基于云模型的时间序列预测

在日常生活中广泛存在着各种时间序列数据,发现时间序列知识、对时间序列进行预测正成为数据挖掘与知识发现的重要内容.首先提出了基于云模型的时间序列预测机制,该机制以云理论为知识表示的理论基础,提出了两种预测知识:准周期变化规律和当前趋势,并综合两种不同粒度的预测知识实现了时间序列的预测.然后着重于运用云模型进行知识表达、定量数值与定性知识的转换以及综合不同时间粒度的知识进行时间序列预测.     

云模型在水资源供求预测中的应用

云模型是表示某个定性概念与其定量表示之间不确定性转换模型,它将概念的模糊性和随机性结合在一起,对不确定性问题的解决有着很强的鲁棒性.文章将云模型运用于水资源供求预测中,初步解决了水资源预测中所存在的模糊性和随机性问题.实验结果表明,该方法预测精度优于普通预测方法,与实际值基本吻合.     

商品月批发额的时序模型

利用时间序列分析的有关理论，对某商品月批发额的５２个历史数据进行了分析、处理，为其建立了一个适用的数学模型，并作出了预报。     

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。     

ARIMA模型在重庆市能源消耗量预测中的应用

能源是人类赖以生存和发展的重要物质基础,对经济的快速发展和人们生活水平的大幅度提高起着无可取代的作用,随着经济的发展人们对能源的需求日益增多,由于地球上的资源是有限的,对未来能源消耗量的准确预测显得尤为重要;运用ARIMA模型对《2013重庆市统计年鉴》中重庆市1981-2012年能源消耗量数据进行分析,结果显示:ARIMA(2,3,2)模型预测未来的结果较为准确,为重庆市资源消耗量提供了可靠的依据。     

灰色模型在城市月用水量预测中的应用

中期用水量预测,它为各个城市水司制定月用水量生产计划提供重要依据.针对我国城市月用水量数据序列的特点对其进行分析研究,利用灰色系统理论,建立预测月用水量GM（1,1）模型.并以东北某大城市月用水量为原始数据进行了实际预测.通过MAPE检验证明GM（1,1）模型为一种行之有效的预测月用水量的模型.     

AR模型在网站点击量预测中的应用与研究

对数据挖掘的“预测”功能进行了研究，在对网站进行流量统计的基础上，利用AR模型建立点击量时间序列模型进行点击量的预测，同时也与其他常用的预测方法进行对比。从实验结果可以看出，AR模型的预测精度要优于其他的预测方法，达到了预期的精度要求。     

季节ARIMA模型在我国肺结核发病率预测中的应用

目的探讨应用季节ARIMA模型对我国肺结核发病率进行预测的可行性.方法对我国2005年1月-2010年12月肺结核逐月发病率建立季节ARIMA模型,并对预测效果进行评价.结果 ARIMA（3,1,0）×（0,1,1）12模型很好地拟合了既往数据,对2011年1月-9月发病率的预测值符合实际发病率变动趋势.结论季节ARIMA模型能很好地模拟我国肺结核发病率的变动趋势,将其应用于肺结核发病率预测是可行的.     

基于时间序列模型的商业企业销售量预测方法研究

预测是企业管理的一个重要职能,在如今激烈的商业竞争下,如何根据现有的数据预测未来并制定适宜的策略是企业成败的关键。本文在研究商业企业销售量时间序列的基础上,结合季节变动分析方法,建立商业企业年销售量预测模型,并在此基础上对商业企业实际销售预测给出的指导性建议。     

AR模型在网站点击量预测中的应用与研究

对数据挖掘的“预测”功能进行了研究，在对网站进行流量统计的基础上，利用AR模型建立点击量时间序 列模型进行点击量的预测，同时也与其他常用的预测方法进行对比。从实验结果可以看出AR模型的预测精度要 优于其他的预测方法，达到了预期的精度要求。     

