铜川市产业结构发展趋势的成分数据预测

饼图中各份额数据的组合被称为成分数据。由于不能满足成分数据两个约束条件,以往对按时间顺序收集的成分数据预测,其预测值之和不等于1。针对这个问题,文中采用球坐标变换方法,对铜川市产业结构和就业结构进行预测。该预测结果可为铜川市产业结构调整提供有益的指导和参考。     

主成分分析法在大气环境质量评价中的应用——以陕西省铜川市为例

以陕西省铜川市2006—2014年主要大气污染物二氧化硫(SO_2)、二氧化氮(NO_2)、可吸入颗粒物(PM_(10))、总悬浮颗粒物(TSP)、降尘、铅(Pb)和氮氧化物(NO_x)的相关数据作为评价因子,采用主成分分析法对铜川市大气环境质量进行了综合评价.结果表明:铜川市大气环境质量在2006—2014年整体上呈良好态势发展,均属于一、二级国家标准;但2007年由于铜川市NO_x与SO_x的过度排放,使得该年铜川市的大气环境质量最差.     

基于函数性数据分析的中国社会消费品零售总额数据的预测

基于数据的函数性特征,采用函数性数据分析方法对中国社会消费品零售总额进行预测。将总额数据分解为长期趋势成分和季节性波动成分分别进行预测。对长期趋势成分引入居民可支配收入数据来辅助预测,对于季节性成分采用自适应选择权重的加权预测法,将两项预测值的和作为总额预测结果。真实数据上的实验结果表明,本文提出的预测方法预测误差小,且预测结果具有很好的可解释性。     

数据挖掘技术的微信影响力预测模型

信息时代的到来，催化了微信等通讯工具的发展，微信属于网络信息传输的核心载体，信息传输速率快，能够提升微信影响力，为此构建了基于数据挖掘技术的微信影响力预测模型。该模型使用基于粗糙集理论和BP神经网络的微信传播数据挖掘算法，采集预测微信影响力的有效数据；通过基于主成分分析的微信影响力预测模型，使用Z-Score法降低数据维度，实现数据标准化后，使用主成分分析法，提取微信数据特征，按照特征值大小设定微信影响力预测指标，将预测指标主成分特征实施归一化并设置权重后，构建影响力整体预测函数，实现微信影响力预测。预测结果显示，此模型预测的微信影响力和实际高度吻合，预测误差最大值仅有1%,且具有较高的查全率和查准率。     

各省经济发展情况的综合数据分析

分析各省的经济发展状况是科学规划产业布局、优化产业结构的重要步骤,但很难找到各省中经济发展指标之间的相关性,分析未来的经济发展。如不对其进行有效的特征提取,很容易出现所谓的"维数灾难"问题。主成分分析法作为有效的多元统计方法,能够将高维空间的问题转化到低维空间去处理,使问题变得简单、直观,而且这些较少的综合指标之间互不相关,又能提供原有指标的绝大部分信息。提出了一种综合分析方法,首先采用主成分分析法降低数据维数,在主成分分析结果的基础上,采用聚类分析对数据进行深度简化,以得到综合数据分析结果。利用这种综合数据分析方法,将31个省的20个指标有效地减少为1个主要成分和4个簇。该结论将为预测我国内地各省经济的发展情况、科学规划产业布局、优化产业结构等方面提供重要的数据分析依据。     

一种对无统计环境测量模型缺省值进行预测的新方法

采用模式识别中的K最近邻法(KNN方法)对不满足于统计模型的数据阵中的缺省值进行预测，预测以样本值作为预测参照．由于原始数据阵没有训练集，故采用对原始数据进行最大似然主成分分析(MPCA)，获得的结论与KNN方法处理后的数据的主成分分析结论相比较，结果表明，两套数据分析得出的主因子数、因子负载阵基本一致，而因子得分阵有细微的差别，预测较缺省值处理可获得更详尽的信息．     

基于主成分分析与神经网络的采矿方法优选

基于利用神经网络预测采矿方法存在一些不足,建立主成分分析法与神经网络结合的采矿方法优选模型。对神经网络的输入数据进行主成分分析,使输入数据不相关且减少。研究结果表明:利用主成分分析法可将输入数据减少,消除由于BP网络输入数据太多而影响数据处理速度的缺陷;把主成分分析法和神经网络结合进行采矿方法优选,可使预测精度大大提高。     

一种基于PCA的GEP算法及在采煤工作面瓦斯涌出量预测中的应用

在研究主成分分析和基因表达式程序设计的基础上，提出一种基于主成分分析的基因表达式程序设计新算法，并将其用于采煤工作面瓦斯涌出量的预测．该算法先采用主成分分析方法对影响瓦斯涌出的变量进行降维处理，有效地减少预测模型的输入量，消除输入数据间的相关性，再用基因表达式程序设计建立采煤工作面瓦斯涌出量的预测模型．结果表明，预测结果比遗传规划和基因表达式等其他算法得到的结果具有更高的预测精度和稳定性．     

用于高维时序数据预测的非同步尺度主成分分析

针对时间序列数据预测过程中可能面对高维或超高维的预测变量,同时考虑变量的时序特征及预测的非同步性,提出用于时序数据预测的非同步尺度主成分分析方法。首先构建单个预测变量和被预测变量的非同步线性回归,通过可决系数选取单变量的最佳滞后阶数,并将回归系数赋权与相应的预测变量得到赋权预测变量,并通过主成分分析对赋权预测变量降维,即非同步尺度主成分分析。将该方法用于消费者物价指数增长率的预测,结果表明经非同步尺度主成分分析降维的预测精度高于传统降维预测的方法。     

