基于ARIMA—ANN的时间序列组合预测模型

目前,时间序列预测主要采用基于传统研究方法或人工神经网络技术的单一预测方法.近年来的研究表明,组合预测方法比单一预测具有更高的预测精度.提出了一种基于BP神经网络和ARIMA组合模型的预测新方法,对中国GDP的变化趋势进行了综合分析与预测,预测结果表明这种方法相对于单一的预测方法具有更高的精度,该模型在非平稳时序的预测中的应用是可行、有效的.     

基于线性神经网络的协整分析

利用线性神经网络进行协整系数的估计,首先检验变量的数据生成过程,再利用线性神经网络进行拟合,最后检验残差的平稳性,以确定变量之间是否存在协整关系.该方法具有简便、直观、精度高的特点.     

基于ARIMA模型对我国城镇单位就业人员工资总额的预测

基于单位根检验原理,运用ADF检验的方法检验平稳化,并基于1995年到2011年我国城镇单位就业人员工资建立ARIMA模型,并对未来几年我国城镇单位就业人员工资总额进行短期预测,研究结果可为我国缩小贫富差距和国家的宏观调控提供一些参考.     

对“十一五”期间万元GDP综合能耗的预测分析

全方位提高能源效率,进一步提升能源节约在经济社会发展战略中具有重要地位,事关全面建设小康社会、构建和谐社会的成败。本文对万元GDP综合能耗这一宏观经济领域反映能源经济效率的指标进行预测,并提出政策建议。     

线性神经网络模型在新上证综指的预测

利用线性神经网络模型对"新上证综指(000017)"进行拟合预测,选取从"新上证综指"开始发行月份(2006年1月)开始到2011年6月的月度数据,共计66个,用前62个做训练组,最后4个数据做预测组,通过比较不同滞后窗口模型的误差平方和,选择适当的窗口数为最优模型,为了提高模拟的效果,对模型的初始数据进行优化,然后进行预测分析;结果显示,拟合效果很好,除6月份股市波动稍大,其他月份拟合误差不到3%,阐释了股票市场的短期可预测性。     

基于神经网络与线性回归的轧制力预报

通过将SIMS轧制力计算公式进行相应简约化处理,避免了模型软件在该公式计算时的重复迭代求解,缩短了计算时间,因此更适合在线软件计算.利用现场实际生产数据反向回归出变形抗力模型中的系数,提高了模型中系数的准确性.用神经网络对变形抗力与应力状态系数的乘积加以修正,进一步提高了轧制力预报的精度.预测结果与实测数据比较表明,轧制力预报误差基本在±5％以内,满足了轧制力预报的精度要求.     

基于BP神经网络优化的灰色线性回归组合模型应用分析

在分析灰色线性回归组合预测模型基本原理的基础上,利用MATLAB强大的计算功能,实现组合预测模型算法。通过实例分析发现拟合结果对实测值出现一定的波动性,故通过建立实测值与模拟值之间的比值序列,再利用BP神经网络模型对该比值序列进行建模优化,以进一步优化组合模型的预测精度。最后实例证明了该优化模型具有较高的拟合和预测精度,是一种可行、有效的优型变形数据分析模型。     

局部线性模型在小波神经网络中的应用

把一种局部线性模型应用于小波神经网络中,把网络隐层与输出层之间的直接连接权值用一种线性模型来代替以减少隐层节点数目.对带局部线性模型的小波神经网络与一般小波神经网络的性能进行比较,试验结果证明了带局部线性模型的小波神经网络的优越性.     

基于线性矩阵不等式神经网络的鲁棒稳定性

讨论同时具有离散时滞和分布时滞的神经网络系统的鲁棒稳定性问题.不同于通常使用的矩阵范数理论,利用线性矩阵不等式(LM I),将神经网络系统的稳定性问题转化为凸优化问题,建立了神经网络系统鲁棒稳定性的一个充分条件,该条件易于利用标准的M atlab LM I工具箱进行验证和求解.     

