基于NAR模型的商品零售价格指数预测研究

基于样条估计理论,建立了我国商品零售价格指数的NAR预测模型.并应用此模型对我国2004-2007年的价格指数进行了预测分析,结果表明:相对于传统的ARMA模型而言,NAR模型能够更好地捕获我国社会商品零售价格指数的非线性特征,预测精度较高.     

云模型在商品月销售量预测中的应用

针对营销企业商品月销售数量变化不定的难点,提出了基于云模型的商品月销售量的预测方法。根据云规则发生器计算云模型的数字特征值和所需数目的云滴,来预测未来商品月销售数量。云模型预测解决了预测数据的模糊性和随机性问题。实验结果表明,和基于时间序列季节预测方法相比,采用云模型预测的结果更准确,对企业的销售预测具有现实意义和参考价值。     

基于代价敏感LightGBM的网购意愿预测研究

[目的]由于购买商品的消费者数量远小于未购买商品的消费者数量,网购意愿预测研究是典型的不平衡数据分类问题.研究不平衡数据的分类问题以提升网购意愿预测的分类准确率,该问题主要存在少数类样本识别准确率远小于多数类样本的问题.[方法]提出一种基于贝叶斯优化的代价敏感轻量梯度提升机(Light Gradient Boosting Machine, LightGBM)模型.首先引入误分类代价作为惩罚因子修正LightGBM的损失函数,其次通过阈值移动降低模型的分类阈值以提高针对少数类样本的预测准确率,最后利用贝叶斯优化算法优化误分类代价参数、分类阈值及其他参数.[结果]从KEEL数据库中选取5个典型的不平衡数据集进行对比实验,相较于标准LightGBM模型,改进LightGBM模型的AUC值和G-mean值均提升了10%左右;相较于遗传算法优化代价敏感LightGBM模型和粒子群优化代价敏感LightGBM模型,改进LightGBM模型的AUC值和G-mean值普遍提升了4%左右;相较于ADASYN-LightGBM模型和BorderlineSMOTE-LightGBM模型,改进LightGBM...     

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.     

运用SAS软件系统对商品批发单价的回归分析

本文运用SAS软件系统对商品批发单价进行了研究,建立了非线性回归模型,用t检验法检验了模型的合理性,并对商品的单价作出预测,为商品批发价格的预测提供一种方便实用的方法.     

基于优化的无偏灰色模型的铝价格行情预测

为了对铝价格行情进行科学的预测,构建优化的无偏灰色模型模拟其变化趋势.首先建立无偏灰色预测模型,并推导出它的求解公式;再对其背景参数进行优化;然后根据2010年10月至2011年6月上海现货铝价格数据,采用优化的无偏灰色模型进行模拟预测,最后将其预测结果与传统的GM(1,1)模型和无偏灰色模型进行误差比较分析.结果表明优化的无偏灰色模型消除了传统GM(1,1)模型本身固有的偏差,模拟和预测的精度较高,分析结果可靠.预测数据说明我国铝现货价格整体上呈上升趋势,与我国经济建设对铝的需求持续增长的现状相符.     

金融时间序列预测中的GA-SVR方法

针对支持向量机方法在金融时间序列预测的过程中,模型参数选取不当的导致预测精度较低等问题,利用遗传算法优化选取支持向量机模型参数,建立了一种基于遗传算法优化支持向量机参数的金融时间序列预测模型。并将该方法应用于我国上证指数时间序列预测中。实验结果表明基于遗传算法优化的支持向量机方法能较好的反映金融时间序列预测规律,并且提高了模型预测精度。     

耐用商品销售的数学模型

利用三次增长率模型预测了耐用商品销售量最大值,利用Gompertz曲线模型预测了销售状况,并对浙江省城镇居民平均每百户彩电拥有量和空调拥有量进行了分析、预测,为耐用商品的生产、销售及更新换代提供了依据。     

基于评论特征提取和隐因子模型的评分预测推荐系统

评分预测是推荐系统研究的核心问题,通过用户的历史行为来预测用户对商品的评分,根据评分高低来推荐用户喜欢的商品.当前基于评论评分预测推荐系统普遍只使用卷积神经网络捕获局部特征或者循环神经网络捕获全局特征,忽略了将这两类特征的有效融合.针对现存问题,本文提出基于评论特征提取和隐因子模型的评分预测推荐模型,使用自适应感受野的卷积神经网络(CNN)提取局部特征,同时使用门控循环单元(GRU)提取全局特征,将不同特征融合为评论的嵌入表达.再结合隐因子模型(LFM)对用户的特征偏好和商品的特征属性进行建模.最后,通过对用户和商品的嵌入表达进行评分预测.实验结果表明,本文模型在5个数据集上均高于现有基线模型.     

