基于ARMA算法的美国人均GDP预测模型设计

基于ARMA提出了一个美国人均GDP预测模型,首先对数据进行平稳化处理,然后识别与建立模型.根据模型预测2014年的数据并与真实数据进行比对,实验结果表明该模型能够准确地预测美国人均GDP数值,说明了该模型设计的合理性.进而预测2015—2017年的美国人均GDP的数值.     

基于ARIMA模型的我国GDP短期预测

国内生产总值(Gross Domestic Product,简称GDP)常被公认为衡量国家经济状况的最佳指标,因此对GDP的预测越来越受到政府和公众的关注.由于影响GDP的因素有很多,而且这些因素间又常常存在多重共线性,所以准确找出影响GDP的重要因素并进行建模比较困难,而且经济数据常常是自相关非平稳的,因此本文采用ARIMA模型来拟合1991年到2010年的GDP数据并预测GDP.结果表明ARIMA(1,1,1）能较好拟合GDP数据,预测表明我国经济发展势头良好.     

基于格拉姆矩阵和随机森林的疾病预测方法

针对现有预测方法中存在预测精度低、预测时间长及存储空间大等问题,提出一种基于格拉姆矩阵和随机森林的疾病预测方法,该方法首先从数据集中收集大量数据,其次使用格拉姆对称矩阵对采集数据进行存储和归类.然后引入随机森林二元回归和分类技术,通过二元变量相关性来衡量预测结果和数据之间的关系,并根据相关性构造决策树用于结果分类.最后,应用表决方案输出最终预测结果.实验结果表明:与其他方法相比,本文提出的方法提高了预测准确度,降低了预测的时间开销和空间复杂度.     

湖北常住人口与GDP的协整分析

常住人口和GDP都是社会经济中的重要组成部分,也是衡量一个地区或国家是否繁荣的重要指标.文章主要通过ADF单位根检验,协整理论,Granger检验,脉冲响应和方差分析等相关理论,并运用Eviews9.0软件,对2001年至2017湖北常住人口和GDP两个宏观经济变量进行定量分析.为避免谬误回归对其进行协整检验,并对二者之间长期线性关系进行预测,对短期关系进行分析.探讨二者之间的长期短期关系后提出相关政策建议.研究结果表明:1)湖北常住人口数量和GDP之间存在显著的长期线性相关性,长期看来湖北省常住人口和GDP互为格兰杰原因,互相促进,但是常住人口是更显著的格兰杰原因.2)通过脉冲响应函数和方差分解,湖北常住人口序列受自身影响较大,GDP对它的冲击较小,并有一个明显的滞后效应.而GDP序列受自身和常住人口序列冲击的影响均比较明显.     

基于CNN-LSTM混合神经网络的光伏发电量预测方法研究

光伏发电量受天气状况,光伏逆变器的质量,光伏组件的清洁度等诸因素影响,其中天气状况的时序性变化较大程度影响发电量。针对不同地区天气时序性变化导致的光伏发电量预测不准确等问题,提出了一种由卷积神经网络(CNN)和长短期记忆(LSTM)混合模型的光伏发电量预测方法,其中通过CNN建立地域之间的空间相关性,LSTM捕捉发电数据之间的时间依赖关系。对神木县红民发电厂和庆城县绿能动力发电厂的光伏发电数据进行测试,实验结果表明,本文所提出的CNN-LSTM混合神经网络方法在光伏发电量预测方面具有较高的准确性和稳定性,比LSTM神经网络模型精度提升4.3%左右。     

基于BP神经网络的双模型光伏发电量预测

光伏系统的发电量受到太阳辐照强度、温度、湿度和压强等多种天气变量的影响,变化复杂,具有间歇性和波动性.传统预测模型中需要以天气预报数据作为输入,但其与实际的天气变量存在一定偏差,这给预测结果带来了不可避免的误差.为了进一步提高预测精度,本文提出了天气变量预测数据到天气变量实际数据和天气变量实际数据到光伏系统发电量的双模型预测系统,并对训练好的模型进行了测试和分析,预测结果表明,此模型能够达到较高的预测精度,具有一定的可行性和有效性.     

