基于时间序列模型与灰色模型的组合预测模型的研究

为了能有效地提高预测模型的精度,提出了组合预测模型.本文首先利用APdMA模型对时间序列数据进行模型的识别和拟合,然后由比较可知优化后的GM(1,1)模型拟合和预测效果好于GM(1,1)模型,最后通过赋予合理权重结合ARIMA模型和优化后的GM(1,1)模型两种方法得到ARIMA-GM的组合预测模型.预测结果表明:组合模型的预测准确性高于各个模型单独使用时的准确性,组合模型发挥了各个单一模型的优势.     

城市人口系统组合预测模型研究

城市人口的预测模型很多,比如马尔萨斯模型(Malthus model)、Logistic模型、指数模型和回归预测模型等等。本文在Logistic模型和回归预测模型的基础上,建立城市人口组合预测模型,最后在广州市进行了模型的应用。     

组合预测模型在汇率预测中的应用

为准确对汇率进行预测,提出基于ARIMA-GARCH~GED模型与PSO-LSSVM模型的汇率组合预测模型.首先,利用HP滤波将汇率分解为长期趋势序列与循环序列,然后运用ARIMA-GARCH~GED模型对长期趋势序列进行预测分析,运用PSO-LS-SVM模型对循环序列进行训练分析,最后将长期趋势与循环趋势的值相加即为汇率预测值.通过实例分析对比发现,此组合预测模型精度高于单一预测模型,可以更加准确预测非平稳汇率时间序列.     

基于组合预测模型的西藏人口分析

本文建立了西藏地区人口数量的组合预测模型,模型理论可靠,稳定性高,且预测精度好,经过计算得到了西藏地区未来五年的人口发展趋势．该模型可以普遍应用于人口分析和预测工作．     

基于ARIMA模型的人民币汇率预测与分析

对2015年8月11日汇改之后的人民币兑美元汇率进行分析,建立ARIMA(14,1,0)模型,残差检验证明该模型是合理的。利用模型ARIMA(14,1,0)对2016年3月10日至2016年3月23日的人民币汇率进行预测,预测结果基本接近实际值,相对误差控制在0.5%以内,并且前5天的平均误差为0.2%。预测结果再次表明,ARIMA(14,1,0)模型完全适用于美元/人民币汇率的建模,特别是对短期范围内汇率的预测是切实可行的。     

交通能源需求量组合预测模型研究

本文尝试将组合预测法应用于我国交通能源需求量的预测,以提高预测精度．通过赋予合理权重,将误差修正模型、非线性回归模型和多元回归模型加权组合建立组合预测模型．对各模型进行平均绝对百分误差（MAPE）、希尔不等系数（Theil IC）和均方根误差（RMSE）等指标的比较,证明单一模型经过组合能够提高预测精度．     

基于组合模型的三角模糊数预测模型

首先以北京市1994-2006年年平均最低气温、年平均气温、年平均最高气温构建三角模糊数序列的三个界点,出于数据整体性考虑将三角模糊数序列转换成等量信息的三个指标数序列,然后,对三个指标数序列分别构建了时间序列ARIMA模型,灰色预测GM(1,1)模型以及BP神经网络模型,最后在单一模型预测结果的基础上通过引入诱导有序...     

基于Swarch模型的人民币汇率分析

本文利用Swarch模型对人民币兑换美元汇率的波动性进行研究发现该模型在研究人民币汇率的波动性方面具有非常优良的性质。实证结果表明人民币汇率连续收益率的波动随着时间的推移有变剧烈的趋势,这恰好反映我国汇率市场逐步开放的宏观经济环境和汇率体制逐步调整的现状。     

基于BP神经网络非线性组合的SARIMA-GRU犯罪预测模型

针对当前犯罪预测模型无法捕捉到犯罪时序数据的复合特征且无法及时反应环境变化等问题,提出基于BP神经网络非线性组合的SARIMA-GRU犯罪预测模型。该模型将SARIMA和GRU对犯罪数量的预测结果通过BP网络实现非线性组合,采用反向传播算法进行权重学习,将各层神经元所确定的权重矩阵作为两种方法在组合预测中的比重,综合利用SARIMA模型在线性时序预测中的优势和GRU网络在非线性特征挖掘上的优势,从而获得更好的预测结果。通过温哥华和旧金山的真实犯罪数据对组合后的模型与其他模型进行对比实验,结果表明,基于BP神经网络非线性组合的SARIMA-GRU模型可以捕捉到犯罪时序数据的复合特征,与其他模型相比具有更高的准确率。     

船舶交通量的组合系统预测模型与方法

在对我国沿海主要港口辖区水船舶交通量系统分析的基础上，考虑到现有预测方法中不足，提出了一种船舶交通量的组合系统预测模型（ＣＳＦＭ），通过实例验算，证实该模型具较高的预测精度。     

基于EGARCH模型的人民币汇率波动性研究

选取2005年7月21日至2010年5月14日间每个交易日的美元/人民币汇率中间价的高频数据作为样本数据,然后对样本数据进行平稳处理和ARCH效应检验,在满足GARCH建模条件下建立EGARCH(1,1)模型,实例检验和分析人民币汇率波动性.结果表明,2005年7月21日以来,人民币汇率收益率序列具有明显的尖峰厚尾特征...     

