基于ARMA与BP神经网络模型的产品质量安全风险预测

主要通过对产品伤害人数的预测来表征产品质量安全风险。依据产品伤害人数的时间序列数据,建立较为稳定的ARMA模型和BP神经网络模型对产品伤害人数做出了科学的预测;并对两种预测方法进行了实证结果比较与分析,为管控产品质量安全风险提供方法支持。     

基于ARMA模型的股票开盘价分析及预测

以建设银行2018年1月2日至2019年12月26日的每个股票交易日开盘价的时间序列为研究对象,通过差分方法对原始序列进行平稳化处理,再采用AIC和HQ最小准则确定原始序列所满足的ARIMA模型.为了检验该模型的效果,利用模型对建设银行短期的股票开盘价进行预测,结果表明预测值与实际值较吻合,短期误差较小.     

基于MATLAB的改进BP神经网络在城市日用水量预测中的应用

利用MATLAB神经网络工具箱对城市短期用水量进行模拟,比较各种改进BP神经网络对城市短期用水预测方面的效果,得出用BP神经网络预测城市日需用水量是可行的,其中尤以traincgp方法预测效果最好的结论.     

基于ARMA与神经网络的风速序列混合预测方法

为提高风速预测的准确性,采用卡尔曼滤波方法将ARMA模型和BP神经网络相结合,提出一种混合预测方法。根据时间序列分析理论,利用已知风速序列建立风速序列的自回归预测模型,并以此建立卡尔曼滤波的状态方程和测量方程。再利用BP神经网络的预测结果作为卡尔曼滤波的观测值,通过卡尔曼滤波的递推计算得到未来风速的最优估计值,从而实现风速序列的混合预测。仿真实验结果表明:混合预测方法能够有效改善风速序列的预测性能。与传统卡尔曼滤波预测结果相比,混合预测方法预测结果的延迟现象得到改善,与神经网络预测结果相比,混合预测方法在风速序列极值点的预测误差大大减小。     

基于BP神经网络的股票预测

股票投资是一项非常复杂的活动。对股票走势的正确预测是非常重要的。本文基于BP神经网络预测模型,对未来股票的走势进行预测,通过实例分析及实际结果,表明BP神经网络的准确性和科学性。     

自回归移动平均模型在全国流行性腮腺炎发病数 预测中的应用

目的:应用自回归移动平均模型预测全国流行性腮腺炎月发病数.方法:运用Eviews 8.0软件对2013年10月至2018年10月的腮腺炎发病数构建乘积季节ARIMA模型,以2018年11月至2019年10月的数据作为检验样本,对模型的预测效果进行检验,再用所建模型预测2019年11月至2020年10月的全国腮腺炎月发病...     

BP人工神经网络在股票预测中的应用

投资越大风险越大,如何建立一个精确度和运算速度相对较高的股市预测模型对于金融投资者具有重大理论意义和实际应用价值.将人工神经网络应用到股票预测上面成为一个新的趋向.将用人工神经网络求解股票预测中的难题成分分析,建立三层BP神经网络并且分析收敛速度,得到当选择的数据合理且具有很好的性质时,拟合效果会更加准确,最终得到股票在短时间内的向.从而说明BP神经网络对于股票价格的预测具有可行性和合理性,进而对提高股民的收益做出帮助.     

股票市盈率的ARMA模型建立及预测

针对寻找影响市盈率多种因素的困难,提出从市盈率的数据的本身出发,利用B-J时间序列分析方法建立自回归滑动平均模型ARMA,对股票市盈率分析并预测。对皖维高新股票的市盈率的数据实证研究并短期预测,结果表明其预测效果良好。     

基于ARMA模型的汇率走势预测及在商业银行外汇理财业务中的应用

汇率的变动,将对金融机构的外汇管理业务造成直接影响．由于影响汇率及其波动幅度的因素十分复杂,汇率波动频率较高,对汇率进行准确预测一直是一项十分困难的工作．近年来,ARMA模型开始被广泛地用于对变动频率较高的金融时间序列建模,它能较好地抓住此类时间序列的动态特征．以人民币汇率变动的历史数据为样本,通过建立MA（2）模型对未来的人民币汇率变动进行预测,以解决其在商业银行外汇理财业务中的应用问题．     

MATLAB神经网络工具箱在河流水质预测中的应用

根据计算河流水质的数学模型,使用MATLAB神经网络工具箱建立了河流水质预测系统的神经网络,并以长期监测的珠江流域东江水质状况为例,对建立的网络系统进行了仿真,结果表明了方法的有效性．     

