基于二次Lasso回归的纵向驾驶员模型研究

为了更好地模拟实际驾驶员行为,提出基于二次回归和 Lasso回归方法的纵向驾 驶员回归模型. 通过采集纵向驾驶行为数据,提取可能影响驾驶行为的状态参数,进而建立二 次回归驾驶员模型;面向多参数回归模型中的多重共线问题,采用Lasso回归方法进行状态参 数筛选;结合筛选数据建立二次回归驾驶员模型. 为了验证模型的有效性,与PI驾驶员模型和 一次 Lasso回归驾驶员模型进行仿真对比 . 仿真结果表明,相较于其他两种模型,所建立的驾 驶员模型具备良好的工况跟随效果,同时能较好地反映实际驾驶行为特征.     

基于JMP软件的Lasso及岭回归在水稻全基因组预测中的应用

全基因组选择是21世纪动植物育种的一种重要的选择策略,其核心就是全基因组预测,即基于分布在整个基因组上的多样性分子标记来对育种值进行预测,为个体的选择提供依据.但目前提出的大多数全基因组预测方法都涉及到相当复杂的算法并要求使用者具备熟练的编程能力,因此很少在实际育种中得到有效的应用.对统计软件JMP在水稻全基因组预测中的应用做了探索研究,利用其中的两种正则化回归方法(Lasso和岭回归)预测产量及其相关性状的育种值,结果表明两种方法对这些性状均有较好的预测效果,但Lasso优于岭回归,预测效果因性状不同也有差异,4个性状预测效果的次序为:千粒重分蘖数单株谷粒数产量.鉴于JMP软件的强大的分析能力、友好的用户界面和可操作性,本研究的结果可以为育种工作者在选择应用全基因组预测的分析工具方面提供较好的参考.     

基于Lasso回归和ARIMA模型的城市生活垃圾产生量预测——以宝鸡市为例

基于宝鸡市2009—2019年城市生活垃圾产生量及其影响因素的基础数据,首先通过Lasso回归建立了生活垃圾产生量预测模型,其次通过ARIMA模型对模型中主要影响因子进行了预测,最后通过Lasso模型对2020—2025年宝鸡市城市生活垃圾产生量进行了预测.结果表明,Lasso回归模型预测精度高,可用于城市生活垃圾产生量的精准预测.未来几年宝鸡市生活垃圾产生量将会快速增长,2025年将达到的52.71×104t.     

郑州白糖期货价格的模型选择方法

主要利用逐步回归和Lasso 2种方法来讨论郑州白糖期货市场白糖1011远期合约价格模型的问题,对白糖的收盘价格进行建模,在挑选出显著性变量后,根据2种方法确定的模型来分别预测白糖的价格,通过比较预测结果,发现Lasso方法的预测效果明显强于逐步回归方法,从而得到更稳定、更准确的预测模型.     

基于主成分分析线性回归的光伏发电功率预测研究

针对经典光伏发电功率物理模型预测精度不高、可能遗漏关键气象因子的问题,基于数据驱动思想提出一种主成分分析、逐步线性回归以及多种检验相结合的光伏发电功率预测模型混合建模方法.采用相关性分析提取关键气象因子自变量,通过逐步线性回归对历史样本数据进行训练得到初始模型;对初始模型进行拟合程度、有效性以及多重共线性等多种检验,根据检验结果,采用主成分分析对初始模型自变量进行降维重构,得到修正模型;通过残差分析实现修正模型正确性的自校验;基于多种时间尺度对经典模型、未修正模型以及修正模型的预测结果进行详细对比分析.仿真结果表明修正模型提高了预测精度及所提混合建模方法的有效性与优越性.     

基于IRF和VD的连豆期货与现货价格动态关系的研究

借助向量自回归模型、脉冲响应函数、方差分解等方法,以大连商品交易所大豆期货品种为例,研究了期货价格与现货价格之间的动态关系,定量刻画了期货市场在价格发现中作用的大小.研究结果显示:大豆期货价格与现货价格存在相互引导的关系,而且期货与现货价格之间存在着长期均衡关系,大豆期货市场在价格发现功能中起着主导作用.     

