CPI指数预测的统计回归模型

对CPI值进行预测,对我国相应部门做出正确的宏观决策有积极意义．本文采用应用非常广泛的一类随机模型——统计回归模型,首先找到关于CPI指数变化的影响因素,搜集相关的大量数据;然后通过应用主成分分析法找出影响CPI的3个主要因素;最后基于3因素的数据,通过统计分析,建立回归模型,对短期内的情况进行预测．     

医院需求的统计预测方法浅探

从医院管理实际出发，将统计预测中的时间序列预测、因果预测和定性预测方法应用于医院需求方面的预测和分析。     

指数自回归模型的辨识的研究

本文讨论了指数自回归模型的辨识问题，证明了该模型的最小二乘问题的非凸性，并给出其保证凸性的条件，最后运用混合算法，辨识了该模型，并用数值算例加以说明。     

基于支持向量回归机的气象观测站优化模型

在保证足够信息量的前提下,针对合理减少气象观测站的实际问题,首先利用主成分分析(PCA) 降低样本数据的维数,其次利用支持向量回归机(SVR)对样本进行有效的回归,然后结合优化软件lingo对凸二次规划问题(与支持向量回归机相对应)进行求解,最终得出基于主成分分析-支持向量机回归预测优化模型。     

统计回归模型及其优化算法综述

在大数据时代,正则化(惩罚)回归模型成为高维数据分析的一种有效分析工具.文中从统计模型理论和优化算法两个角度对正则化回归模型进行简要的概述,主要介绍线性回归模型、广义线性模型和分位数回归模型三种经典且重要的回归模型以及相应的正则项.对于线性回归模型,介绍最小二乘回归和l_1-正则最小二乘回归问题的优化算法;对广义线性模型和分位数回归模型,介绍逻辑回归模型和求解l_1-正则逻辑回归问题的优化算法,并展示分位数回归模型和求解相应的正则化分位数回归模型的优化算法.最后,对正则化回归模型未来的研究方向进行展望.     

基于指数加权分位数回归预测的CPFR成本模型

针对某些商品的高易变性、不对称性的需求模式,基于预测方法高精确度的要求,采用计量经济学前沿预测研究方法指数加权分位数回归预测法,建立了由零售商、制造商的成本模型和供应链系统总成本模型构成的CPFR供应链系统成本模型,为基于多层次CPFR的三级库存协调与优化研究中提高需求预测精度探索新的视角.该模型通过直接预测销售序列的分位数,避免既存研究中基于假设的预测失误,使预测结果更加贴近需求模式的真实值.数值分析表明指数加权分位数回归预测模型的预测精度较高.     

利用线性回归模型对季节指数的估计

利用季节虚拟变量建立回归模型,通过季节虚拟变量的参数估计间接地估计季节指数,并且利用模型进行了一些传统的季节指数方法无法进行的推断统计.这是一种分析季节指数和季节变动的新思路。     

基于主成分回归分析的流程工业生产故障预测

在流程工业生产过程中,采用主成分回归分析方法,去除变量间的共线性,可以有效提高系统故障预测的能力.通过TEP过程验证,证明该方法具有较好的故障预测效果.     

统计模式识别和自回归滑动平均模型在 设备剩余寿命预测中的应用

为了对设备预知性维护研究提供支持,采用统计模式识别（SPR）方法对设备进行性能评估,获取设备健康指标;再运用自回归滑动平均模型（ARMA）对设备剩余寿命进行预测,建立了基于设备健康状况的设备剩余寿命预测模型.对生产过程中刀具加工设备寿命预测进行分析和验证结果表明,该设备评估和预测方法是有效且实用的.     

脑卒中发病环境因素的定量分析模型

利用提供的数据,在合理假设前提下,给出了脑卒中发病环境因素分析模型.首先采用主成分分析法建立模型,得出影响脑卒中发病的三个因素中,第一类主成分是气温和气压,第二类主成分是相对湿度.其次利用回归分析法得到回归方程,并利用部分数据进行检验.     

