基于支持向量机的北京市房地产价格指数预测

文章通过格兰杰因果关系检验建立影响房地产价格指数的相关指标体系,并基于支持向量机回归原理,利用Libsvm-2.89对北京市房屋销售价格指数进行预测,预测结果与实际接近;建立了预测绝对误差与支持向量率、迭代次数等的回归模型以得到误差修正因子对预测误差进行调整,提高了预测精度.     

热轧机组轧制负荷的自适应模糊预测

针对传统轧制负荷模型的固有缺陷，为了提高精轧机组轧制负荷预设定精度，提出一种将基于误差反馈和专家经验的闭环模糊控制引入轧制负荷预测系统中的新方法，用于修正预测输出、提高预测精度和鲁棒性的设想。离线仿真表明：采用本文所述的方法，预测精度优于传统方法。预测结果的相对误差限制在5%以内。     

基于主成分分析线性回归的光伏发电功率预测研究

针对经典光伏发电功率物理模型预测精度不高、可能遗漏关键气象因子的问题,基于数据驱动思想提出一种主成分分析、逐步线性回归以及多种检验相结合的光伏发电功率预测模型混合建模方法.采用相关性分析提取关键气象因子自变量,通过逐步线性回归对历史样本数据进行训练得到初始模型;对初始模型进行拟合程度、有效性以及多重共线性等多种检验,根据检验结果,采用主成分分析对初始模型自变量进行降维重构,得到修正模型;通过残差分析实现修正模型正确性的自校验;基于多种时间尺度对经典模型、未修正模型以及修正模型的预测结果进行详细对比分析.仿真结果表明修正模型提高了预测精度及所提混合建模方法的有效性与优越性.     

混沌理论和改进神经网络的居民消费价格指数预测

提出一种混沌理论和改进神经网络相融合的居民消费价格指数预测模型(Chaotic-NN).首先对居民消费价格指数历史样本进行相空间重构,从中发现居民消费价格指数的变化信息,然后采用神经网络建立居民消费价格指数预测模型,并采用粒子群算法优化神经网络参数,最后利用多个居民消费价格指数预测实例对其性能进行验证性测试.结果表明,Chaotic-NN可以全面描述居民消费价格指数变化的非线性和混沌性,拟合度和预测精度都比较高,真实地反映了居民消费价格指数的变化规律.     

基于支持向量回归机的空调逐时负荷滚动预测算法

针对当前空调负荷预测算法精度不高难以满足空调系统节能优化控制的问题,提出基于支持向量回归机(Support Vector Regression,SVR)的空调逐时负荷滚动预测算法,建立SVR滚动预测模型,模型参数采用网格搜索遍历算法进行寻优。为简化模型的复杂性,还对影响空调负荷的主要因素进行了相关性分析。此外,算法利用当日前1 h的滚动信息,不断对模型进行修正以提高负荷预测精度。最后探讨以期望误差为预测精度评价指标时,不同训练样本长度对神经网络和SVR算法预测精度的影响。预测结果表明:基于支持向量回归机的空调逐时负荷滚动预测算法较BP神经网络算法的预测精度提高10.3%,比常规支持向量回归机算法预测精度提高23.9%,训练样本较小时,算法预测性能更为优越。     

基于灰色神经网络的凸肚体腹围尺寸预测

为克服线性回归方法对人体尺寸预测缺少精度的缺陷,将灰色神经网络模型引入人体测量中.对36个测试样本进行灰色建模,并利用人工神经网络修正模型残差,以提高腹围尺寸的预测精度.为了验证模型的可靠性,用同一样本建立回归模型,并以7个测试样本检验两种模型的预测效果.结果显示,灰色神经网络模型的预测精度更高,能有效地简化量体工作,为实现特体服装定制化生产奠定基础.     

房地产价格指数与居民消费水平的动态回归分析

以SAS软件为工具,对郑州市2009年5月至2013年5月新建住宅价格指数序列和居民消费价格指数序列进行协整分析,分别拟合了动态回归ARIMAX模型和误差修正ECM模型.ARIMAX模型显著有效,揭示了居民消费价格指数对新建住宅价格指数的影响系数达到1.014 73,预测结果显示,郑州市的房价近期仍呈上升态势,上涨幅度维持在1%左右.ECM模型拟合效果不理想,说明房价受短期波动的影响很小,对房地产市场的调控漫长而复杂.     

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.     

基于机器学习的改性沥青黏弹性预测

为利用机器学习方法预测改性沥青黏弹性，分析不同预测模型适用性和预测精度，测试了胶粉（CR）改性沥青、SBS改性沥青和废旧塑料（PE）改性沥青不同温度和频率下的复数模量.选择人工神经网络（ANN）、稳健线性回归（RLR）、线性支持向量回归（LSVR）、决策树回归（DTR）、高斯回归（GPR）和集成回归（ER）6种机器学习方法预测三种改性沥青复数模量.结果表明：预测结果散点图中，ANN和ER模型预测精度最高，DTR模型次之且存在数据聚类.6种预测模型预测结果的相关系数均大于0.9，纳什效率系数均大于0.85.不同预测模型在PE改性沥青中预测精度最高，SBS改性沥青次之.根据三种改性沥青复数模量预测结果的相关系数、相对均方根误差、分散指数、相对误差和纳什效率系数五个统计参数的平均值，6种预测模型预测精度从高到低依次为ER、ANN、DTR、GPR、LSVR和RLR.     

一种包含递归的核回归估计的回归预测模型

构造包含递归的核回归的回归模型,将其应用于居民消费价格指数,提高拟合度,减少预测误差.进而运用时间序列预测模型,结合上述回归模型对居民消费价格指数进行预测.     