基于干预分析模型下的新疆GDP预测研究

通过对新疆GDP序列做对数变换,分析了对数变换后的新疆GDP序列的自相关系数和偏相关系数,合理地建立了ARIMA模型,利用干预分析方法对亚洲金融危机所引起的误差进行了修正;结果显示,通过干预影响序列建立起的干预模型能够定量的表示出亚洲金融危机对新疆GDP的影响。     

基于改进神经网络的GDP时间序列预测

由于GDP时间序列具有线性和非线性的特征,神经网络(NN)方法和集成预测方法等在预测分析时可能产生较大误差.以GDP的年增长率作为神经网络的输入,建立基于BPNN的GDP预测模型.利用此改进BPNN模型对我国的GDP进行预测和验证,并分别与ARIMA-BP集成模型及BPNN模型进行比较.结果表明,改进的BPNN模型预测...     

GDP时间序列的ARIMA模型研究

在经典计量经济学建模过程中,通常假定经济时间序列是平稳的,而且主要以某种经济理论或对某种经济行为的认识来确定计量经济学的模型理论的关系式.然而在经济领域中,许多时间序列数据不是由平稳过程产生的,基于此,研究了国内生产总值GDP随时间位移而持续增长的特性,确定了模型的自回归阶数,建立了ARIMA模型,并对ARIMA模型进行了检验,确定了模型的平稳性与模型自回归影响的持久性.     

BP神经网络在GDP预测中的应用研究

在经济预测中,通常采用回归分析方法建立模型对经济运行进行拟合,但由于经济系统的复杂性,许多回归模型尤其是线性回归模型难以达到要求的精度。本文采用BP神经网络方法建模,利用其自学习和非线性的突出特点,得到了较为满意的预测结果。     

基于模糊神经网络算法的灰色线性规划及其应用

将灰色系统理论与线性规划相结合,给出了灰色线性规划模型,采用模糊神经网络算法,求出其最优解,并将该方法运用于连云港市的土地结构优化中,取得了理想的效果.关键词：目标函数;灰色线性规划;模糊神经网络     

基于线性回归的河南管“十二五”时期GDP预测

以河南省1978-2009年GDP指数(1952年为100)和人均GDP指数为基础,运用一元线性回归方法建模,对“十二五”期间GDP指数和人均GDP指数进行预测.结果显示,1978-2009年GDP指数和人均GDP指数的预测值与真实值基本相符,“十二五”期间GDP指数和人均GDP指数预测值也与经济发展趋势非常吻合.     

冲击线性信号的神经网络仿真

利用改进的双滑动窗口时滞算法仿真由正弦波组成的冲击响应信号,仿真结果显示利用线性神经网络对线性系统进行建模具有非常高的精度;表明应用线性神经网络进行实际线性系统预测具有较大的理论和实用价值.     

基于不同误差函数的神经网络求解线性方程组

对于同一线性方程,存在多种不同的求解方法,而且由于求解方法的不同,其收敛速度也存在差异.对一个一般的线性方程设计2个不同的误差函数,利用梯度下降法建立2个梯度神经网络模型.借助Matlab仿真软件进行计算机仿真,根据不同的梯度神经网络模型求出线性方程的解,从而证实2个梯度神经网络模型的可行性.最后借助Matlab软件模拟利用2个梯度神经网络模型求解线性方程时的收敛情况,比较2个梯度神经网络求解线性方程的收敛速度.     

求解线性规划问题的神经网络模型

提出了一个解线性规划问题了增广的神经网络模型，证明了该网络全局稳定子平衡点，而平衡点就是线性规划问题的解，该网络的优点是，能够实时获得问题的精确解，且可以同时获得带等式或不等式约束的对偶问题解，该网络易于电路实现。     

—种求解线性二层规划的神经网络方法

提出了—种求解线性二层规划的神经网络方法.采用以下层问题的对偶间隙为罚项,构造线性二层规划罚问题的思想,将线性二层规划转化成相应的单层规划问题,然后设计求解单层规划问题的神经网络模型,从而得到线性二层规划的最优解.该网络是Lyapunov稳定的,且在适当的条件下收敛于线性二层规划的最优解,仿真结果表明该神经网络可以有效地得到线性二层规划的最优解.