城市蔬菜供需平衡问题的优化研究

在对兰州市蔬菜产、供、销历史与现状进行研究，并对其供求关系进行定量分析及预测的基础上建立了兰州市蔬菜供南非平衡的线性规划优化模型，通过求解得到了商品菜基地建设和蔬菜调出量，调入量的优化安排，以期达到蔬菜供应的最佳经济效益与社会效益。     

基于GA-ELM模型的我国天然气进口预测

我国天然气进口具有时间短、数据量少的特点,传统的预测方法不能兼顾结果的准确性和实时性.提出了一种基于遗传算法优化极限学习机模型的权重和阈值的新方法,使用随机森林算法评估影响因素的特征重要性,从中选择了影响最显著的6个因素作为模型的自变量;用自变量2006—2018年的历史数据训练经遗传算法优化的极限学习机模型,得到预测精度高的机器学习模型;再使用差分整合自回归移动模型对未来自变量的数值进行预测,将预测结果代入训练好的机器学习模型中,得到未来天然气进口量的预测值.结果显示,我国未来天然气进口量将呈现上升态势,其增长率经历几年下降后将保持平稳.     

基于GBDT的商品分配层次化预测模型

商品预测是使用以往商品信息去估计和推断未来商品的销售趋势,并以此作为对商品进行合理调配与规划的依据.为实现对商品销售的精确预测,在GBDT基础上,提出了一种层次化集成预测模型(HGBDT).针对数据表征的高维问题,基于Bagging思想,在特征空间构建了该模型,实现对商品的有效描述,以此提高预测模型的性能与泛化能力.在开放数据库上的实验结果验证了本文模型的有效性.     

居民消费结构分析与政策建议

通过引入消费结构水平这种综合衡量方法,实施城乡居民、城镇不同收入层居民消费结构比较分析.找出目前我国消费结构存在的问题,并预测消费结构发展方向,有针对性提出解决措施,从而优化居民消费结构,带动商品供给结构的调整,促进国民经济增长.     

我国对外贸易与碳排放关系的实证研究

以中国1990—2012年的碳排放量和对外贸易进出口额为基础进行统计和分析,得出随着中国对外贸易进出口额的不断增长,中国的碳排放量也呈现出了相似的增长趋势.采用计量分析对我国碳排放量与对外贸易进出口额进行平稳性检验和两者的协整检验,表明中国的碳排放与对外贸易存在长期的均衡关系,同时,通过误差修正得出了两者的短期波动关系.根据实证分析所得出的两者的关系,提出了相应的对策建议.     

基于改进GM(1,1)和SVM的长期电量优化组合预测模型

针对中长期电量预测可使用的相关历史数据较少、影响因素较为复杂等特点,提出一种基于改进GM(1,1)和支持向量机的优化组合预测模型.该模型将改进灰色预测模型和支持向量机模型进行组合,采用蛙跳寻优算法求取组合预测模型中各单一模型的权重,构建基于蛙跳优化的组合预测模型.将优化后的组合预测模型应用于我国中长期电量预测,选择我国1991-2005年电量进行分析,对2006-2010年的电量进行预测,并与一般组合预测模型及各单一模型进行比较.研究结果表明:本文方法得到的电量平均相对误差为2.06％,比等权组合预测模型、方差－协方差优选组合预测模型以及各单一预测模型的预测精度都有所提高.     

期货价格的马尔科夫链改进模型

首先引入马尔科夫链模型,以沪铝期市价格为例对商品期货价格进行了预测;再利用期市价格变动的量价关系得到了马尔科夫链改进模型。实证分析表明,相较于传统马尔科夫链模型,改进的模型在预测精度及效率上均有所改进。     

一类季节性商品市场预测的新方法

讨论了一类季节性商品的市场预测问题，在原有模型基础上，提出了一种改进的预测新方法，可以提高预测精度。     

基于自适应粒子群算法的GM(1,1)模型及其应用

将自适应粒子群算法优化GM(1,1)模型的参数用于武汉市电力负荷预测,与普通GM(1,1)及标准粒子群优化的GM(1,1)模型的预测结果比较,发现采用自适应粒子群算法优化参数的GM(1,1)模型具有更理想的预测结果。     

基于数据融合算法优化的GM(1,1)负荷预测模型

为了提高中长期电力负荷预测的精度,改进传统灰色GM(1,1)模型在中长期负荷预测中因部分原始背景数据的偶然性偏差而导致预测精度降低的问题,提出了将数据融合算法与GM(1,1)模型相结合以形成数据融合算法优化下的GM(1,1)模型.首先对特定年采用多个不同历史数据进行GM(1,1)模型预测,利用数据融合算法对多次预测值进行优化分析,获得优化后的预测结果,最后通过对某电力系统年用电负荷进行实例分析,证明数据融合优化下的GM(1,1)模型具有较高预测精度.实践证明所建立的模型对电力系统中长期负荷具有良好预测能力.     

基于word2vec的评论有用性研究

建立一个评论有用性模型,该模型能够对在线商品评论进行有用性预测.基于精心建立的情感词典,联合基于神经网络构建的商品属性词典.设计了合理的匹配算法,采用随机森林算法和五折交叉验证对评论有用性不同特征进行准确率、召回值和F指标的预测.结果显示评论有用性方差值能够很好地反应评论的有用性.评论有用性模型能够对评论进行准确的预测,所预测的结果可以为消费者提供有效的参考.