基于灰色模型的恩施旅游人数预测

以影响恩施旅游人数的相关因素为研究对象,建立灰色关联模型,找出与旅游人数相关的重要因素.针对恩施近几年的旅游人数,以灰色GM(1,1)预测模型检验2011年的旅游人数,预测出2012年的恩施旅游人数将超过2000万人次,并为相关决策部门提供了相应的方案.     

基于ARIMA模型的国内旅游人数预测研究

以我国1985—2005年各年的国内旅游人数为例,运用计量经济学软件Eviews建立时间序列模型ARIMA(p,d,q),并对未来五年内国内旅游人数做出预测,结果表明预测结果满足精度要求,具有较强的实用性。     

基于灰色系统理论的互联网人数预测研究

在灰色系统缓冲算子公理体系下,利用反函数定理,构造了2类新弱化缓冲算子,并将其与党氏弱化缓冲算子进行比较,论证了党氏弱化缓冲算子为新算子的特例,研究了其特性及各种弱化缓冲算子之间的内在关系,从而大大地拓广了弱化缓冲算子的应用范围。对序列前一部分增长(衰减)速度过快,而后一部分增长(衰减)速度过慢的冲击扰动系统数据序列在建模预测过程中常常出现的定量预测结果与定性分析结论不符的问题,提供了多种解决方案,首次将缓冲算子的构造与函数联系起来,从而为缓冲算子的构造开辟了新方向。     

我国金融业职工人数的灰色模型及预测

近几年来,我国经济稳定增长,金融业人才需求持续高涨,金融及金融服务业的外部招聘需求几乎翻倍增长。为此本文通过对2006至2011年金融业职工人数变化趋势的研究,运用灰色系统理论,建立了灰色系统的预测GM(1,1)模型,对2015年的金融业职工人数做出预测。     

灰色理论在黄金周旅游人数及旅游收入预测中的应用

运用灰色理论研究了自2000年"十·一"黄金周以来旅游人数及旅游收入的变化规律,建立了旅游人数及旅游收入预测的灰色模型,并对今后4个黄金周旅游人数及旅游收入作了预测.     

基于BP神经网络的山西省旅游人数预测

基于BP神经网络技术,以MATLAB7．0为平台,时间序列1996—2011年旅游人数为数据基础,考虑到山西省海外旅游人数与国内旅游人数各自随时间的变化特征,分别对两种原始数据进行了插值处理及BP神经网络模型的训练,从而对2012—2015年山西省海外旅游人数及国内旅游人数分别进行预测,得到2012—2015年山西省海外旅游人数分别为172．75万人,185．39万人,189．16万人及219．03万人,国内旅游人数为16365万人,17876万人,18298万人,19348万人,两组数据均续前期持续增长趋势,且加和得到未来4年山西省旅游总人数为16540万人,18060万人,18500万人及19570万人,旅游总人数也以10％的增长率持续增加。结果表明,本研究预测结果可信度较高且较为合理,也为人口数据预测提供了新的预测思路。     

我国普通高校人数的灰色预测和分析

文章应用GM（1，1）覆灰色关联分析，结合我国过去几年的普通高校人数，对未来4年的高校人数进行了预测，且预测模型可靠．结果表明，城镇居民的收入与高校数目有较强的关系，农村居民的收入是影响高校人数最弱的因素，并针对这一现象做了分析提出了自己的建议．     

基于Ordered Probit模型的交通事故受伤人数预测

建立了交通事故受伤人数预测的Ordered Probit模型,应用极大似然方法进行了模型标定.应用模型分析了受伤人数的影响因素,计算了各影响因素的边际贡献,并进行了受伤人数的预测.结果表明,对受伤人数影响较大的因素有路表是否干燥、是否有大中型车辆、是否在交叉口.所建模型在进行事故受伤人数预测的同时,也可用于分析各因素对受伤人数的影响方向和影响程度.文中结果可为交通管理部门迅速准确地判断事故态势并做出快速响应提供决策支持.     

基于面板数据的我国入境旅游经济与接待人数研究

运用空间回归模型,选取中国大陆31个省份2003~2011年旅游外汇收入等相关面板数据指标,实证研究了我国入境旅游经济与接待人数之间的关系.结果表明:入境旅游经济与入境旅游人数存在正相关、稳定性以及长期动态均衡关系.在相同入境旅游人数的情况下,发达地区的旅游外汇收入高于其他地区;甘肃、湖南、山西3省接待人数对入境旅游经济的影响最大;新疆、海南、甘肃、青海等地的入境旅游经济对接待人数的依赖程度极强.     

基于改进灰色模型的建筑能耗预测研究

针对公共建筑逐月能耗呈现周期性震荡的特点,提出一种基于改进灰色模型的建筑能耗预测方法.在传统灰色模型(grey model,GM)的基础上,对建筑能耗的历史数据进行三角变换法处理,较好地解决了震荡序列的模拟和预测;引入弱化缓冲算子改善原始数据序列变化率较大时TGM模型的预测效果.将弱化TGM预测模型应用于各类建筑物的能耗预测,取得较为满意的结果.     

