基于LOF-SSA-PSO-LSSVM模型的旅游客流量预测

针对月度旅游客流量影响因素复杂，时间序列数据中可能存在异常值和噪声的特点，提出了一个基于局部异常因子(LOF)和奇异谱分析(SSA)的LOF-SSA-PSO-LSSVM预测模型.数据预处理阶段，对原始序列运用X12季节加法模型消除季节性的影响，采用LOF方法检测季节调整后序列的异常值，并使用线性插值和最小二乘支持向量机(LSSVM)方法来修正异常值，新的待预测序列由修正后的季节调整序列与季节因子序列加和得到.预测阶段，首先采用奇异谱分析(SSA)方法来剔除新的待预测序列中的噪声，然后采用PSO-LSSVM方法对其进行预测.以上海2004年1月至2018年12月旅游客流量序列的预测为例，通过与ARIMA、LSSVM等模型比较，表明LOF-SSA-PSO-LSSVM模型能有效提高旅游客流量的预测精度和稳定性.     

农业自然灾害系统灰色分析方法的探讨

对灰色关联方法在农业自然灾害系统分析中的应用进行了探讨。认为，农业自然灾害对干农业生产的影响完全有别于生产资料投入的作用。当系统特征行为序列（Ｘｏ）为增长序列，相关因素序列（Ｘｉ）亦为增长序列时，不能就此判定Ｘｏ与Ｘｏ为正相关关系而直接进行建模。当促进因素的作用大于抑制因素的作用时，即使灾害的危害有所增加，农业生产仍可表现为一个增长序列。提出判定关联性的命题应为：设系统特征行为序列为Ｘｏ，相关因素序列为Ｘｉ，则，１°当影响因素的性质一致时（如均为促进或抑制），设Ｘｏ为增长序列，若Ｘ１为增长序列，则Ｘ１与Ｘｏ呈正相关关系；若Ｘ１为衰减序列，则Ｘｉ与Ｘｏ呈负相关关系。２°当系统主行为受性质不一致的因索（包含促进和抑制因素）影响时，若Ｘｉ的增长促使Ｘｏ增长或衰减趋势减弱，Ｘｉ的衰减使Ｘｏ衰减或增长趋势减弱，则Ｘｉ与Ｘｏ呈正相关关系；若Ｘｉ增长促使Ｘｉ衰减或增长趋势减弱、Ｘｉ衰减使Ｘｏ增长或衰减趋势减弱，则Ｘｉ与Ｘｏ为负相关关系。     

时间序列分析 社会科学家用的全面介绍

所谓的时间序列指的是按时间次序排列的随机变量。时间序列分析方法是由Box-Jenkiins于1970年提出来的，他依据随机变量的自身变化规律，利用外推机制描写时间序列的变化，寻找一个变量的当前值与其过去值之间的纵向关系，并对变量的未来趋势作出预测。尽管随时间变化的随机过程随处可见，但是传统的统计学却往往都忽略了时间因素。     

多因素时间序列法的研究

该文分析现有的单因素时间序列法在实际应用中的不足之处，提出采用多无线性回归原理综合处理的多因素时间序列法。它首先利用单因素时间序列法对各项影响事物发展趋势的因素进行预测；然后利用多无线性回归法将各种因素综合起来，以求得事物的总发展趋势。利用股票数据对单因素法和多因素法两者进行比较，可以明显看出多因素法较之单因素法在预测精度上的优势。     

基于时间序列季节调整的家用空调出口分析

家用空调出口量的数据序列中存在明显的季节效应，这会影响对家用空调出口整体趋势的分析及判断．针对这个问题，文章基于X—11模型对家用空调出口量的数据序列进行季节调整，消除其中的偶然因素，并利用SAS软件编程进行了实证分析．结果表明：2002年开始，我国空调出口量有非常显著的线性递增趋势，2008年下半年出现了明显的下滑，2009年初开始略有回升．     

基于序列模式的正负关联规则研究

序列模式可预测企业的发展方向，负关联规则可展现不良因素的根源，序列模式的正负关联规则为企业决策提供更全面的信息. 将序列模式和负关联规则的挖掘算法相结合，利用项集间的相关性，挖掘出序列模式的正负关联规则.     

新油轮市场需求的交互式逐步逼近建模及预测

基于组合模型的建模思想，提出了一种有效拟合时间序列数据的交互式逐步逼近建模方法，识别并拟合出了全球巨型油轮（VLCC）新船市场需求长期趋势和潜周期波动因素，通过所建立的时间序列组合模型预测了VLCC新船市场未来10年的发展趋势，计算结果表明，该方法不但可以化繁为简，降低计算难度，而且拟合效果优于根据理论分析推测建立复杂模型的一次性拟合方法，可广泛应用于各种时间序列数据的建模拟合与趋势预测。     

基于时间序列模型的职工平均工资预测

以时间序列模型为基础,对未来中国经济发展和工资增长的形势进行分析,经过合理的假设和筛选,确立工资的6个影响因素,继而引入国家效应、企业效应和个人效应3个影响因子。运用SPSS的相关性分析,对影响山东省职工年平均工资的因素进行分析,分别研究了国家效应、企业效应和个人效应与该地区年平均工资的关系,进一步运用SPSS,综合分析这3个因素对该地区平均工资的影响。最后,通过综合国家效应、企业效应和个人效应这3个因素建立的时间序列自回归模型,得到2011—2035年山东省职工年平均工资的预测值。通过时间序列的自回归模型预测值与实际值的Sequence Plot曲线,证实模拟效果较好,预测值符合模拟趋势。     

关联维数计算的分析研究

本文从理论上分析了关联维数的计算方法，研究了实测数据采样序列的长度、采样序列的自相关性及附加噪声等因素对关联维数计算的影响，并给出实际算例。     

灰色关联分析在矿产资源开发优先序列中的应用

首先从矿产资源禀赋、市场条件、开发技术条件、市场配套条件和环境保护条件5个方面对矿产资源开发优先序列影响因素进行分析,基于影响因素构建了矿产资源开发优先序列评价指标体系.接着提出了基于灰色关联分析的矿产资源开发优先序列模型.最后以河北省2012年20种主要矿种为研究对象进行了实证分析,并得出该省矿种开发优先顺序.该算法计算简便、排序直观,提高了矿产资源开发优先次序划分的效率和准确度.     