基于样本扩充和改进Lasso回归的视线估计

为了利用眼部特征进行准确的视线估计,提出了一种基于样本扩充和改进Lasso回归的方法,建立眼部特征与视线之间的映射关系.通过对小样本评分得到优质样本,进而完成样本扩充,利用改进的Lasso回归得到准确的视线估计模型.该方法对标定过程中的眨眼等干扰具有鲁棒性,受干扰后仍可保持相对较高的视线估计准确度.实验结果表明:标定过程无干扰,该方法视线估计准确度比传统方法提高11.25%;标定数据加入6.67%异常数据,该方法视线估计准确度比传统方法提高22.62%.      

定比回归法在价格指数预测中的应用

为了解决各类统计方法在预测价格指数时精度普遍不高的问题，利用定比回归的思想，给出价格指数的一种具有较好精度和直接经济背景的预测方法，并在价格异常波动的年份通过修正回归直线的斜率的方式来得到修正的预测值，使人们在各种情况下都可以对价格指数的走向有一个较为明确的了解。这种方法，在预测各类增长指数型的指标时,可作为传统的线性回归法和灰色模型的一种有效的替代方法。     

期货与现货价格的动态关系——基于沪市期货交易所铜铝的实证分析

期货与现货价格之间的变动关系从一个侧面揭示出期货市场的运行效率,同时也是投资者十分关注的问题.借助单位根检验、协整检验、误差修正模型和Granger因果关系检验,以上海期货交易所铜、铝这2个期货品种为例,主要研究期货价格变动对现货价格变动的影响,定量地刻画出期货价格变动对现货价格变动的影响程度.研究结果显示,这2个品种期货与现货价格之间存在长期均衡关系,期货与现货价格相互作用,互为因果.     

基于TSA-PSO-SVR算法在碳期货价格中的预测研究

针对支持向量回归(SVR)模型参数选择困难以及在碳期货价格预测中模型误差高的问题,提出一种基于改进粒子群算法-支持向量回归(TSA-PSO-SVR)的期货价格预测模型.通过改进粒子群算法惯性权重实现局部搜索和全局搜索能力的平衡,引入被囊群算法(TSA)对粒子群位置更新公式进行优化,利用改进的粒子群算法(TSA-PSO)找出最优参数有效解决支持向量回归参数选择盲目性的问题;将得到的最优参数应用于期货价格预测模型.选取福建碳交易市场的碳交易价格进行预测,与支持向量回归(SVR)、差分自回归移动平均模型(ARIMA)、长短期记忆模型(LSTM)模型作对比,实验结果表明TSA-PSO-SVR模型有效克服了高预测误差和参数选择随机性的问题,并具有较高的泛化能力.     

上海期货交易所铜期货价格发现实证研究

通过VAR模型及其修正模型VECM对上海期货交易所铜期货的价格发现功能进行了实证分析.研究发现:铜期货价格与现货价格存在格兰杰双向因果关系和一个协整关系,期货与现货价格之间存在长期均衡关系.对铜期货来说,现货市场在价格发现功能中起到主导作用,因为现货市场在价格发现功能中约占65.4%,大于来自于期货市场的34.6%.在脉冲响应函数分析中,除了期货与现货价格对其自身的一个标准差新息立刻有反应外,现货价格新息对期货价格的影响更大.而且VECM模型也证实了铜期货价格是以现货价格为基准进行调整的.这些都说明了铜现货市场在价格发现中的主导地位.     

基于损失函数为指数平方形式的稳健 Logistic回归

Logistic回归模型在处理分类数据中有着十分广泛的应用,通常为了简化模型而使用Logit变换将模型化为线性回归模型,但Logit变换会导致误差分量分布函数不同,从而导致模型误差增大.首先对Logit变换进行修正,在考虑离群值影响的基础上,利用指数平方损失函数和自适应LASSO形式稳健回归惩罚函数,从而对线性回归模型进行了修正,其次对股票涨跌情况进行了预测,最后结果表明,修正的模型对期望风险较小的投资者有更高的预测成功率.     