基于CATPCA的优化Transformer卫星电源消耗时序预测研究

提出一种由基于最优尺度量化的分类主成分分析数据处理模块和优化Transformer时序预测模块组成的卫星电源消耗预测方法.针对卫星工程数据的高冗余问题，建立了基于赫斯特指数分析（Hurst）、灰色关联分析以及分类主成分分析（CATPCA）的卫星高维数据处理模型，对百维度时序数据进行有效提取，重构输入数据.采用对抗学习网络架构，建立多学习Transformer的卫星电量预测模型，模型综合考虑影响卫星能源消耗的多种因素以及时序数据依赖，可以在较短的时间内完成高精度卫星电源消耗时序预测.实验部分采用卫星真实运行数据，综合考虑影响卫星能源消耗的多种因素，12 h预测拟合优度达到94%，比BP神经网络，长短期记忆网络（LSTM）精度更高.可以有效克服常规工程数据的冗余、缺失以及脏数据问题，解决了常规时序预测需要依赖长期数据的不足缺陷，有效完成卫星能源短时消耗高精度预测.这对卫星在轨任务规划、卫星在轨健康管理等后续任务提供可靠支持.     

基于主成分分析与BP神经网络的冲击地压预测

冲击地压的发生会对矿山造成巨大的经济损失,预测预报是防治冲击地压的重要组成部分。文章将主成分分析方法与反向传播人工神经网络(即BP神经网络)方法相结合,用于对冲击地压的预测。首先,利用主成分分析法对冲击地压的影响因素进行分析,降低数据的维数。然后,将所得的数据作为BP神经网络的输入数据进行训练,用训练好的神经网络对冲击地压进行预测。预测结果与实际结果的对比表明,利用主成分分析—BP神经网络方法对冲击地压预测是可行的。     

安徽省"十一五"产业发展的趋势和特点

文章根据安徽省2003年产业现状,结合历年三大产业发展趋势和特点,定性分析了安徽省“十一五”期间三大产业的发展趋势;并根据三大产业1991~2003年生产总值及产业结构数据,采用定性预测和定量预测相结合的方法,预测了“十一五”期间各产业的生产总值和产业结构。     

我国产业结构演进对碳减排的贡献程度

为定量测算产业结构对碳减排的贡献程度,根据2000—2009年的GDP相关数据,在产业结构自然演进情景下,采用因素分析模型和时间序列模型,预测2020年的GDP相关数据,并测算各产业增加值所占GDP的比重及能源强度。结果显示:自然演进情景下产业结构对2020年实现全国碳减排目标的贡献率仅为35.86%。基于产业结构自然演进下无法实现碳减排目标的现实,拟定产业结构加快调整情景。比较分析两种情景所得数据,结果表明产业结构调整必须结合其他影响能源强度的因素共同作用才能达到减排目标。该研究为制定有效的碳减排措施提供了参考。     

成分数据预测建模在北京市三次产业上的应用

在社会、经济、技术等领域中,成分数据是一种被广泛应用的数据类型．文章对比研究了成分数据两种不同建模预测的区别,利用北京市三次产业数据,通过比较研究,指出成分数据预测——非对称对数比变换在应用方面的优缺点,并对北京市三次产业进行简要分析．     

山东经济发展与产业结构的关联分析

分析了山东省经济发展概况，以及产业结构各层次的发展情况，对山东省经济发展和产业结构进行灰色关联分析，得出各层次的关联程度序列，预测发展趋势，指导科学决策。     

神经网络短期负荷预测中的数据分析

在运用神经网络进行短期电力负荷预测中，输入数据的复杂性和冗余性给网络训练的效率和预测精度造成了显著的负面影响。文中提出了一种复全的数据分析方法，先采用输入变量贡献分析方法，根据输入变量对输出贡献的大小划分为主要变量和次要变量，在保留主要变量的基础 ，再采用多元统计分析中的主成分分析法，消除变量间的线性相关性，在此达到压缩变量维数的目的。将此分析方法用于处理神经网络的输入变量，提取其主要成分，使结构大为简化。结果表明，经该方法处理后的数据输入神经网络，训练时间大幅度缩短，负荷预测精度亦有一定程度的提高。     

资源枯竭型城市的产业转型问题研究——以铜川市为例

目的使典型的资源枯竭型城市摆脱"资源富城兴、资源竭城衰"的格局。方法运用实地调研,查阅文献,数据分析等方法对铜川市进行现状分析。结果通过分析可知,铜川市现在处于资源的枯竭期,资源优势地位丧失引发转型及就业危机;产业结构单一依赖资源,重工业比重过大;所有制结构单一;生态环境恶化,城市污染严重。结论在产业转型时期应延伸产生链,提高产品附加值,建立以水泥为主导的建材产业集群,壮大培育新兴产业等。     

新疆产业结构演变分析及其发展趋势预测

章以1978～2002年的统计数据为基础，对改革开放以来新疆产业结构的演变过程和现状进行了分析研究，运用数学模型，对2004～2010年新疆的产业结构进行了预测分析。     

基于主成分分析和支持向量机的区域降水预测应用研究

将主成分分析和支持向量机回归相结合, 以广西5、6月区域平均日降水量作为预报对象, 进行区域日降水量预测研究.首先,整理分析大量的T213数值预报产品信息数据进行主成分分析, 得到主成分数据序列; 其次, 根据主成分数据序列建立训练集训练支持向量机, 并利用遗传算法优化参数; 最后, 输入支持向量机所需数据, 得到主成分预测结果, 建立广西日降水预报模型. 实例计算结果表明, 支持向量机回归模型比逐步回归模型有更好的预测能力.     

房地产宏观需求预测

本文使用定量预测技术对房地产进行宏观需求预测,通过Matlab,对历史数据进行处理,得到多种曲线拟合的数学模型,并利用主成分分析筛选要素,最后建立主成分回归曲线模型来进行预测。