一种城市火灾损失预测评估方法

按照提出的基于宏观经济指标(国民生产总值GDP和人口资料)进行火灾损失预测评估的方法和根据河北省1980-1997年间发生火灾的资料分析而建立的GDP火灾损失率与火灾风险指数的统计关系,通过把研究对象以50 m×50 m为单位划分网格,并根据网格格点的人口和研究对象的人均GDP值计算得到单元格点的GDP值,进而根据GDP火灾损失率和火灾风险指数的关系与火灾发生概率得到研究对象预测的火灾损失估值。提出的方法采用易于更新和获取的社会经济数据作为火灾损失的分析基础,可方便地用于没有详细的各类设施分类数据的区域进行火灾损失预测;对于经济发展快速的城市,该方法容易通过社会经济数据的及时搜集和更新得到新的火灾损失预测结果。     

中国GDP指数对BDI指数的吸引力研究

BDI指数是衡量国际间贸易情况的重要指标之一,近年来中国经济的飞速发展使得其GDP指数对BDI指数的影响力与日俱增.从吸引子角度对中国GDP指数对BDI指数的吸引力进行了研究,通过拟合BDI和GDP指数的变化轨道,应用微积分分析两者吸引关系,得到GDP指数对BDI指数相应的吸引力.利用该吸引力对GDP数据构建新的BDI波动率并建立对比GARCH模型,同时考察了其它随机因素对BDI指数的作用.研究结果表明:中国GDP指数对BDI指数存在吸引力,它们间的这种关系可能成为研究经济危机的一种手段.     

我国三大产业增加值与水电、火电、核电发电量关系研究

文章研究水电、火电与核电发电量随时间变化的时序关系及各发电量与三大产业增加值的量化关系.利用国家统计局2000—2015年的电力年度数据,借助Eviews 6.0软件,建立Brown单参数指数平滑模型并对电力发展短期趋势进行预测;建立双变量弹性分析模型并预测三大产业增加值对水电、火电、核电发电量产生的影响;建立多元回归模型,发现水电、火电、核电发电量与三大产业增加值为正相关.     

横沙新港建设的经济合理性研究

以上海港为研究对象,重点就港口与城市发展关系进行了研究.首先运用线性回归模型对港口数据与城市GDP进行了分析,并以此模型对横沙建港后上海城市经济情况进行了预测分析.此外,针对线性模型中可能产生的偏差,又建立了基于非线性关系的神经网络模型,并以此进行相应的预测.通过采用以上量化分析方法,可以预计横沙成陆建港将带动相关产业的发展,从而带来一定程度的经济效益,对上海的城市发展建设有着积极的作用和不可忽视的影响.     

基于邻近度的安徽省人均GDP组合预测模型

针对安徽省人均GDP预测问题,以安徽省2000—2018年人均GDP数据为研究区间,其中2000—2017年数据作为训练集,2018年数据作为测试集,提出了一类新的预测评价指标-邻近度及基于邻近度的组合预测模型,并引入一种新的组合权系数求解方法;首先对训练集进行单项预测,即对训练集数据进行指数预测、抛物线预测和移动平均预测,接下来对各单项预测值综合考虑,建立基于邻近度的加权几何平均组合预测模型,通过求解模型得出各单项预测权系数进而求出基于邻近度的组合预测值,最后分别在测试集和训练集上与其他预测方法预测结果进行比较,并预测安徽省2019—2021年人均GDP数据。     

天津GDP增长与相关产业的灰色关联分析

利用灰色关联分析方法对天津市GDP增长与相关产业的灰色关联度进行了实证研究,并对研究结果进行了深入分析,给出了促进不同产业发展的相应政策建议.结果表明,该方法对于分析影响GDP的主要因素十分有效,可以对GDP的形成和发展趋势进行预测分析,为决策者制定相关的经济政策提供依据,方便决策者实施科学的宏观管理和控制.     

