呼和浩特市城市基准地价发展趋势灰色预测

以1998-2003年呼和浩特市城市综合用地基准地价资料为基础,经数据处理,得到以2001年地价级别为基准的不同年份各级别的基准地价,以此为原始数据,应用灰色系统理论构建GM(1,1)模型,经模型精度检验后,预测了呼和浩特市2004-2007年城市综合基准地价,并对预测结果进行分析．     

城市年供水量预测的动态等维新息模型

运用灰色系统理论的预测原理和方法，探讨了灰色动态等维新息模型在城市年供水量预测中的应用。所建模型经“未知数据法”检验比传统G（1，1）模型精度更高、误差更小。预测结果更可靠。并利用此模型对未来城市的供水量进行了灰色预测。     

应用改进的残差GM(1,1)模型预测城市用水量

运用灰色系统理论建立GM(1,1),并用改进的残差GM(1,1)模型进行修正,对城市用水量进行预测.改进的残差修正方法能够使模型保持良好的适应性,有效提高了预测精度.应用该模型对某市年用水量进行预测检验,结果表明:改进的GM(1,1)模型具有较高的预测精度,模拟效果更好.     

GM(1,1)模型灰色预测法预测城市人口规模

以1992-2001年呼和浩特市人口数据资料为依据,应用灰色系统理论构建GM(1,1)人口预测模型,统计检验和误差分析表明,模型精度较高．用该模型预测了呼和浩特市2005-2009年城市人口规模,并对预测结果进行了分析．     

城市建筑安装涂料VOCs排放量模拟预测研究

通过建立灰色离散分数阶预测模型GM(1,1)、BP和RBF神经网络预测模型,以西安市建筑安装涂料产生的VOCs为例,将用于建筑安装的涂料量以及其驱动因子数据作为模型的输入值,用收集整理的2004—2011年16组西安建筑安装涂料消耗量数据进行BP和RBF神经网络训练模拟,2011—2014年5组年数据进行检验预测,采用曲线拟合度和相对误差2个评价指标对3种预测模型结果进行比较分析。结果表明,灰色预测、BP和RBF神经网络预测模型的样本训练及预测的平均误差为:-16.53%,、7.05%,和4.73%,,结合真实值与预测值的曲线拟合和误差下降曲线来看,RBF神经网络的预测结果优于BP神经网络预测结果,采用RBF神经网络预测模型对城市建筑安装VOCs的排放量进行预测具有模拟效果好和预测精度高的优势,对城市VOCs的治理有一定的参考价值。     

灰色模型在城市月用水量预测中的应用

中期用水量预测,它为各个城市水司制定月用水量生产计划提供重要依据.针对我国城市月用水量数据序列的特点对其进行分析研究,利用灰色系统理论,建立预测月用水量GM（1,1）模型.并以东北某大城市月用水量为原始数据进行了实际预测.通过MAPE检验证明GM（1,1）模型为一种行之有效的预测月用水量的模型.     

基于SPSS多元线性回归对城市用水量的分析

城市用水量是城市给水系统规划的一项重要参考指标,对城市用水量的预测具有重要意义。通过查阅北京统计局出示的有关数据以及阅读相关文献,搜集北京市近15年的统计资料,基于SPSS多元线性回归中的逐步回归分析法,建立回归模型。经检验,该模型具有较高准确度,可以用来预测城市用水量。     

基于灰色预测的城市共享单车发展优化问题预测

该文建立灰度GM(1,1)模型对于共享单车对于城市的影响进行量化计算与预测,得到2000—2019年的城市评分,以此来确定共享单车所带来的影响。可以发现,共享单车给城市的评分影响是较大的,在2016年共享单车兴起之后,其评分从1.083上升到2018年的1.106,涨幅较大,这也说明了共享单车给城市发展带来的巨大影响。最后,对于该文所建立模型进行优缺点分析与推广。     

改进的灰色模型在城市工业需水量预测中的应用

目的 为进一步提高城市工业需水量预测的应用水平.方法 综合分析灰色GM(1,1)模型在需水预测应用中存在的问题,结合残差修正以及等维递补的原理,建立了改进的灰色模型以对城市工业需水量进行预测.结果 基于两种不同的灰色模型,得出了宝鸡市城市工业需水量的两组不同的预测值,并对该预测结果进行了精度检验与对比分析.结论 建立改进的灰色模型通用性较好,在数据变化较大的情况下使用,仍具有较好的预测精度,取得了较为满意的预测结果,有益于区域水资源综合规划以及中长期供水计划的制定.     

智慧城市建设影响因素对目标绩效的作用机理

以国内外智慧城市建设的研究文献为数据来源,采用定性分析与定量检验的方法对智慧城市建设影响因素、建设行为与建设目标绩效等进行研究,构建了三者间的理论模型,提出了对应的研究假设.在此基础上,开发了智慧城市建设影响因素与建设目标绩效量表,通过小样本预测试对测量题项进行净化与信度检验,采用探索性因子对其进行分析修改和完善.通过问卷设计与调查对量表进行验证性因子分析,并且对理论模型与研究假设进行了实证检验.最后,对主要研究结论进行了总结,并且根据研究结果提出了相应的建议.     

