疾病费用预测的建模分析

根据重庆市某三级甲等医院2012年1月至2014年12月5种常见疾病（糖尿病、甲状腺功能亢进、顺产、肠息肉、脑梗死）的月人均治疗费用数据,采用BP 神经网络模型、广义回归神经网络模型、灰色GM（1,1）模型以及非线性回归模型,分别预测2015年1月至8月5种疾病的月人均治疗费用的变化情况,并与真实费用数据进行对比,判断4种模型预测的准确程度。结果表明：BP神经网络模型、广义回归神经网络模型、灰色GM（1,1）模型、非线性回归模型预测5种疾病的可决系数R2最小分别为0．278、0．565、0．048和0．097,最大分别为0．826、0．901、0．600和0．747;与2015年1月至8月的真实费用数据比较,4种模型预测的相对误差最小分别为9．845％、3．507％、5．897％和3．642％,最大分别为15．450％、13．940％、30．518％和17．204％。其中广义回归神经网络在疾病费用的预测结果相对于其他模型更准确。     

基于神经网络和SARIMA模型的旅游需求探讨

拟对海南省旅游需求进行预测,采用旅游人数来度量旅游需求,收集相关部门数据,并通过分析旅游资源、环境、交通、费用和服务质量因素对旅游需求的影响,从而建立多元线性回归模型．在预测时,采用GM（1,1）得出各因素的预测值,然后通过神经网络进行海南省年旅游人数的预测,在对年内每月的旅游需求进行预测时,还考虑季节对旅游需求的影响,通过时间序列分析法,建立了SARIMA（3,1,2）（1,1,1）12模型,并进行了预测,结果表明,预测值符合实际人数．     

人口增长率的非参数自回归预测模型

针对传统的人口增长预测模型不能理想地捕获我国人口增长率数据的非线性性特征，本文基于局部线性非参数估计理论，对我国建国以来的年人口增长率建立了非参数自回归NAB．（1）模型，并对2000年-2003年的年人口增长率进行了预测，计算结果表明，相对于参数自回归模型而言，非参数自回归模型能够很好地解决人口增长预测这一非线性问题，预测精度较高．     

中国城镇化对住宅销售量影响的实证研究

从定性和定量两方面分析了中国城镇化对城市住宅销售量的影响。通过1987—2004年的城市化和住宅销售数据分别构建多阶滞后线性模型和自然对数模型,计算参数估计值和各评价指标,检验回归中自变量序列相关问题,从实证的角度分析城镇化率对城市住宅销售量的影响,并利用模型对未来全国住宅销售面积进行预测。     

我国省域人口增长与经济发展的空间分析

研究发现人口增长与经济发展存在着相关关系.本文分别利用普通线性回归模型、空间滞后回归模型、空间误差自回归模型以及空间半参数模型研究了我国2011年30个省区(除海南省)的经济发展和人口增长的关系.结果表明,省域人口增长不仅与本地区经济发展水平相关,还受到周边地区人口增长情况的影响.     

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。     

基于灰色分析法对海南省商品住宅价格的预测

针对海南省主要城市商品住宅价格的问题,利用海南省2003年～2018年相关数据,运用了灰色系统理论、最小二乘法、偏估计回归法及风险价值理论等,构建了灰色关联模型、岭回归模型及VAR模型,综合运用了Matlab和EViews软件编程求解,对海南省未来商品住宅价格进行分析并预测.     

时间序列联立方程模型及其应用

给出时间序列联立方程模型，并以我国经济现状为研究对象，用时间序列联立方程和向量自回归两种模型对1996年形势进行模拟，预测1997年冬季度经济指标的发展情况，并对两种模型的结果进行对比分析．     

艾滋病治疗的预测分析

根据2006年全国大学生数学建模竞赛B题的相关数据，建立回归模型、方差分析模型、非参数检验模型，利用统计分析软件SPSS求解，对艾滋病的治疗进行预测分析．经分析认为，在25～30周病人体内CD4的浓度达到最大，HIV的浓度最小，治疗效果达到最佳，如继续服药，治疗效果不会有明显改善．从模型比较上认为非参数检验模型对艾滋病治疗的分析最优．     

艾滋病治疗的预测分析

根据2006年全国大学生数学建模竞赛B题的相关数据，建立回归模型、方差分析模型、非参数检验模型，利用统计分析软件SPSS求解，对艾滋病的治疗进行预测分析．经分析认为，在25～30周病人体内CD4的浓度达到最大，HIV的浓度最小，治疗效果达到最佳，如继续服药，治疗效果不会有明显改善．从模型比较上认为非参数检验模型对艾滋病治疗的分析最优．     

灰色线性回归组合模型在沉降监测中的应用

为了在贫数据条件下准确预报中长期沉降值,采用线性回归方程和指数方程的组合方式,通过适当配置模型的某些参数来获得新的生成序列函数模型．结合工程实际算例进行预测,并和实际观测数据比较,取得了较好的效果,验证了灰色线性回归组合模型应用于沉降监测预报的可行性．通过其残差与回归分析模型和灰色预测GM（1,1）模型残差相比较,证明该模型在沉降预报中优于回归分析模型和灰色预测GM（1,1）模型．     

