基于支持向量机自回归分析的股市动态预测模型及其应用研究

针对股市的非线性和不确定性的特点,本文提出了一种基于支持向量机自回归分析的股市动态预测模型。该模型利用滚动时间窗动态截取股票时间序列,然后对其进行相空间重构,最后利用支持向量机回归算法,在高维映射空间中求解线性回归问题。利用上证综指的长期和短期数据对该模型的预测效果进行了验证,并将预测结果与RBF神经网络预测模型进行了的对比。预测和对比结果表明,支持向量机自回归预测模型具有较强的泛化能力,适合于股市预测。     

基于VES生产函数的经济预测模型与应用

生产函数一直是经济学研究与应用中一个活跃的领域,文中就变替代弹性生产函数VES的两种情形给出经济预测模型。由于模型是非线性的,参数估计一般采用线性化的方法近似估计,在预测上多数情况存在较大的误差,所以文中利用非线性回归方法,非常好地给出最佳估计值,以使预测误差最小。     

有不等式约束的回归模型的置信带

建立置信带在回归分析中得一个重要的问题,但在有约束的回归问题里,这个问题并没有很好地解决,在此文中,我们研究有约束的回归中的置信带,从文中的结论我们可以看出有约束的回归中的置信带与无约束的情况有较大的不同。     

环境污染的投影寻踪回归预测模型

环境污染预测中常用的统计预测法基于“假定－模拟－预测”这样一种证实性数据分析思维模式,难以适应非线性,非正态分布数据分析,投影寻踪技术采用“审视数据－模拟－预测”这样一条探索性数据分析新途径,可以用来解决一定程度上的非线性,非正态问题。应用投影寻踪回归新技术,建立了大气污染物SO2浓度的预测模型,其预测建模样本的拟合合格率为96％,预留预测检验样本预测准确率为80％。高于模糊识别模型的预测精度。     

基于“回归-马尔可夫”的交通事故预测模型

在回归拟合函数的基础上，引入马尔可夫链预测理论，建立了道路交通事故的“回归-马尔可夫”复合预测模型．     

基于贝叶斯与因果岭回归的物联网流量预测模型

针对物联网流量预测困难的问题,提出了一种基于贝叶斯与因果岭回归的物联网流量预测模型.该模型首先根据物联网流量传输波动影响链路变化等因果关系,深入刻画物联网流量局部特征,并利用薛定谔方程优化识别模型,同时结合贝叶斯拟合因果关系联合岭回归方法建立预测模型.最后,通过仿真实验研究了该模型与其他方法之间的性能状况,结果表明该模型在平均队列、阻塞率和延迟率等方面具有较大优势.     

一种非线性移动自回归预测模型

应用非线性回归分析中的S型增长模型及移动平均线理论,对按时间次序排列的单一数据序列,给出了一种非线性移动的自回归预测模型,将其应用于股价指数的历史数据中,对该预测模型的合理性和准确性作了初步验证,得到的结果相当理想,本模型具有一定的实际应用价值。     

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。     

组合预测模型在中国GDP预测中的应用

在ARIMA、混合时间序列和GM(1,1)模型基础上,利用中国经济发展数据建立一个组合预测模型,并把它应用于我国GDP的预测。所得结果误差优于三个模型的分别预测,表明组合预测模型在时间序列数据的预测中更有优势。     

基于回归模型的中国铁路能源消耗分析

针对国家铁路能源消耗问题,依据1990-2011年统计数据,选择影响铁路运输换算周转量和铁路运输单耗的指标,分别进行回归分析,建立铁路运输换算周转量和铁路运输单耗模型,利用2012-2014年中国铁路运输能耗数据对模型进行验证.提出国家铁路运输能源消耗量计算模型,并与实际能源消耗值进行比较,深入分析不同因素对中国铁路能源消耗量变化的影响.研究表明,国家铁路能耗计算模型能够反映中国铁路能源消耗的变化规律和趋势,GDP与牵引机车数量对铁路运输能耗变化有不同的影响,电力机车数量是影响国家铁路运输能耗变化的主要因素.     