组合式神经网络企业产品销售量预测方法

采用回归分析法,去逼近预测模型中具有时间增长趋势的离散数据,用其逼近误差进行人工神经网络学习和训练,输出预测误差,然后对回归模型进行动态补偿,以实现对企业产品销售量进行组合预测。其预测结果比单一的回归分析法和线性规划法计算精度要高,表明组合式人工神经网络对预测企业产品销售量具有良好的适应性。     

耐用商品销售的数学模型

利用三次增长率模型预测了耐用商品销售量最大值,利用Gompertz曲线模型预测了销售状况,并对浙江省城镇居民平均每百户彩电拥有量和空调拥有量进行了分析、预测,为耐用商品的生产、销售及更新换代提供了依据。     

关于我国社会消费品零售总额的分析与预测

运用时间序列分析的方法,借助SAS软件对我国2000 年1 月份到2007 年12 月份社会消费品零售总额进行了分析与预测,得出了比较准确的结果,为有关部门做出正确的决策提供了有力的理论依据.     

高速公路流量预测风险分析

应用工程风险分析理论,分析了影响崇明越江通道流量预测的风险因素及对单因素的风险衡量,认为崇明的经济发展前景及越江西线的建设与否对交通流量预测的影响最大。采用AHP法与蒙特卡罗模拟相结合的方法,得出交通流量预测的概率分布曲线。     

云模型在学生体质状况分析中的应用

传统的基于《国家学生体质健康标准》的体质评价方法以固定分值和等级反映学生体质健康状况,便于大范围数据比较,但类别划分过于死板。云模型用期望值、熵和超熵三个数值来表征定性概念的模糊性和随机性,便于揭示不确定性的普遍规律。用正态云进行的学生体质状况分析具有方法直观、使用灵活、易于揭示小范围数据的突出特点等优点,是一种有效的抽样数据分析方法。     

ARIMA-RBF模型在城市轨道交通客流预测中的应用

客流量预测是城市轨道交通规划设计和运营管理的基本依据,已成为城市轨道交通建设过程中的重要环节。本文通过分析平常日客流变化的周规律、非平稳性等时序特征以及ARIMA模型和RBF模型的作用机理,将适合进行线性时间序列预测的ARIMA模型和适合处理非线性问题的RBF神经网络组合,建立了ARIMA RBF预测模型,并用该模型对北京市城市轨道交通平常日客流量进行预测,该模型充分考虑到城市轨道交通客流变化的线性及非线性特征,取得了较好的预测效果。     

SARIMA模型的建模及其信贷预测分析

对自回归单整移动平均季节模型(SARIMA模型)的原理,以及建模思想进行诠释.指出在经济数据中普通存在的季节性问题,并在ARIMA模型基础上提出SARIMA模型.通过对中国人民银行的月度信贷总量资料的建模及预测分析,得到良好的效果.SARIMA(1,1,0)(1,1,1)12模型这一短期预测模型及其短期预测的结果,可为中国人民银行进行信贷政策的制订提供依据.     

基于RBF神经网络的公路货运量预测方法研究

本文提出了一种基于RBF神经网络的直接预测法,对公路货运量进行了预测,并利用matlab工具箱予以了实现.对2004和2005年公路货运量预测的结果表明,预测值与国家统计局公布的实际数值有很好的一致性,预测精度也高于其它RBF预测法,有很好的应用性.     

高维云模型及其在多属性评价中的应用

提出核空间高维云模型并将其应用于多属性评价问题.基于样本取值范围计算云模型的数字特征,生成云模型表达样本属性值与其属于期望值的隶属度之间的关系.在一维云模型的基础上,建立样本的多属性核空间高维云模型.对核空间内的样本,高维云模型的隶属度取值为1;基于样本在核空间高维云模型中的隶属度对样本进行多属性评价;应用核空间高维云模型,对地理信息系统内选定区域进行评价,选出适合作为观察所的位置,并对选取结果进行分类.该模型的多属性评价效果良好.