基于小波分析的住宅房产均价预测

将小波方法引入到深圳宝安住宅房产均价的长期趋势的预测中。利用小波多尺度分析的功能，将非平稳时间序列的住宅房产均价分解成主要趋势和细节两大部分。对主要趋势用二次多项式进行拟合预测，对细节部分用余弦逼近和AR（2）模型进行拟合预测，最后把主要趋势的预测值和细节部分的预测值相加，得到原始时间序列的预测值。并用所建立的模型对深圳宝安2006年每个月的住宅房产均价进行了外推预测。由于这种方法能够准确的提取出房产均价的长期趋势用于研究预测，因此用这种方法预测的平均相对误差比直接用二次多项式进行拟合预测的平均相对误差小0．7％。用所建立的模型外推预测出的2006年1、2、3月份的数值与实际数值相比较，平均相对误差为0．033。误差是比较小的．反映了小波预测方法的有效性。     

基于回归分析的工程建造价格预测研究

本文首先论述了工程建造价格预测在工程建设中的重要意义与作用;然后应用了一种价格预测方法一回归分析方法;最后提出了使回归分析方法在工程建造价格预测中应用更加完善的措施建议。     

煤炭价格预测模型及其应用

采用多元线性回归分析法和时间序列分析法建立了全国煤炭平均价格的预测模型，并将其较好地应用于2004年煤炭平均价格及其置信区间的预测。     

混沌时间序列的局域线性回归预测方法

混沌时间序列预测是８０年代末发展起来的一种非线性预测新方法．它已在天气预报、经济预测、电力负荷预测、股市预测等方面得到成功应用．混沌运动是确定系统具有内在随机性的一种运动,它的行为极其敏感地依赖于初始条件．混沌系统从两个极其邻近的初始点出发的两条轨道...     

关于我国货运量的预测与研究

货运量是反映国家经济实力和地区发展水平的一个重要指标。文章通过对1997²016年全国货运量数据的实证分析,针对国民生产总值、第一产业产值、第二产业产值、第三产业产值、社会消费品零售总额、社会固定资产投资、人口、货物进出口总额、运输线路长度,采用多元线性回归分析方法以及建立时间序列分析模型,利用SPSS统计分析软件以及R软件对相关数据进行分析,预测出我国货运量将在最近五年呈增长趋势。     

天津市高级技术人才的供需缺口预测

在当今知识经济环境下,人才已成为企业、行业乃至地区最重要的战略资源之一.更好的了解、管理、控制天津市的科学技术人才,已成为天津市人才管理的首要任务.本文主要通过寻求高级技术人才供应的自身规律,以及经济发展与高级技术人才数量之间的关系,对天津市未来10年高级技术人才的缺口进行了预测.     

基于GIS技术的房产测绘系统设计与实现

随着经济的飞速发展,城市人口不断增加,房地产行业顺应了时代的发展。房产测绘中存在大量的图形和空间信息以及属性,现如今市场中的房产测绘系统软件难以满足需求。因此,该文基于GIS技术的房产测绘系统设计与实现,使房地产行业平稳地顺应时代的发展,起到了极为重要的现实意义。     

基于数理分析对长江水质的评价预测研究

长江水质污染日益严重,为了保护长江水资源,科学合理地预测长江水质对长江水资源的可持续发展具有重要意义。本文利用时间序列模型和多元线性回归模型预测了长江水质未来状况,并对长江水质预测结果进行了定性和定量的综合评价,分析得出未来五年长江水质污染的发展趋势。     

郑州市居民消费价格总指数的预测

借助SPSS软件,对郑州市2001.1-2006.9期间居民消费物价指数进行了分析,通过对比了ARIMA模型和带周期性的ARIMA模型对物价指数的预测效果,指出郑州市物价指数具有季节性和周期性特点,并预测了2006年第4季度郑州市的居民消费价格水平。     

基于时间序列的灰色预测技术在估产模型中的应用

在建立估产模型过程中，引进基于时间序列的灰色预测技术，通过对样本点建立基于时间序列的灰色预测模型和常规的多元线性回归气象模型的分析比较，试图找到一种计算简单，数据要求少而精度较高，时效性较好的建模方法，为时间序列预测在农作物估产方面的应用作出一点探索。     

基于混沌时序的WTI价格系统预测

针对现代金融理论在描述价格波动行为时和真实市场之间存在着一定的差距问题,为运用混沌时间序列的方法来提取价格序列中蕴含着的动力学信息,并应用到实际预测,采用改进C-C算法消除在求解时间延迟时出现的矛盾,并且在计算Lyapunov这一重要系统特征量的过程中,结合R/S分析的方法,对小数据量法进行改进,用于WTI价格系统的预测.结果表明:该方法与传统方法相比,混沌时间序列预测的精度和可信度得到了提高,在经济预测方面有一定的理论价值和良好的应用前景.     