基于经济增长的美国政府采购分析模型

政府采购是国家进行宏观经济调控的主要手段。选取2000—2008年美国政府采购规模与国内生产总值数据作为样本,建立政府采购规模与国内生产总值（GDP）的回归方程,研究政府采购规模与宏观经济增长之间的关系。研究表明,美国政府采购支出对宏观经济增长的贡献既有凯恩斯学派的“乘数”效应,又有古典经济学派的“挤出”效应,其调节效果由各级政府采购支出规模决定;选取政府采购支出占国内生产总值的比重和政府采购支出占政府财政支出的比重两个指标,对中国与美国政府采购的规模进行评估与比较,得出结论,中国政府采购距离适度规模还存在一个较长的持续增长过程,由货物类和服务类组成的经常性支出方面的采购比重有待进一步提升。     

重庆市经济发展与工业污染排放库兹涅茨曲线评价

利用环境库兹涅茨曲线模型,选取重庆市1995-2006年经济与工业污染数据,建立了单位GDP污染排放量模型和人均GDP污染排放量模型,分析各类典型污染指标与GDP增长的演替关系.研究发现:重庆市单位GDP污染排放总量呈下降趋势,表明技术进步和产业结构的调整已经产生了明显的环境效益;近年经济发展与环境污染水平的演替轨迹与库兹涅茨曲线特征的吻合效果不理想,所选各项指标的二次拟合曲线都没有转折点的出现,说明重庆市还应该制定有效的环境政策和措施,以保证经济和环境持续健康发展.     

商业数据的预测模型及其算法研究

以商务流通中的经济时间序列数据为对象，设计实现了经济时间序列预测系统。在预测系统中采用了多种预测模型，设计实现了包括指数平滑算法、AR(Auto Regression)算法、Holt-Winter算法、回归分析算法在内的各种统计学算法，并且把神经网络引入到时间序列预测系统的模型中，采用动态学习的BP(Back Propagation)神经网络进行训练预测，取得了很好的实用效果。神经网络的预测模型与传统的统计方法相比，在预测的精度上有了很大的提高。     

基于多元线性回归模型的物流相关指标对重庆地区GDP贡献的探讨

物流发展水平是衡量城市综合竞争力强弱和人民生活水平高低的重要标志之一.论文拟建立多元线性回归模型来判断一些具有代表性的物流指标对重庆市GDP发展的贡献度,说明这些指标所代表的相关产业对重庆市GDP发展的边际效用,以期能够明确对物流行业的资源投入方向和优化资源配置.     

基于船舶预报模型的动态定位控制

根据船舶定位的原理和特点，设计了基于ANFIS自适应模糊神经网络预报模型的控制方法．该方法对影响船舶定位的各种无规律运动的海浪、风、水流等因素，通过MISO ANFIS模糊神经网络的结构，给出影响船舶定位的预报模型，从而建立船舶控制模型．以混合式的学习算法为基础，对条件参数采用反向传播算法，而结论参数采用线性最小二乘估计算法来调整参数．使控制快速准确，实现了船舶推进装置的最优控制，达到船舶精确定位的目的．     

基于多元线性回归模型的物流相关指标对重庆地区GDP贡献的探讨

物流发展水平是衡量城市综合竞争力强弱和人民生活水平高低的重要标志之一.论文拟建立多元线性回归模型来判断一些具有代表性的物流指标对重庆市GDP发展的贡献度,说明这些指标所代表的相关产业对重庆市GDP发展的边际效用,以期能够明确对物流行业的资源投入方向和优化资源配置.     

基于偏最小二乘回归的焦炭热性质非线性预测模型

针对基于煤质指标预测焦炭热性质建模过程中易出现的多重共线性问题,提出应用偏最小二乘回归对焦炭热性质进行预测的建模思路.考虑到煤质指标与焦炭热性质之间复杂的非线性关系,采用拟线性化处理的方法,将煤质指标的一次效应、二次效应及交互效应作为模型输入,建立焦炭热性质预测的偏最小二乘回归模型;基于拟线性化处理的非线性偏最小二乘回归和线性偏最小二乘回归对焦炭热性质预测实例进行分析.研究结果表明:基于偏最小二乘回归方法建立的焦炭热性质预测模型是有效可行的:非线性偏最小二乘回归模型的预测精度明显比线性偏最小二乘回归模犁的预测精度高.