基于灰色预测的甘南农牧民收入趋势分析

首先通过假设检验的思想对甘南州的农牧民人均收入与甘肃省农民人均收入进行了对比分析,得出二者存在显著性差异,而且后者明显高于前者。其次,利用灰色预测模型,对甘南州农牧民人均收入做了趋势预测,分析得出2012—2017年这6年间甘肃省的农民人均收入水平远远高于甘南州的农牧民人均收入。同时,根据预测结果可知到2019年年底,甘肃省农民人均收入有望突破万元大关,而甘南州的农牧民人均收入则到2020年才能突破一万元大关。     

基于收入分组数据拟合洛伦兹曲线新模型

洛伦兹曲线的准确度关系到基尼系数的精度,结合2006年湖北省农村和城镇的收入分组数据,分别针对性地提出一个洛伦兹曲线新模型。通过对2种新模型的初次分析,从拟合度上可以表明拟合效果很好。新模型拟合效果从全部模型来看还是相当好的。     

基于多元线性回归模型的建筑能耗预测与建筑节能分析

针对城市建筑能耗的节约与有效利用,提出一种基于多元线性回归模型(MLRP)的建筑能耗预测与建筑节能分析模型.以天然气和电力为能耗目标,将建筑类型、建筑年代、占地面积和居住人数等参数作为输入特征,利用多元线性回归模型分析出对能耗具有显著性影响的因素,并预测整个区域的能耗.另外,通过该预测模型,可以评估实施改善措施后建筑的节能潜力.实验给出了各种场景下的建筑节能潜力,分析结果表明,提出的预测模型能够精确预测区域能耗.     

基于SIR模型的流行性传染病传播趋势预测研究

传染病的传播严重威胁人民的生命安全,及时有效地预测传染病传播趋势,对传染病的防治具有重要的作用.基于SIR模型,模拟了流行性传染病在人群中的传播过程及传播趋势.利用公开数据集统计了国内外疫情数据,基于SIR模型,利用最小二乘法进行数据拟合,对疫情传播趋势进行了预测和分析,并对预测结果进行了验证.实验结果表明,预测结果和...     

基于EEMD和ARIMA模型的汽轮机故障趋势预测

由于汽轮发电机转子振动状态监测数据具有非线性和非平稳性,采用普通时间序列预测模型时预测的精度较低。研究通过分析振动信号的频率成分,融合EEMD分解平稳化处理和ARIMA预测模型的思想,建立一种混合预测模型。结果表明:该方法能够适应振动状态监测数据特征,反映了振动状态的主要变化趋势,具有较高的预测精度以及更大的应用范围,其预测趋势对进一步进行振动状态分析具有一定的参考价值。     

基于LabVIEW软件的虚拟线性拟合仪的设计

虚拟仪器(Virtual Instrument,简称VI)是现代计算机软件技术、通信技术和测量技术相结合的产物.LabVIEW软件是美国M公司推出的一款功能强大的虚拟仪器开发平台.基于LabVIEW的优势,阐述了线性拟合仪原理及设计,实际应用证明它是实验教学的发展方向.     

带线性等式约束的多元线性模型中线性预测的可容许性

研究了在矩阵损失下带线性等式约束条件的多元线性模型中条件线性可预测变量的可容许线性预测,并在齐次线性预测类中得到了条件线性可预测变量的一个线性预测是可容线性预测的若干充要条件.     

我国毕业研究生增长趋势模型构建与拟合推测

统计1998-2008年我国毕业研究生人数数据,构建增长趋势数学模型,对数据进行拟合,以SSE,RSE,MAD,ARE判断拟合准确度。拟合结果提示目前毕业研究生人数增长过快,未来五年我国研究生毕业人数可能呈现平稳增长态势。     

一元线性回归模型在经济预测中的应用

一元线性回归模型预测是统计学中回归分析结合预测理论的一种方法,有较强的实用性。首先确定两个经济变量之间是否存在线性相关关系,然后用最小平方法求出回归模型并进行预测,最后计算估计标准误差以确定回归模型的可靠程度。     

时空地理加权回归模型的拟合分析

时空地理加权回归模型是基于地理加权回归模型的一类有效的空间数据分析方法,主要研究该模型在数据删除模型的基础上系数函数的估计及删除观测点后对整个模型的影响,并且给出了权函数的选择方法.     