基于改进灰色模型的能源消费预测研究

为提高灰色模型的预测精度,在一次累加生成序列呈指数增长趋势的前提下,利用预估-校正技术对灰色模型的背景值进行了改进.数值实验表明,改进模型有效地改善了模型的预测精度,并拓展了模型的适用范围.最后,结合等维递补技术,利用提出的改进模型,对到2015年中国能源消费需求进行了预测.预测结果表明,到2010年和2015年,中国能源需求总量将高达31.9和36.3亿吨标准煤,这将为中国能源供应安全带来巨大挑战.     

基于灰色模型的中国能源需求预测

首先阐述了国内外在能源需求预测方面的研究现状,以此为基础,采用灰色模型预测法分别对中国的煤炭、石油和天然气需求量进行预测,综合确定了三大能源2011 -2020年的需求量据此提出了中国未来能源开发及利用的建议:以技术为支撑,节能优先,提高能源利用效率;调整煤炭内部结构,建立国家石油战略储备体系,加大开发利用天然气;大力开发新能源     

基于VAR模型的延安市旅游消费对经济增长影响的研究

为了分析延安市当前时期旅游消费对经济增长的影响程度,以延安市旅游消费总量、第三产业产值以及地区生产总值为分析指标,基于2002—2018年的实际统计数据,通过构建VAR模型实证分析了延安市旅游消费对经济增长的影响.结果表明:延安市生产总值、第三产业产值以及旅游消费存在长期均衡关系,来延游客旅游消费每提高1％,会拉动生产...     

基于灰色相关模型的旅游经济增长因素研究

旅游经济对各国、各地区经济的发展具有越来越重要的意义,如何发展好旅游经济已经成为经济领域的重要课题.该文构建了一种基于斜率关联度的改进灰色相关分析模型,并将其应用于海南旅游经济发展的影响要素评价之中.在实证分析过程中,选取了13项序列指标作为分析对象,最终的关联度结果显示,除了零售商品的价格指数、三星级以上的酒店总数2项指标外,其他的人力资源条件、物质资源条件、交通资源条件、信息金融服务条件、宏观经济条件对于海南旅游经济的发展都具有明显的正向影响.据此,该文从宏观经济、人力资源、交通资源3个方面给出了相应的对策建议.     

基于差值灰色RBF网络模型股票价格预测研究

针对RBF神经网络的预测精度受样本数据随机性影响较大,而灰色理论能弱化数据随机性的特点,提出了差值结合法将灰色GM(1,1)模型和RBF神经网络模型有效地结合起来,构建了差值灰色RBF网络预测模型。并利用此模型进行股票价格预测,实证结果表明:该模型预测稳定性较好,预测精度高,平均预测误差为0.68%,与BP神经网络和RBF神经网络相比具有更好的泛化能力和更高的预测精度,在股票预测中具有一定的实用价值。     

基于改进灰色模型的我国天然气产量预测研究

在灰色预测模型的研究基础上,针对灰色预测模型拟合结果误差方面的问题,引入了广义翁氏模型的对数方程式积分形式,以此思想给出了灰色预测模型提高预测精度的理论依据及其改进过程,构建改进后的灰色预测模型.将该改进后的模型用于模拟我国2002年至2011年天然气产量数据,结果显示该改进模型的拟合结果优于改进过程中所应用的任何一个单独模型的拟合结果.使用改进模型预测了2012年至2025年我国天然气产量数据.     

基于灰色模型和BP神经网络的交通量预测研究

在分析公路交通量影响因素的基础上,通过灰色模型对各影响因素进行预测.以湖北省为例,以各影响因素为输入层,将交通需求量作为输出层,构建BP神经网络交通量预测模型,在对模型有效性进行检验后,得到未来年湖北省公路交通量预测值.     

基于灰色神经网络模型的美国碳排放预测

该文基于世界银行数据库1984—2014年美国的碳排放量、美国人均GDP、美国人口总量、化石燃料能耗百分比、人均耗电量等数据,结合多种预测模型,较为准确地预测了美国未来30年的碳排放量。首先基于灰色预测模型表明,未来30年美国的碳排量将呈现逐年递增的趋势。为了进一步提高预测精度,将偏差的关系归纳到BP神经网络模型中,利用神经网络模型趋势外推法对预测结果作进一步完善,预估未来30年美国的碳排量呈现先递增然后逐年开始递减的趋势,即曲线呈现比较明显的倒U型,与Kuznets曲线相符。     

基于灰色人工神经网络组合模型的交通量预测

针对公路远景交通量预测工作中常存在交通量原始数据呈随机性、非线性变化的特点,同时学习样本量较小、信息不充分的问题,充分利用贝叶斯正则化神经网络非线性逼近,良好的泛化能力和无偏GM(1,1)模型的少数据建模,弱化原始数据随机性并增强规律性,消除了传统GM(1,1)模型预测所固有的偏差的优点,建立无偏GM(1,1)-贝叶斯正则化神经网络交通量组合预测模型,并应用于实际交通量预测中.与传统BP预测模型比较,算例结果表明所建模型有效可行,提高了预测精度.