基于主成分回归的低浓度α——HMX太赫兹光谱定量分析

为了确保HMX的功能有效性、作用可靠性、管理安全性,需要对β-HMX中低浓度不稳定α-HMX进行定量检测。本文将主成分回归分析方法与太赫兹光谱技术结合,以不同浓度HMX混合物的太赫兹吸收谱数据作为输入,建立吸收系数与浓度之间的预测模型。结果表明,该方法所建立的预测模型的相关系数R为0.956,组分含量预测误差保持在1%范围内,具有较好的预测效果。     

基于主成分回归分析法预测中国铁矿石需求

在论述铁矿石需求预测途径的基础上,选取影响我国铁矿石需求的8个基本因素,采用回归分析方法进行了铁矿石需求的单因素分析.单因素分析结果表明,选取的8个基本因素与铁矿石需求的相关度基本都大于0.9.对8个基本影响因素进行了主成分分析,最终降维为4个主成分.将主成分分析方法与回归分析方法相结合,建立了铁矿石的需求预测模型,并对我国2015年和2020年铁矿石的需求量进行了预测,分别为29.76亿t和26.68亿t.     

港口物流与经济增长关系分析

以福建港口物流与经济增长之间的关系为研究对象,选取福建2004-2013年港口货物吞吐量、地区生产总值和三次产业生产总值等统计数据,运用回归分析方法与弹性系数法建立数学模型,运用灰色系统预测理论建立GM(1,1)预测模型,分析港口物流与腹地区域经济发展的关系.通过分析可知港口物流的发展能促进区域经济的增长,且对第二产业经济增长的拉动效应最大;目前GDP对港口物流发展仍缺乏弹性,未来港口货物吞吐量将持续快速增长,对区域经济增长的贡献将持续增大.     

柴油机性能及排放预测高效试验设计应用研究

为柴油机性能预测及优化提供更为高效合理的试验方法,通过对比分析不同试验设计方法回归模型的精度及效率,研究了正交设计及均匀设计在建立柴油机性能及排放多元非线性回归预测模型中的应用。回归模型的建立采用了逐步回归分析方法,能够根据试验数据提取对预测参数影响最为显著的因素,建立最为精确且简单的预测模型。回归模型的建立除了包含各个因素的主效应外,还考虑了各个因素的交互作用及非线性作用,使回归模型更为精确。最后对2种试验设计方法的回归模型预测精度及效率进行对比分析,结果显示均匀设计在柴油机性能及排放预测试验研究中更为高效。     

终端区4D飞行轨迹预测与冲突预警

为提升终端区飞行轨迹预测精度,实现航空器短时冲突预警,建立一种基于孪生支持向量回归的终端区4D飞行轨迹预测模型。对历史飞行轨迹应用重采样算法,降低轨迹数据规模;利用墨卡托投影将轨迹点经度、纬度与高度化为x-y-z坐标,采用孪生支持向量回归算法学习预测模型,实现短时航空器飞行轨迹动态预测;计算两架航空器水平、垂直距离,建立航空器冲突预警指示函数;对孪生支持向量回归算法进行超参数灵敏度分析,分析各超参数对模型预测效果的影响。根据机场真实数据进行仿真实验,证明：基于孪生支持向量回归的4D飞行轨迹预测模型能够准确捕捉航空器运动趋势,且泛化能力强;所提模型x-y-z坐标预测均方根误差是BP神经网络预测结果的32%,35%和61%,单次预测计算用时减少约0.13 s。     

线性回归分析法在工资预测中的应用

以线性回归分析方法为基础,采集由四川省政府和省统计局于1991~2012年发布的城镇在岗职工平均工资数据,研究并建立了科学的预测模型。结合我国的经济发展战略目标,预测出四川省城镇在岗职工2013~2020年的平均工资值及其截止2050年的增长趋势。最后对预测数据进行了具体分析,从实际层面评估了预测模型的建模方法和预测数据的可信度。     

基于BP神经网络的福州市人口预测模型

根据福州市区1981-2004年的人口统计数据,应用BP-MSM算法,建立福州市区BP神经网络的时间序列预测模型,并与一元线性回归模型、人口自然增长模型、指数函数模型、幂函数模型、马尔萨斯人口增长模型、Logistic人口预测模型的预测结果进行比较,结果表明BP神经网络对人口数量的预测精度更高,效果更好.     

集对分析方法应用领域的新拓展——以福建省城镇居民消费问题为例

作为对集对分析方法应用的一个拓展,依据近20年来福建省城镇居民消费水平及其影响因子增量的有关数据,运用集对分析理论的不确定性分析方法建立了相应的模拟预测模型。模型输出结果完全通过了各种检验,且优于常规的线性回归分析结果。由此表明,在经济领域中的等级分类和趋势预测等涉及不确定性问题的研究上,集对分析方法有良好的应用前景。     

电子设备制造业科技投入与经济增长的灰色相对关联度分析

以电子设备制造业为研究对象,使用了灰色相对关联度分析方法,以2003年到2009年的工业总产值、R&D人数和R&D经费支出数据为依据,分析了电子设备制造业科技投入与经济增长的相关关系。通过数据分析得出,电子设备制造业的R&D人数和R&D经费支出均与其经济增长有正相关关系,R&D经费支出对其经济增长有着更为重要的促进作用。     