基于熵值加权组合预测模型的黑龙江省旅游收入预测分析

针对黑龙江省旅游收入预测问题,考虑到单一预测模型往往在预测精度上不高的特点,在引入灰色系统GM(1,1)预测模型及时间序列线性回归模型的基础上,建立了基于3种误差指标信息下的熵值加权组合预测模型,并以黑龙江省2009—2018年的旅游收入数据进行分析.结果表明,所建立的组合预测模型在预测精度上有了较好的改善并优于所选单...     

基于广义线性模型的主成分估计及实例分析

在广义线性模型已有的参数估计的基础上对自变量参数中可能出现的复共线性关系时的参数估计进行了改进,应用主成分分析在线性模型中的方法将主成分估计应用到广义线性模型中去,并在均方误差下证明了主成分估计优于最大似然估计,并列举实际例子进行分析,说明了主成分估计的优越性.     

基于ARIMA模型的FreeBSD内核进化预测分析

FreeBSD内核进化有较明显的超线性趋势和内在规律科学地预测软件进化,找到一种简易又有足够精度的预测方法是管理软件工程的一项重要基础性工作以FreeBSD的62个内核版本数据作为时间序列,用ARIMA模型建模,并做出FreeBSD进化预测,将预测结果和近期发布的FreeBSD内核进化实际结果进行对比,预测结果令人满意,表明该类模型可以用于FreeBSD进化预测     

基于ARIMA模型的FreeBSD内核进化预测分析

FreeBSD内核进化有较明显的超线性趋势和内在规律.科学地预测软件进化,找到一种简易又有足够精度的预测方法是管理软件工程的一项重要基础性工作.以FreeBSD的62个内核版本数据作为时间序列,用AR IMA模型建模,并做出FreeBSD进化预测,将预测结果和近期发布的FreeBSD内核进化实际结果进行对比,预测结果令人满意,表明该类模型可以用于FreeBSD进化预测.     

基于双流LSTM神经网络的股价趋势预测

股价波动研究依赖分析金融新闻数据集浅层特征，而忽略了金融新闻句子中单词之间的结构关系，从而导致股价波动预测研究效果不佳。针对该问题，提出了一种基于双流长短时记忆网络（long short term memory network, LSTM）神经网络的股价趋势预测模型（Sent2Vec-DLSTM）。该模型的创新之处在于：提出了基于金融股票新闻数据集和哈佛IV-4情绪词典训练的情感词向量生成模型——Sent2Vec；提出了新型的双流LSTM神经网络（Dual-stream LSTM, DLSTM）。在实验中，首先用标普500指数历史数据以及爬取获得的金融类文章进行标普500指数的趋势预测，然后用VietStock新闻和来自Cophieu68的股票价格数据预测VN指数的变化趋势。结果表明，Sent2Vec-DLSTM相较于现有模型在股价趋势预测中具有更好的效果。     

基于EGARCH模型的股票价格预测

从我国引入股市开始,股票价格的波动趋势一直都是股市关注的热点.股民在股市的收益越多,风险也就越高,所以预测股票价格,规避风险有着十分重要的意义.运用统计学中的EGARCH模型对上海证券交易所上市的股票价格进行实例分析.实验结果表明,该模型不仅能够克服股票价格显著的不对称性,还能够保留其自身的优势,提高了预测结果的精确性.     

基于MLP&ST模型的空气质量预测

针对目前大多数模型均为对已监测区域的空气质量进行预测,而少有对未监测区域进行预测的问题,综合考虑气象因素、空间相关性和时间依赖性对空气质量的影响,提出了一种联合训练模型MLP&ST （MLP&spatial-temporal）,模拟预测北京市未监测区域未来时刻的空气质量指数（air quality index,AQI）。通过实验结果对比确定最佳历史时间步长P值为29;然后将模型与其他空气质量预测模型进行对比。实验结果表明,MLP&ST模型在3种评价指标下（RMSE,MAE,MAPE）皆优于其他对比模型,验证了所提出模型具有良好的预测效果。