基于粗糙集和支持向量机的股指期货预测模型研究

本文提出基于粗糙集和支持向量机的股指期货走势预测模型。在模型中首先使用粗糙集对指标集进行特征选择,剔除冗余指标,然后使用支持向量机对基于历史数据的股指期货价格走势进行预测。为了评估该预测模型的性能,将预测结果与传统的自回归移动平均模型和BP神经网络模型的预测结果进行比较。实验结果表明了该模型的有效性。     

用支持向量回归方法预测多氯代二苯并呋喃类化合物的正辛醇/水分配系数

采用Chemoffice8.0中的MOPAC-AM1算法对135个多氯代二苯并呋喃(PCDFs)类化合物的6种量子化学结构参数进行计算,并将筛选后的量化参数作为PCDFs分子的结构描述符,利用支持向量回归方法建立分子结构与正辛醇/水分配系数间的相关模型并进行预测.将所得结果与逐步多元回归方法的结果进行对比分析,支持向量回归方法所得结果均优于多元回归方法.     

基于深度学习长短期记忆神经网络的有色金属期货市场预测研究

为提高金融资产预测能力,该文采用深度学习长短期记忆(LSTM)神经网络模型对上海期货交易所(SHFE)和伦敦金属期货交易所(LME)的铝、铜、镍、铅、锡和锌6种有色金属期货价格分别进行长、短期预测,与传统机器学习多层感知器(MLP)模型以及线性自回归移动平均(ARIMA)模型进行对比研究.数据源于Wind数据库和国际货...     

岭回归在修正多重共线性中的应用

以2000-2010年四川省CPI的数据及部分影响因素为基础,运用SPSS17.0对CPI数据建立多元线性回归模型,并基于岭回归对模型中的多重共线性进行修正,得到了修正后的模型,说明此方法具有一定的实用性。     

基于多重共线性的Lasso方法

多重共线性是多元线性回归分析中的一个重要问题,消除共线性的危害一直是回归分析的一个重点.就此问题介绍了一种Lasso方法,并设计了一种选择最佳模型的方法.通过实例分析,将其与常用方法进行比较,从结果可看出,Lasso回归在处理多重共线性问题上较其他方法更加有效.     

用支持向量回归方法预测多氯代二苯并-对-二恶英的正辛醇/水分配系数

采用Chemoffice8.0中的MOPAC-AM1算法对多氯代二苯并-对-二恶英(PCDDs)化合物的量子化学结构参数进行计算,将筛选后的量化参数作为PCDDs分子的结构描述符,利用支持向量回归方法建立分子结构与正辛醇/水分配系数间的相关模型并进行了预测.将所得结果与逐步多元回归方法的结果进行对比分析发现,支持向量回归方法所得结果均优于多元回归方法.     

基于季节自回归单整移动平均模型的电梯交通流递归预测方法

针对电梯交通流预测提出了一种基于季节自回归单整移动平均（SARIMA）模型的递归预测方法．通过离线分析,对电梯交通流利用时间序列分析得到初始的SARIMA模型,引入异常值检测对训练数据中的异常值进行修正,利用修正的序列得到电梯交通流SARIMA模型;在线预测时,将离线得到修正的SARIMA模型转化为状态空间形式．通过Kalman滤波实时调整状态向量,实现电梯交通流的实时在线预测仿真表明该方法具有很好的预测性能,且运行时间短,满足实时性的要求．     

基于EMD-LSTM的国际黄金期货价格预测

黄金是一种特殊的金融商品,黄金期货作为黄金市场的衍生品,其价格受到多方面的影响,且具有金融序列非线性不平稳的特点,因此传统的统计预测模型通常难以预测其走势.将美元指数、纳斯达克综合指数、道琼斯工业平均指数和标准普尔500指数作为国际黄金期货价格的影响因素,选择2011―2021年交易日收盘价基于EMD-LSTM的组合模型进行预测,并通过与SVR、RF、RNN和LSTM模型对比分析,结果表明：EMD-LSTM模型在国际黄金期货价格的预测上具有更良好的效果,精度更高,能更准确地预测国际黄金期货价格走势.