煤炭需求是一个复杂的非线形系统,其发展变化具有增长性和波动性,科学地预测煤炭需求量对于正确制定煤炭工业发展规划和优化配置煤炭资源具有重要意义。本文在对我国煤炭消费历史数据分析的基础上,构建了一元回归模型、灰色预测的GM(1,1)模型和三次指数平滑模型3个单一预测模型;据此,基于二次规划法和Shapley值权重分配法分别构建了组合预测模型。实证研究结果表明,组合模型预测效果均优于单一模型,可以作为煤炭需求预测的有效工具;基于这一组合模型对我国2013—2020年煤炭需求量进行了预测,为制定未来煤炭需求发展规划提供了依据。     

季节性商品销售量预测模型

利用两次回归分析、Fourier级数频谱分析、自回归模型的叠加建立了一类销售量的预测模型.对季节变化关联较强的商品的销售量,该模型有较高的预测精确度.不仅给出了模型中主要参数的估计方法,还给出了一个建模的实例。     

自适应参数的AOSVR算法及其在股票预测中应用

以股票预测为背景,在一种在线SVR算法AOSVR中,引入Cherkassky参数选择策略,形成自适应参数的AOSVR算法.根据时间序列的变化,通过在线调整SVR参数达到更好的预测精度和泛化能力.另外,针对股票市场特性,利用AOSVR的"忘记"阈值丢掉早期数据来集中刻画近期的股市特点.将自适应参数的AOSVR算法应用到上证综合指数构成的时间序列上,取得了良好的预测效果.     

基于ARIMA的居民消费价格指数建模与预测

根据我国2007～2010年的实际居民消费价格指数,建立了基于ARIMA的物价指数预测模型。实验结果表明,该模型的绝对误差以及百分比绝对误差都控制在了一定范围之内,因此该模型拟合效果较好,预测值接近实际值。最后,应用该模型对我国2011年1月至5月的居民消费价格指数进行了预测。     

煤炭自燃预测预报技术及其应用

在论述各种煤炭自燃预测预报技术的基础上，根据大屯煤矿的实际情况，利用三维动态数学模型预测煤炭的自然发火期和高温区域，用CO和C2H4作为煤炭自燃预报的指标气体。     

线性/非线性时间序列模型一般表达式及其工程应用

提出一种线性/非线性时间序列模型的一般表达式(GNAR),论述其线性和非线性特性.对3种典型的非线性、非平稳时间序列进行试验及应用研究.将样本数据分成训练集和测试集,在训练集上建立GNAR模型,采用最小二乘方法以及结合预测误差的修正AIC准则实现其参数估计和模型定阶.在测试集上进行预测,进而验证模型.结果表明该模型对3组数据跟踪性能良好,预测预报精度优于传统时序模型,因此该模型有良好的适应性和有效性,能应用于工程实际.     

煤层气储层模型的建立及其应用

为了对煤储层气、水产量进行预测,通过建立三维、双重介质、气—水两相流煤层气储层数学模型和数值模型,用有限差分方法对煤储层进行了研究。结果表明:建立的煤储层气、水产量预测模型与实际的气、水产量拟和效果较好。该模型达到了参数历史拟合和产能预测的目的     

一种改进的线性回归预测模

用最小二乘法求解线性回归预测方程的回归系数时,计算量比较大,针对这个问题,提出一种改进的线性回归预测模型,该模型和其它预测算法配合,能够对若干种药品的销售额进行预测,挑选的药品种类越多,效率越高。最后通过具体实例验证了该模型是可行、有效的。     

我国物价指数的时间序列分析

借助于SAS软件,首先将时间序列的ARIMA模型应用于我国的物价指数分析,通过分析其拟合与预测误差可以发现该模型效果良好.然后运用ARCH模型进行分析,经过比较发现在对我国物价指数的分析上,ARIMA模型的效果要好于ARCH模型.     

一种组合预测模型及其应用

在分析宏观经济灰色预测模型、BP神经网络预测模型、回归分析预测模型等基础上,结合西安市宏观经济预测模型指标GDP的历史数据,采用最小二乘法求权系数的方法,建立并检验了一种组合预测模型.实验证明该模型的预测精度有显著提高.     

误差为线性过程时回归模型估计的均方相合性

对于回归模型Ｙｎｉ＝ｇ（ｘｎｉ）＋εｎｉ为随机误差,用ｇｎ（ｘ）＝∑ｉ＝１Ｗｎｉ（ｘ,ｘ１,…,ｘｎｎ）Ｙｎｉ估计ｇ（ｘ）,在误差是一个弱平稳线性过程时,获得了ｇｎ（ｘ）的均方相合性及一致均方相合性。