基于ARIMA模型的安徽省就业发展趋势分析

利用安徽省1978-2016年就业人数数据,建立预测模型,对安徽省2017-2022年的就业人数进行预测,研究结果表明未来六年内安徽省就业人口年均增长率维持在0.87%左右,增长幅度较之前略有下降。通过对该模型的检验,检验结果表明建立的模型的拟合效果很好,适用于安徽省就业人数的短期预测。     

基于ARIMA模型的人民币汇率预测与分析

对2015年8月11日汇改之后的人民币兑美元汇率进行分析,建立ARIMA(14,1,0)模型,残差检验证明该模型是合理的。利用模型ARIMA(14,1,0)对2016年3月10日至2016年3月23日的人民币汇率进行预测,预测结果基本接近实际值,相对误差控制在0.5%以内,并且前5天的平均误差为0.2%。预测结果再次表明,ARIMA(14,1,0)模型完全适用于美元/人民币汇率的建模,特别是对短期范围内汇率的预测是切实可行的。     

基于ARIMA乘积模型的国民经济GDP预测研究

本文采用国家统计局网站1992年至2016年的季度GDP数据资料,先后采用全部及部分数据对比建模并预测。首先利用全部数据资料,借助Eviews软件,对季度GDP数据进行平稳性检验,逐期及季节差分,建模,指出其不足,其次考虑我国GDP指标的核算方法以及数据公布方法的改革,并依据已选模型进行CHOW稳定性检验结果,截取2004年至2016年的季度GDP数据资料建立模型,并通过对比指标MAPE等,筛选出最优模型;最后对我国2017年的季度GDP进行预测,预测结果表明所选模型能较准确地反映我国季度GDP的变化规律。     

济南城市发展预测研究

笔者通过对济南城市发展历史的研究,剖析城市发展的影响因素,如地形、交通等．选择SLEUTH模型,借助GIS、RS技术,对未来济南城市增长进行模拟,得到了济南未来2015年、2020年、2030年的城市中长期发展预测图,并通过与现实数据的比较验证了SLEUTH模型预测的精度．最后,针对济南未来发展存在的问题提出了浅见．     

城市用水量预测的混沌理论研究

分析了混沌理论特征,利用城市用水量混沌特性,建立城市用水量短期预测模型,对城市用水量进行科学预测.利用历史数据信息,在相空间重构基础上对城市用水量时间序列进行分析,分析饱和嵌入维数、延迟时间和Lyapunov指数求解方法并对其进行计算,并以此为指导对城市用水量进行高精度预测.利用建立的模型对东北某市日用水量进行预测,结果表明基于混沌理论的城市用水量预测模型具有较高精度,对于受众多因素影响的城市用水量预测有良好的推广价值.城市用水量受众多因素影响,混沌理论为城市用水量预测提供了崭新思路.     

城市生态安全模糊综合评价研究——以萍乡市为例

城市生态安全评价是预测和预警生态安全状况的基础。这也是城市生态系统管理的有效途径。基于"压力(Pressure)-状态(State)-响应(Response)"(PSR)概念模型,建立了城市生态安全评价指标体系。然后将模糊数学引入城市生态安全评价中,建立了模糊综合评价模型。该模型采用层次分析法(AHP)赋予指标权重。最后对江西省"海绵城市"试点萍乡市2007-2016年的城市生态安全状况进行了评价。结果表明,萍乡市生态安全状况良好,有逐步改善的趋势。本研究为城市生态安全评价提供了新的途径。     

城市土地需求预测及土地储备策略

针对城市土地储备系统具有较高的不确定性及土地储备的滞后性,土地需求预测是土地储备数量合理确定的基础,利用EViews拟合ARIMA模型,建立了城市土地季节性需求预测模型.并通过了博克斯-皮尔斯Q统计量法检验,表明建立的模型适用于城市土地需求的动态分析和预测.根据预测结果,利用模糊规划的方法,提出了在土地储备模糊约束条件下的土地储备数量确定方法.对某市土地储备数量的确定进行了实证研究,演示了模犁和决策方法的应用,验证了预测模型和决策方法的科学性和实用性.     

改进的CS-GRNN模型在城市需水量预测中的应用

为了更加准确地预测城市需水量,提出一种基于改进布谷鸟算法优化广义回归神经网络模型的城市需水量预测方法.该方法采用改进的布谷鸟算法对广义回归神经网络的平滑因子进行优化,建立改进布谷鸟算法优化的广义回归神经网络模型(ICS-GRNN),并应用于南宁市城市需水量预测中.通过使用南宁市2001—2012年城市需水量测试数据分别对传统GRNN法和ICS-GRNN法的预测结果进行比较,结果表明,该方法具有更高的预测精度和数据拟合能力.     

江苏省城市用水预测研究

运用联合国法和消费水平法分别预测出江苏省不同水平年城镇化水平,分析确定了江苏省不同水平年设区城市人口的数量;分别用分项预测法和城市人均综合用水定额法预测不同水平年城市用水量,两者结果非常接近,可采用人均综合用水量预测结果作为不同水平年的城市用水量,用分项预测成果分析各类用水的比重;针对城市用水预测结果,提出了保障江苏省设区城市用水的开源节流建议.     

基于GIS与ANN的土地转化模型在城市空间扩展研究中的应用——以北京市为例

结合GIS强大的空间分析功能与人工神经网络(ANN)处理非线性适应性信息的独特能力建立一种土地转化模型(land transformation model,LTM),用以定量分析城市土地扩展与社会、政策、环境等因子之间关系,并基于此对城市空间扩展的动态进行模拟与预测。LTM模型的运行主要分为3步:因子选取与数据预处理;建立人工神经网络并输入数据对其进行训练与仿真;应用PID法对人工神经网络的输出进行分析,同时在GIS平台上模拟出城市扩展的动态分布。选取相应的影响因子并运用该模型对北京市的城市扩展进行实证模拟检验与预测,结果表明此LTM模型确实提供了一种定量分析和预测城市空间扩展的方法,能够为城市规划与城市发展政策的制定提供重要的科学参考。