基于改进的灰色-马尔可夫链方法的甘肃省人均GDP预测

以1990-2011年甘肃省人均GDP数据为基础,采用灰色模型预测方法和马尔可夫链相结合的方法对甘肃省人均GDP进行预测,给出了灰色-马尔可夫链改进预测方法,结果表明,人均GDP灰色模型预测结果受原始数据变化幅度的影响,相对误差达到了5.87%,精确度并不是很高;通过马尔可夫链修正,预测结果得到较大改善,由灰色预测值和马尔科夫状态转移下的最大状态概率可以更加准确把握甘肃省人均GDP的总体动态发展趋势,得出了比灰色预测更加科学合理的结论。     

BP神经网络方法预测改性聚乙烯醇的吸水率

用人工神经网络法来预测高分子化学反应产物的性能,通过研究顺丁烯二酸酐与聚乙烯醇反应制备吸水材料过程中反应物的配比、反应体系的温度、pH值以及反应时间等条件和产物吸水率之间的关系,得出了制备最大吸水率的反应条件。并通过人工神经网络方法建立BP神经网络模型,采用Matlab语言编写神经网络程序,再以实验测得的数据对网络进行训练,然后用训练好的网络对实验条件和吸水率之间的关系进行仿真,并将仿真结果和实验数据加以比较。结果表明,BP神经网络用于化学反应产物性能的预测是可行的.为神经网络在化学反应控制预测领域的应用奠定了基础.     

人口迁移行为的时空特征分析

人口迁移是区域人口数量变化的主要原因,通过对人类迁移行为的研究,可为公共设施的选址、惠民政策以及交通布网等提供参考,是关乎社会民生的重要课题.本文对美国170个城市2012-2017年的人口规模(L)和国内生产总值(GDP)数据进行统计分析,获得其概率分布分别满足高斯和指数关系.为揭示分布规律形成机制,预测人口与经济发...     

基于ARIMA模型的国内生产总值预测

本文通过对1952年以来的各年度GDP数据进行数学建模,利用ARIMA模型对年度GDP进行了预测。实验结果表明：ARIMA模型对GDP年度数据预测的一步预测相对误差可以保持在3%以内,具有较高的预测精度。     

基于VAR模型的河北省经济增长与环境污染关系的实证研究

选取河北省1991—2012年6类反映环境污染状况的指标和人均GDP数据,在建立VAR模型的基础上,通过数据平稳性检验、协整检验、脉冲响应函数和方差分解分析,考察了经济增长和环境污染二者之间的长期动态关系.脉冲响应函数的结果得出:经济增长是导致工业污染物排放量增加的重要原因,而工业污染物排放量对经济增长的影响依不同污染物而差异较大,且整体上影响程度相对较小.方差分解分析结果显示:人均GDP对解释各污染物排放量的预测方差起了很大作用,而各污染物排放量对解释人均GDP的预测方差则作用不大.     

基于Box-Jenkins方法的中国年度GDP时间序列分析建模与预测

通过基于Box-Jenkins方法的时间序列分析技术,对中国1966-2006年的年度GDP数据序列进行建模分析,验证该序列的时间序列特性,研究并选择了序列的最佳ARMA模型,本文也通过模型对中国2007-2010的年度GDP进行了预测.模型实证分析的结果表明:在GDP时间序列分析建模与预测方面,Box-Jenkins方法及其模型是一种精度较高且切实有效的方法模型.     

基于支持向量机的短期GDP预测模型与应用研究

支持向量机是最近几年国际上模式识别研究的热点,具有全局最优和良好的泛化能力.本文在理论分析江门市GDP预测指标体系的前提下,研究了基于SVM的预测方法,并运用实际数据进行建模和预测,获得了比较准确的预测结果.     

基于区域信息融合的风电场平均年发电量预测

备选风电场在寿命周期内的平均年发电量是风电场宏观选址的一个重要参考判据.为了提高风电场平均年发电量的预测精度,提出了一种基于风电场附近多个气象站长期测风数据的区域信息融合的平均年发电量预测方法.首先分别建立各气象站与风电场同期小时风速之间的相关模型,应用相关模型得到多个长期小时风速预测值,再用神经网络对长期小时风速预测值进行融合处理得出最终的小时风速预测值,在此基础上进行风电场平均年发电量的估算.仿真结果表明:本文提出的区域信息融合方法对年平均发电量的预测误差比采用单一气象站数据的预测误差最高可降低11.32%.