一种改进的线性回归预测模

用最小二乘法求解线性回归预测方程的回归系数时,计算量比较大,针对这个问题,提出一种改进的线性回归预测模型,该模型和其它预测算法配合,能够对若干种药品的销售额进行预测,挑选的药品种类越多,效率越高。最后通过具体实例验证了该模型是可行、有效的。     

基于非参数核回归模型的隐含波动率预测

采用非参数核回归的方法,以市场上的期权数据为分析对象,将隐含波动率看作是与执行价格、剩余期限相关的函数,对其进行建模.构建双窗宽Nadaraya-Watson高斯核回归模型和Parzen-窗均匀核回归模型,与已有的参数模型和Bourke模型进行实验对比.实验结果表明,Parzen-窗均匀核回归模型的隐含波动率预测精度更高、效果更好,大样本的情况下优点更显著.     

基于统计回归模型的红外人脸温度归一化

为了减小环境温度对红外人脸图像的影响,本文提出了一种基于统计回归模型的红外人脸温度归一化方法.为了得到环境温度与红外人脸温谱图在对应像素点灰度之间的关系,将环境温度改变值和对应人脸上的温度变化值作为研究对象,利用统计回归方法对这两个对象进行二次多项式拟合即可得到环境温度变化和对应的人脸上温度变化的函数关系.通过得到的函...     

指数趋势预测的BP-LSTM模型

本文根据股指、股价等数据的时序特征将人工神经网络(ANN)与深度学习中的循环神经网络(RNN)引入股指预测,基于BP神经网络模型与长短期记忆(LSTM)神经网络模型构建了BP-LSTM模型.基于上证指数,本文进行了进行数值实验.结果表明BP-LSTM预测模型的准确率相比传统机器学习模型有明显提升,与普通LSTM模型相比也有较大提升.     

一元回归统计分析模型在土地利用动态监测中的应用

概述了一元回归统计分析模型的几种常见类型 ,给出了各种函数的曲线标准形式和将非线性问题线性化的方法 ;详细阐述了计算软件的功能和使用方法 ,并以河北省某市建成区为实例进行计算 ,证明方法可行 ,原理正确 ,结果可靠     

一类基于偏最小二乘回归分析的成分数据预测模型

针对“因变量和自变量都是成分数据的前提下，如何建立它们之间的线性回归”的基本问题，以经典线性回归分析法为基础，结合对称Logratio变换，建立了一种基于偏最小二乘回归分析的成分数据预测模型，并对该模型进行了理论实证分析，论证了该模型的可行性与优良性，从而为解决具有成分数据信息的多重相关变量回归问题提供新的途径．     

基于变维分形的股票指数预测模型

为了解决投资者提出的希望能够寻找一种易于实现的预测方法来提高股票指数短期预测精度的问题,采用变维分形、累计和变换对数据进行分析,预测时对上证指数的原始数据进行一系列变换以及分析后,从中选择一种能够与模型符合良好的最优变换来确定相应的分形参数,即能用分形分布处理变换后的数据。给出了用分形方法对上证指数进行短期预测的实例并结合数值模拟图形进行比较分析,经研究得出基于分形维的预测方法对于股票指数的短期预测精度较高,并且对短期预测具有很好的研究价值和广阔的应用前景。     

基于人工智能的动态马尔科夫模型预测空气质量指数

采用人工智能算法对北京市空气质量指数199个数据序列进行拟合得到拟合值序列和预测值,结合数据的动态变化特点,再与马尔科夫链结合进行动态预测,预测精度优于基于灰色理论的GM(1,1)模型和基于BP算法的神经网络模型。     

SARS预测模型及分析

充分考虑对SARS流行有较大影响的多个因素,建立了改进的微分方程模型.特别在模型中加入了反映政府控制措施的多个参数,并在SARS流行的控制前后等不同阶段发挥控制作用,使得模型的计算结果和实际数据吻合较好,有效地预测了SARS的流行趋势,并给出了控制措施及建议.