含模糊因素的患病风险预测模型

将数理统计方法和模糊数学方法相结合,建立了适合预测患病风险的含模糊因素的回归预测模型,并将所建立的模型和统计中的线性回归模型进行了比较．结果表明：含模糊因素的患病风险预测模型预测效果优于不含模糊因素的预测模型预测效果．     

Box-Cox变换在沥青路面构造深度预测中的应用

为提高沥青路面构造深度的预测精度,采用基于Box-Cox变换的曲线回归分析方法,建立路面构造深度的预测模型,实现对解释变量的定量分析。分析结果表明:与灰色特征加权方法相比,基于Box-Cox变换的回归模型模拟效果更佳,能直观地观察构造深度与影响因素之间的相互关系,对路面构造深度的预测精度达到0.008,在检测误差范围内。     

基于主成分分析和递归神经网络的短期股票指数预测

运用递归神经网络,并结合主成分分析方法建立基于主成分分析的递归神经网络(PCA-RNN)预测模型.实验采用玉米股票价格指数,首先,利用主成分法对玉米指数的多个指标进行特征提取,然后利用提取的主成分建立3种神经网络模型,并对开盘价进行预测,最后与ARIMA模型进行比较分析.结果表明PCA-RNN模型取得了较好的效果,更加适用于股票价格的短期预测,可以为决策者提供一定的参考.     

PCR-RBF-SVM预测模型在财政数据中的应用

通过使用支持向量机算法将主成分回归的线性预测结果和径向基神经网络的非线性预测结果相结合, 提出一种新的预测模型, 该模型提高了预测精
度, 解决了预测方式单一的问题. 将新预测模型应用于财政数据预测结果表明, 与传统主成分回归和径向基神经网络方法相比, 该模型预测效果更好.     

主成分分析在居民消费价格分类指数中的应用

在进行消费结构变动的分析时,由于指标多且指标体系中各指标之间存在着多重共线性,这是影响模型稳定的重要因素,使所得的模型中出现了不符合经济学原理的现象。为此采用主成分分析来消除这种多重共线性,建立主成分回归模型。运用主成分回归分析方法,建立了关于我国居民消费价格指数变动的主成分回归模型,消除了多重共线性,使模型达到了很高的拟合优度,体现了主成分分析在消除回归模型中的多重共线性的优越性。     

用主成分回归分析解决回归模型中复共线性问题

主成分回归分析是将回归模型中有严重复共线性的变量进行因子提取,得到正交的因子变量,然后对因子变量进行回归模型的建立.通过具体实例介绍复共线性的判别方法以及如何利用主成分回归分析方法建立较理想的回归模型,从而解决了由于复共线性而造成病态回归方程的问题.     

不同客运交通方式对新疆区域经济增长的影响差异

分析了新疆不同的客运方式对新疆经济的影响。选取1995—2013年相关统计数据,基于协整理论和Granger因果检验方法,并引入变形后的Cobb-Douglas生产函数建立回归模型,采用主成分回归法修正最小二乘回归模型。三种客运方式与经济增长之间存在长期均衡关系,三种客运方式对经济增长的贡献率大小依次为公路客运、铁路客运、航空客运。受新疆不同发展时期基础设施建设重点的影响,公路客运对经济增长的贡献是时间序列上呈持续快速增长的趋势,铁路客运对经济增长的贡献率呈缓慢增长,航空客运对经济增长的贡献率在近些年有所增长,但增长缓慢。     

市盈率的模糊线性回归预测模型研究

利用曲线拟合研究市盈率与各种相关因素之间的关系，以模糊线性回归理论为基础建立预测模型，并针对样本的具体特点选择合适的预测模型参数。结果表明，市盈率的预测效果大大提高，适应经济决策的需要，并有良好的可操作性。     

不同客运交通方式对新疆区域经济增长的影响差异

分析了新疆不同的客运方式对新疆经济的影响。选取1995—2013年相关统计数据，基于协整理论和Granger因果检验方法，并引入变形后的Cobb Douglas生产函数建立回归模型，采用主成分回归法修正最小二乘回归模型。三种客运方式与经济增长之间存在长期均衡关系，三种客运方式对经济增长的贡献率大小依次为公路客运、铁路客运、航空客运。受新疆不同发展时期基础设施建设重点的影响，公路客运对经济增长的贡献是时间序列上呈持续快速增长的趋势，铁路客运对经济增长的贡献率呈缓慢增长，航空客运对经济增长的贡献率在近些年有所增长，但增长缓慢。
     

美国“再工业化”战略及对我国的影响

2009年11月2日,美国总统奥巴马发表声明．美国经济要转向可持续的增长模式,即出口推动型增长和制造业增长．发出了向实体经济回归的信号。这表明在当前金融危机背景下,美国已充分认识到不能依赖于金融创新和信贷消费拉动经济。开始重视国内产业尤其是先进制造业的发展。“再工业化”已成为美国重塑竞争优势的重要战略。     

一种基于支持向量机和模型树的回归模型及其在采煤工作面瓦斯涌出量预测中的应用

矿井瓦斯是煤矿生产过程中的主要不安全因素,能否准确预测采煤工作面上的瓦斯涌出量将直接影响矿井开采的经济技术指标.从数据挖掘与机器学习的角度看,瓦斯涌出量的预测问题是回归分析的经典应用.支持向量机和模型树在回归分析方法中显示出了优越的性能,本文应用支持向量机和模型树方法建立采煤工作面瓦斯涌出量的预测模型.实验结果显示,预...