房地产性价比的确定方法

运用专家调查法及层次分析法建立了房地产性能的综合评价指标体系，并确定了指标权重，构建了房地产性能模糊综合评价模型；应用价值工程理论构建了房地产性价比的确定模型，并将其定量化．将房地产性价比确定方法结合实证研究和应用进行了详细分析，并既适合某一楼盘性价比的确定，也适合特定楼盘的特定户型的性价比计算．并解决了长期以来房地产性价比只是定性描述的问题，为房地产开发商进行产品开发提供了理论依据，同时也为消费者购房提供了参考依据．     

烟草类消费价格指数预测模型的研究

用神经网络中的：BP网络建立了烟草类消费价格指数预测模型,首先选定历年数据为训练组,初步确定烟草类消费价格指数预测网络结构,然后计算出网络各层上的权重值,并使其达到稳定,通过比较网络精度,确定其最优隐含层层数和各层节点数,从而确定烟草类消费价格指数预测最优模型,使用了LevenbergMarquardt优化方法,克服了传统BP算法收敛速度慢,难以确定隐含层和隐含层节点数的缺陷,从而使学习时间更短,运用该模型对城市居民烟草类消费价格指数进行了预测,用检验样本验证训练结果,绝对误差为-2.0,相对误差为2,0964％,预测某城市3年烟草类消费价格指数分别为97.3752,97.3973和97.400O。获得了可信的结论。     

IF1407合约的长记忆回归模型与投资策略研究?

在高频交易中,金融资产价格变化的时间持续期是交易者关注的重点.在以往的文献中,人们一般是用ARFIMA(p,d,q)模型或者ACD模型研究时间持续期.然而,我们在分析股指期货的高频数据时发现,时间持续期不仅与其自身滞后期相关,还与这期间内没有发生价格变化的交易次数和价格变化的具体值有关.因此,本文将ARFIMA(0,d,0)模型与回归模型结合起来,提出了时间持续期与其他因素存在线性关系的新模型,并且时间持续期还具有长记忆特征.我们试图用此模型研究高频交易中价格变化的时间持续期、持续期内没有发生价格变化的交易次数以及价格变化的具体值三者之间的关系.模拟结果表明我们提出的profile-最小二乘法能够较好地估计新模型中的参数.实证部分用我国沪深300股指期货的高频交易数据来说明新模型的应用价值.     

基于地区经济水平和可靠性指标的趸售电价模型研究

对地区经济水平和县级供电企业的可靠性指标进行了分析.采用聚类方法划分趸售县,提出基于经济水平和可靠性指标的趸售电价模型进行量化定价.该模型以供电成本为基础,同时能反映不同地区的经济承受能力以及供电可靠性水平.对某省的具体应用结果说明了模型的有效性.     

基于随机森林的A股股票涨跌预测研究

针对传统预测模型易陷入过拟合、缺失数据敏感、计算量大等不足,利用随机森林算法的双重随机性、处理数据集优异等特点,对A股股票涨跌预测进行研究。首先运用相关性分析对初始指标体系进行一次Spearman和二次Pearson筛选,去除指标体系中的冗余指标。然后对随机森林的各项重要参数进行优化,并对优化后的模型采用重要性估计方法以提升训练模型精确度。通过不同指标体系的对比,验证实验过程的正确性。最后,对比不同建模方法的实证预测结果,表明随机森林模型比传统机器学习方法二元logistic回归在性能上更优越,具备较高的预测准确度。     

一种非线性移动自回归预测模型

应用非线性回归分析中的S型增长模型及移动平均线理论,对按时间次序排列的单一数据序列,给出了一种非线性移动的自回归预测模型,将其应用于股价指数的历史数据中,对该预测模型的合理性和准确性作了初步验证,得到的结果相当理想,本模型具有一定的实际应用价值。     

湖南省区域城市地价水平研究

城市土地是城市建设和发展所依赖的最基本的资源和最重要的资产,是构成城市经济的最基本要素.运用灰色预测方法、综合指数法、回归分析等方法对湖南省长沙、株洲等五个城市的地价水平进行预测,评价了城市地价水平与区域空间要素的协调程度.结果显示,研究区域城市地价水平呈稳定上升趋势,基本与区域空间环境相协调,但有个别城市受地方政策影响较大.因此,对区域空间效应的定量化是实现区域城市地价合理化的有效途径.     

基于熵值法的电力市场可靠性电价模型

以电网可靠性为基础,综合用户可靠性需求价值工程理论,提出以多个可靠性指标联合定价的可靠性电价方案。应用熵值法,计算各个指标对于各个部类产业的影响权重,建立可靠性电价模型。通过对实际算例分析,结果表明该方法能够体现电价对于各部类产业影响,能够同时顾及供电商和用户经济利益,从而为可靠性电价提供新的研究思路。     

基于特征价格模型的沈阳市商品住宅价格指数

为了分析沈阳市商品住宅市场情况,根据国内外编制价格指数的方法,结合沈阳市房地产市场的实际情况,采用特征价格法对沈阳市商品住宅价格指数进行研究.选择16个特征变量,采用半对数模型构建沈阳市商品住宅特征价格模型,并对模型进行检验,确定影响沈阳市商品住宅价格的14个特征变量及相互关系.通过价格指数计算公式,计算出2006年至2013年沈阳市商品住宅特征价格指数,得出沈阳市商品住宅价格增速正在逐年减缓的结论,并对未来市场可能出现的问题提出合理建议.