拮抗肌对的自回归滑动平均模型的参数分析

将自回归滑动平均模型运用于肘关节桔抗肌对的肌电信号分析中，利用该模型所提供的丰富的参数，来研究在同一关节上的拮抗肌对的疲劳关系．模型中的一些自回归系数和肌疲劳程度具有相似的变化趋势．而且，对于同一伸展或屈曲过程，关节上的拮抗肌的疲劳参数要大于主动肌的参数．     

改进的差分自回归移动平均模型的共轭梯度参数估计法

为了提高差分自回归移动平均模型的拟合精度,本文结合已有的文献,借助无约束优化方法来解决此模型中的参数估计问题。主要提出了一种改进的差分自回归移动平均模型参数的优化估计法,并对提出的算法进行详细说明,在强Wolfe条件下对全局收敛性进行了证明。该方法保证了迭代计算的收敛性,并且提高了收敛的速度。数值试验结果说明:该算法是一种较为有效的方法,与其他方法比较,参数估计值更为显著,提高了预测精度。     

多变点的AR模型估计的功效

对含有变点的不同数据生成过程,用蒙特卡洛方法模拟研究了自回归移动平均模型分析法检测变点的功效,实验表明,AR模型估计对均值变点检测有较高的势。给出了利用AR模型检验某企业微电子标准物质质量稳定性的实例。     

一种确定自回归滑动平均模型最小阶次的新方法

针对经典Akaike信息准则(AIC)在模型定阶时缺少阶次范围下界而引起的模态遗漏问题,根据稳态图和AIC准则,提出了一种自回归滑动平均模型在模态参数辨识中的定阶方法.该方法先利用稳态图能够鉴别真假模态的特点,进行各阶模态频率的估计和均值的求取,进而根据模态稳定性判定准则计算出阶次范围下界,最后利用AIC准则确定最优的模型阶次.仿真结果表明,与经典AIC准则相比,所提出的方法定阶后进行模态参数的辨识,不仅识别出了经典AIC准则遗漏的第3阶模态参数(误差为0.18%),而且使第1、2阶模态参数的精度分别提高了2.31%和6.31%.对悬臂梁的模态实验结果表明:该方法不仅辨识出了经典AIC准则遗漏的第1阶模态参数,使其误差仅为0.62%,而且也大大提高了其他各阶模态参数的精度.     

基于混合自回归滑动平均潜周期模型的短期电价预测

应用混合自回归滑动平均潜周期模型对短期电价序列进行了预测.对消除了趋势影响的电价序列,经离散傅里叶变换转换为复值潜周期模型,采用一种简单的周期图检测方法计算电价序列的周期特征参数.为了计及历史信息对当前状态的影响,采用自回归滑动平均模型拟合残差随机分量,采用赤池信息准则确定模型的阶数,参数则由矩估计得到.该模型不要求预先假设电价序列的周期尺度,周期的个数和大小由模型计算确定,方法简单.采用美国宾夕法尼亚、新泽西、马里兰电力市场的实际电价数据对模型进行了检验,验证了模型的有效性.     

对存货核算“移动加权平均法”的认识

存货是企业在生产经营过程中为销售或耗用而储存的各种有形资产,企业可根据自身生产的经常性特点及计价方法的适用性而采用不同的存货计价方法。移动加权平均法的核算结果是最准确的,可以使管理者以最快的速度了解最近期的存货结存成本。移动加权平均法在实际工作中最常遇到的问题为“红出库”带来的影响。     

移动平均市场预测的探索

在原有移动平均线的理论基础上,把一天分成四个时间单位,并利用加权公式算出当天收盘价格H取代简单算术移动平均中的收盘价S进行一次移动平均,在此基础上建立了其二次、三次移动平均法的预测模型。     

ARMA算法在GDP预测中的应用

从时间序列的基本概念出发,应用时间序列模型ARMA,对北京市人均GDP建立ARMA模型.应用ARMA模型对2009年GDP值进行预测,其预测值与实际值拟和较好;在此基础上,预测了2010年至2014年北京市人均GDP值.     

股市预测的一个随机时间序列模型及其实证

给出了将非平稳时间序列转化为平稳序列构建自回归模型的步骤和方法.将这一方法具体运用于上证指数的预测,并证实该方法与实际吻合很好.最后讨论了该方法运用于股市波段预测应注意的问题.     

动态数据的ARMA模型预测加工质量

本文首先阐述了在长度计量中建立自回归滑动平均模型(Auto Regressive Moving Average Model)的理论,推导出预测的计算模型及误差估计,然后以一个生产实例,证明这个模型具有相当的置信度。