基于改进小波神经网络的汇率预测研究

选取2010-01-01—2010-10-31期间内,美元兑人民币的汇率基准价,以Morlet为母小波基函数,采用紧密结合的的小波神经网络对汇率基准价作非线性逼近,并在此小波神经网络基础上进行改进,并通过Matlab软件对原网络与改进网络的训练过程进行了数值仿真.仿真结果表明,改进网络模型对汇率基准价的预测是可行的,其预测精度更高.     

基于遗传神经网络的汇率价格短期预测

该文将遗传算法和人工神经网络相结合,建立了遗传神经网络模型,并且应用到汇率价格的短期预测.结果表明,如果对网络以一组汇率数据加以良好的训练,该模型就有较好的预测能力.     

基于PSO-BP的钻井机械钻速预测模型

机械钻速预测是优化钻进过程、提高钻井效率的关键技术,现有的计算模型主要建立在物理实验和理论分析的基础上,缺少对钻井工程实测数据的应用,导致计算精度难以满足复杂的现场需求.基于此,提出一种人工智能算法与BP(back propagation)神经网络相结合的钻井机械钻速预测模型.首先,利用小波滤波方法对实测数据进行降噪处...     

基于ELM神经网络的FAST节点位移预测研究

针对ELM神经网络隐含层节点数目需要人工设定,容易出现过拟合现象从而导致网络的泛化能力降低的问题,引出了基于误差最小化的ELM神经网络的改进方法 EM_ELM算法,并在理论上论证了EM_ELM算法对于提高ELM神经网络预测精度和泛化能力的可行性.随后将EM_ELM算法应用到FAST节点位移的预测模型中,并且进行了仿真验证.仿真结果表明虽然EM_ELM神经网络在训练时间上有了一定的损失,但是仍能满足实时性的要求,而且它的预测精度和泛化能力都得到提升,证明了改进算法的有效性与可行性,进一步说明了EM_ELM神经网络更适合应用于FAST节点位移预测.     

基于PSO-SVMＰ模型的理论线损率预测研究

深入分析了线损率的影响因素,对现存的线损率预测方法进行了研究,采用粒子群算法对支持向量机进行参数寻优,建立基于粒子群优化的支持向量机预测模型对理论线损率进行预测仿真,为线损的降低和电能的高效利用提供保障;最后通过实例验证了该模型在理论线损率预测中的精度.     

基于国际收支平衡的汇率机制模型

基于汇率决定学说中的国际收支平衡学说，遵循国内和国际商品生产最大获利原则，构建了价格、边际生产成本、央行在外汇市场上的外汇买卖与汇率变动之间的汇率机制模型。借助于模型，分析在浮动和固定汇率机制下，如何保持国际收支平衡和避免汇率振荡，从而获得对人民币汇率机制的一些启示。     

基于BP神经网络的实验室计算机故障率预测模型

随着信息化技术在各个学科领域的渗透,高校中越来越多的课程要求学生在计算机实验室完成相关操作,随着上机人次陡增,计算机的损耗也随之增大。为了更好地对实验室进行维护,以湖北大学知行学院计算机系2005年计算机实验室210台计算机的历史故障率为样本,采用JAVA语言,利用BP网络训练模型预测该批计算机的故障率,然后对照历史数据发现一定的误差,再利用增加动量项法对该BP算法进行改进,改进后的样本训练预测结果与历史数据基本保持一致。     

基于小波分析和GARCH模型的人民币汇率实证研究

文章把小波多分辨分析理论和去噪理论引入人民币/港元汇率时间序列,通过小波理论对时间序列进行了滤波去噪.然后建立了AR(1)-GARCH(1,1)拟合模型,同时检验了其波动序列不具有明显的杠杆效应,其标准抖动序列服从正态分布.最后说明结合小波滤波去噪后,提高了对波动率的预测精度.     

基于灰色线性回归组合模型的火炮身管寿命预测

为了准确预测出火炮身管寿命终止时的最大射弹数,提高火炮的实用性能,该文对火炮身管内径磨损量的数学模型进行了研究.该文提出采用灰色系统理论分析的方法,将灰色模型与线性回归模型相融合,建立了灰色线性回归组合模型,得到了身管内径磨损量与射弹数的数学关系式.将该新模型与传统的灰色模型分别应用于某型火炮的身管寿命预测,通过数据对比表明了该灰色线性回归组合模型方法的有效性,使预测精度得到了提高.