基于条件生成对抗网络的稀疏样本回归预测模型

自生成对抗网络提出以来，基于生成对抗网络的拓展模型在图像处理等领域均有显著成效，但其在回归预测问题上的应用较少.在概率回归过程中，通过构建条件概率分布模拟特征与实际目标之间的潜在关系是一种常用方法，但在实际问题中条件概率分布过于复杂，似然估计难以捕捉.为此，首先分析高斯过程回归在稀疏样本回归预测中的预测精度，将其作为稀疏样本回归预测的基准线.通过分析条件生成对抗网络的构造，提出利用条件生成对抗网络解决稀疏样本回归预测问题.最终通过对比分析4种非线性模拟数据回归预测结果，发现提出的条件生成对抗网络模型相较基于Matern32核函数的高斯过程回归具有更好的预测精度.     

基于BP神经网络的组合预测及在电力负荷的应用

分析了电力负荷预测的意义及预测原理,并以传统方法证明了组合预测的优越性．在经典预测方法线性回归和现代预测方法灰色模型的基础上,通过BP神经网络进行组合预测,分别应用单一模型和以计算机为工具的组合模型对上海市年电荷用量进行预测．通过分析和比较验证了该组合算法的有效性,     

安徽省城镇居民人均收入的组合预测

以1995～2009年安徽省城镇居民家庭人均可支配收入的数据,分别建立时间序列模型、回归模型和灰色预测模型．然后在三个单一预测模型的基础上综合各个预测模型的优缺点．通过使组合预测误差平方和最小确定各单一预测方法的权重系数,得到最优组合预测模型．最后对几种预测方法进行了评价,得出组合预测效果比较精确．     

软件产品的可靠性分析与简易预测模型

根据当前软件可靠性中存在的问题，对影响软件产品的可靠性因素及软件失效的原因进行了分析，利用matlab线性参数回归函数，提出了可靠性预测简易模型．对比表明，模型是有效的．     

一种致密碎屑岩储层产能预测的新方法——以新场气田沙溪庙组为例

针对致密碎屑岩储层产能预测精度较低这一难题,首次提出基于支持向量回归的产能预测方法。该方法在处理小样本问题上具有独到的优势,能够处理分类和回归预测问题。以新场气田沙溪庙组致密碎屑岩储层为例,选取33个已知样本（其中23个用于模型构建,10个用于精度检验）,以储层厚度、裂缝张开度、裂缝孔隙度、裂缝渗透率、声波时差差值、测井孔隙度、电阻率差7个影响因素作为支持向量机榆入。以样本储层的自然产能作为输出,构建基于支持向量回归的产能预测模型。模型预测的标准误差和平均绝对误差分别为0．0416和0．0229,表明该模型具有较高的预测精度,为致密碎屑岩储层产能的准确预测探索了又一新方法,对同类地区的研究和开发在一定程度上具有指导作用。     

利用EXCEL实现计酬分配预测的回归分析

在经济管理理论和应用研究中，回归分析的应用日益广泛．通过运用一元、多元回归分析的理论及建模方法，搜集某大型公司的数据，利用分析工具库提供的回归工具进行回归分析，拟合出回归模型．同时检验模型中自变量对因变量的影响程度，利用增减法，通过不断尝试增加自变量来建立和确定最优回归模型．     

河流入渗量灰色回归预测模型

本文在分析影响河流补给因素的基础上，建立了河流入渗量预测的灰色回归模型，并与通常回归模型进行了对比，结果表明，该模型具有很高的预测精度，展示了灰色回归模型在河流入渗补给理预测应用中的前景。     

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．     

融合Logistic回归与Tabnet模型的P2P网贷违约预测方法

结合P2P网贷平台的特点,融合Logistic回归和Tabnet模型,提出一种P2P网贷违约预测方法。采集人人贷平台借贷数据,并对数据进行清洗与加工预处理;通过信息价值法和相关性分析,对众多解释变量进行筛选,以借款状态作为因变量,采用Tabnet神经网络进行训练,根据训练得到的特征重要性选择关键的解释变量;将Tabnet神经网络预测结果作为新的训练数据集,构建Logistic回归模型;将人人贷数据集输入Logistic回归学习与训练,以训练好的Logistic回归用于网贷违约预测。实验结果表明,Tabnet模型的网贷违约平均预测准确率和精确率分别为9958%、9547%,Logistic回归的平均准确率和精确率分别为9872%、9221%,而融合模型的平均准确率和精确率分别为9960%、9672%;在3个测试集上的准确率标准差分别为0001 4、0000 6、0000 5,精确率标准差分别为0034 4、0013 3、0013 2。表明融合Logistic回归与Tabnet的网贷违约预测方法具有Logistic回归模型的可解释性与稳定性,可提高单一模型的预测精确度。