极大熵谱在径流时间序列周期分析中的应用

针对年径流序列存在多年变化周期,但径流时间序列变化受诸多因素影响,存在着多种不确定性的情况,笔者采用极大熵谱分析来提取径流时间序列的周期成分,对黄河上游贵德站年径流时间序列进行周期分析,得出贵德站具有12.5,5.9,4和3年的主周期。结果证明该方法可行,同时其结论为研究径流预测提供了科学的依据。     

长记忆时间序列适应性预测的应用

给出某市1973年1月至2002年12月每月食品消费价格指数时间序列，利用长记忆时间序列ARFIMA(0，d，0)模型的适应性预测公式预测了2003年1月、5月、10月、2004年3月、8月、2007年2月的食品消费价格指数．     

基于误差修正模型的河川年径流量预测研究

对河川径流量预测进行了研究.考虑到年平均水位与年径流量关系密切,误差序列一般不是白噪声序列等因素,用传统的预测模型预测效果不佳.误差修正模型不需要假定误差序列是白噪声序列,只要变量间存在协整关系.利用年平均水位与年径流量的协整关系建立误差修正模型,并加以分析,得到了更好的预测模型.     

基于数据特征提取和SSA-BiLSTM的短期风电功率预测

为提高风电功率预测的准确性，提出了一种基于数据特征提取和麻雀算法优化双向长短期记忆网络（sparrow search algorithm optimised bi-directional long and short-term memory network,SSA-BiLSTM）短期风电功率预测模型。首先根据皮尔逊相关系数（Pearson correlation coefficient,PCC）分析风电数据中各影响因素与风电功率之间的相关性，根据计算结果将功率无关的因素去除。然后，采用自适应噪声完全集成经验模态分解（complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN）将原始风电功率序列进行分解，得到一系列子序列分量。再将所有子序列输入麻雀算法（sparrow search algorithm,SSA）优化的双向长短期记忆（bi-directional long short-term memory,BiLSTM）模型中进行预测，根据所得预测值对风速序列进行修正。将修正所得的风速序列与风电功率...     

九江年降水时间序列的混沌特性

针对近百年来九江年降水时间序列资料，应用分形理论，探讨了不同嵌入相空间下时间序列关联维的变化规律。计算得到了其饱和关联维数ｄ＝５．０８，最低嵌入维ｍ＝９以及Ｋｏｌｏｍｏｇｏｒｏｖ熵ｋ＝０．４５２。结果表明，九江年降水时间序列是一混沌序列。从而，为进一步建立年降水预测预报模型奠定了基础。     

财政收入的组合预测

财政收入是政府宏观调控的重要手段，受众多因素的影响，应用组合预测方法来综合考虑多种因素预测财政收入，首先，根据财政收入的组成结构和随时间的变化规律分别建立回归模型与时间序列模型两个线性模型；然后根据财政收入时间序列建立了BP神经网络的非线性模型，最后在此基础上建立组合预测模型，对财政收入预测进行了有益的探索。     

预测分析的混合模型法

通过分析国民经济中实际数据序列的特点，提出一种预测分析的混合模型方法，对这种模型方法进行了分析和论证，并将其用于数据序列的分析预测。这种模型是根据统计数据本身的规律性和特点来预测分析的一种方法，需要考虑的因素少，具有方法简明、计算复杂性低和便于使用等特点。     

石羊河流域天然径流序列统计特征分析及其随机模拟

文章首先通过自相关、互相关分析和谱分析，对内陆河水系石羊河流哉八条主要河流天然年、月径流序列进行了统计特征分析．得出了许多有价值的结果．进而，本文对该流域并联多河系统的径流序列的随机模拟作了尝试．在应用三阶自回归模型、多层次模型和一阶自回归模型生成主河天然年径流、逐月径流序列的基础上，通过多站线性回归模型对其它各从河的天然年、月径流序列进行了的机模拟．     

中国古代战争发生频率周期性的初步研究

对中国1000-1900AD期间战争发生频率序列进行周期分析发现：战争发生的次数具有非常显著的约263年、98年、72年以及较为显著的57年和43年的周期,其中263年的显著周期对应着朝代的更替．而战争发生频率产生显著周期的原因应与气候变化有关．将战争发生频率序列同季风边缘区季风降水强度指标进行对比发现,两者具有一定的相关性,在一些干旱期,战争发生频率增加,干旱可能是战争爆发的重要引发因素之一．但需要注意的是,我们在强调气候因素的同时,不能忽略社会因素对战争的重要影响．     

基于灰色关联与投影算法的铁路货运量影响因素分析

影响铁路货运量的因素繁多而复杂,每个因素的影响程度都不一样,影响因素的筛选与排序直接决定铁路货运量预测工作的可靠性。灰色关联法是通过数据序列曲线发展态势的相似程度来判断数据序列的联系是否紧密,投影算法是从宏观角度判断两个数据序列的接近程度。结合灰色关联法和投影算法的优点,构造数据序列排序模型,对各影响因素数据序列进行定量分析,为货运量预测的可靠性提供数据基础。实例分析铁路货运量的影响因素的影响力并进行分析排序,为影响因素的定量分析提供新的思路。