基于时间序列的中国房地产价格走势预测

本文采用《2007中国统计年鉴》1998年第1季度至2009年第3季度的全国房屋销售价格指数,建立ARIMA模型,并对未来房价走势进行预测。     

二次分解策略的深度学习碳交易价格预测

随着我国碳排放权交易市场的逐渐完善,碳交易价格的准确预测将有助于构建更加稳定的市场环境,极大减少参与者的风险。针对当前碳交易价格预测难度大及现有的二次分解-集合策略不完善等问题,该文提出一种基于变分模态分解(variational mode decomposition, VMD)和经验小波变化(empirical wavelet transform, EWT)的二次分解预测策略,其中分别采用中心频率(central frequency, CF)和Lempel-Ziv复杂度计算作为分解层数的确定依据,样本熵(sample entropy, SE)作为第二次分解输入序列的重构依据,使用长短期记忆网络(long short-term memory, LSTM)和时序卷积网络(temporal convolutional network, TCN)作为预测模型,并结合海洋捕食者算法(marine predator algorithm, MPA)对模型进行参数优化。实验结果表明,V-LSTM-E-LSTM模型和V-TCN-E-TCN模型不仅在湖北碳交易价格的短期和长期预测中获得了最好的效果,而且在其它四个区域碳排放权交易市场也获得了较高的精度。但对于成立时间较短的全国碳排放权交易市场,V-TCN-E-TCN模型在短期预测中表现更佳,长期预测中效果更好的是V-TCN-E-LSTM模型。     

基于GIS技术的房产测绘方法设计与实践

为了缩小房产测绘结果与实际的误差,提高测绘精度,引入GIS技术,开展对房产测绘方法的优化设计研究.通过基于GIS的房产测绘标准作业流程设计、房产测绘空间信息库建立、房产测绘成果图生成及数据可视化,提出一种全新的测绘方法.通过对比实验的方式证明,新的测绘方法与传统测绘方法相比,测绘结果的面积误差得到明显降低,实现对房产资...     

基于小波分解与自回归树的时间序列预测新方法

小波分解可以将非平稳时间序列分解成多层近似意义上的平稳时间序列,本文首先采用小波分解将非平稳时间序列分解,在分解后的各层时间序列上构造自回归树模型,采用贝叶斯方法学习决策树的结构与变量,并对分解后的时间序列进行预测,最后采用小波重构方法将分解后的各层时间序列重构,得到原始时间序列的预测值。以2007年海关统计的重点出口商品量的数据为例,对中国出口贸易的走势进行分析和预测。结果表明,本文的方法比传统时间序列预测方法精度高,可以很好地应用于非平稳时间序列的预测。     

股票交易价格预测模型研究

本文在分析股票交易价格影响因素和对股价波动进行分解研究的基础上,建立了一种带控制项变量的股票交易价格自相关预测模型和相应的计算机软件.计算结果表明,本模型具有实用价值.     

基于混沌时间序列分析的信息注入技术研究

初始序列号猜测是在信息对抗中谋求信息优势的一项关键技术。目前常用的初始序列号猜测算法是Michal算法。在对Michal算法进行分析的基础上,结合混沌时间序列分析方法和线性回归法,提出了一种新的初始序列号猜测算法并加以验证;结果表明,序列号猜测对信息注入是有效的,可以减少注入的不确定性,目前操作系统的ISN生成算法仍然存在安全风险。     

基于SVR的石油期货价格短期预测

将SVR原理引入到石油期货价格的时间序列中,并以美原油价格进行了实证分析.结果表明:该方法能充分反映石油期货价格序列走势,对短期价格的预测具有较高的精度;并且还发现,超级参数的选择服从一定规律,即其乘积在一定范围内效果较佳.之后,还将此理论推广到多维影响因素和其他金融时间序列的预测中.     

金融市场技术分析的统计学基础

建立了金融市场技术分析的数学模型，奠定了金融市场技术分析的统计学基础。传统的技术分析来源于直觉和经验，其正确性也是各种文献争论的焦点。根据经济学原理，我们认为金融时间序列的趋势项应是一随机过程。于是，我们假定其样本路径是分段线性的，并利用传统技术分析关于价格模式的思想，把价格模式归结为若干不同趋势路径的组合，从而使金融预测问题转化成了特定的回归问题。我们还利用上海证券交易所的关于头肩顶的40组样本数据，对头肩顶价格模式进行了回归分析且给出了相应的分析结果，