基于GM（1，1）模型的某高校招生人数预测

分析了近年来我国高校招生人数的变化趋势，并利用GM（1，1）模型对某高校2008年的招生人数进行了预测．从而为高校招生人数决策提供了依据。     

Forecast accuracy after pretesting with an application to the stock market

In econometrics, as a rule, the same data set is used to select the model and, conditional on the selected model, to forecast. However, one typically reports the properties of the (conditional) forecast, ignoring the fact that its properties are affected by the model selection (pretesting). This is wrong, and in this paper we show that the error can be substantial. We obtain explicit expressions for this error. To illustrate the theory we consider a regression approach to stock market forecasting, and show that the standard predictions ignoring pretesting are much less robust than naive econometrics might suggest. We also propose a forecast procedure based on the ‘neutral Laplace estimator’, which leads to an improvement over standard model selection procedures. Copyright © 2004 John Wiley & Sons, Ltd.     

商业市场信息随机预测模型的研究和计算机实现

本文针对商业市场信息的特点，选用了随机预测模型ＡＲＩＭＡ的基本模式；深入研究ＡＲＩＭＡ模型建立的全过程，开拓性地采用了功率谱估计方法，确定市场预测模型的阶数ｐ和ｑ；利用多种高级语言的混编程序技术，在微机上完全实现了商业市场信息预测系统；运行结果表明；该模型及其实现系统是可行的。     

煤与瓦斯突出预报的模糊聚类关联分析法

首先采用模糊聚类分析对煤与瓦斯突出的样本集合进行分类，建立不同突出程度的模糊模式。然后用关联分析确定待预报样本与模式的关联程度，以此预测预报样本的煤与瓦斯突出危险程度。这种预报方法相对于模糊聚类分类后，将模式与待预报样本组成新的样本集合，再进行聚类分析，以此分类结果进行预报法。不仅可靠程度高，而且能定量描述待报样本与模式的亲和程度。     

The performance of non‐linear exchange rate models: a forecasting comparison

In recent years there has been a considerable development in modelling non‐linearities and asymmetries in economic and financial variables. The aim of the current paper is to compare the forecasting performance of different models for the returns of three of the most traded exchange rates in terms of the US dollar, namely the French franc (FF/$), the German mark (DM/$) and the Japanese yen (Y/$). The relative performance of non‐linear models of the SETAR, STAR and GARCH types is contrasted with their linear counterparts. The results show that if attention is restricted to mean square forecast errors, the performance of the models, when distinguishable, tends to favour the linear models. The forecast performance of the models is evaluated also conditional on the regime at the forecast origin and on density forecasts. This analysis produces more evidence of forecasting gains from non‐linear models. Copyright © 2002 John Wiley & Sons, Ltd.     

神经网络在橡胶硫化温度预测中的应用

本文针对难以通过在线测温实现等效硫化控制的情况,在确定硫化条件的直接测温实验基础上,提出了用神经网络模型预测实际生产过程中硫化制品内部温度的方法．在该方法中将所测温度值作为样本提供给神经网络学习,温度采集时刻及易测外部温度作为网络输入,输出值则是在硫化时制品难测温点处不同时刻的内温．神经网络通过学习取得了良好的效果,网络输出的温度值将成为等效硫化计算和硫化质量智能控制的有价值的依据．     

BP模型在降雨径流预报中的应用研究

简要介绍了人工神经网络用于洪水预报的基本原理,对降雨径流预报的网络模型进行了改进。为了避免陷于局部极小值和缩短学习时间,采用了改进的自适应BP算法进行洪水预报,开发了基于BP模型的洪水预报系统,并经过山西省文峪河水库的实测资料进行了预报,取得了令人满意的精度。     

基于反馈加权组合的电力市场下中长期负荷预测方法

本文简单分析了几种常用的中长期负荷预测方法存在的缺点,针对电力市场环境下对负荷预测精度的高要求,提出了一套精度较高且实用的中长期负荷预测的方法.应用该方法对广西某地方电网进行负荷预测,计算结果表明,该方法的预测结果误差小,在实际预测领域有较高的实用价值.     

基于支撑向量机在线学习方法的短期负荷预测

提出了基于支撑向量机在线学习方法的短期负荷预测,该方法克服了传统的支撑向量机负荷预测当训练样本集合改变时为了保证预测精度必需重新进行训练来得到新的回归函数的缺点.充分利用支撑向量机解的稀疏性和前一次的训练结果,提出了递增和递减算法,直接修改原有回归函数的系数来得到新回归函数.实例计算表明,该方法与传统支撑向量机方法相比,具有计算速度快,推广能力强的显著特点,在相同预测精度下,计算速度提高了近两个数量级.     

需求信息预测与处理中的牛鞭效应

研究了在不稳定的市场需求下，生产商和零售商所组成的供应链系统中的牛鞭效应存在问题．提出了当零售商采用一次平滑指数法或简单移动平均法获得需求信息的过程中，不存在波动放大现象．证明了在生产商和零售商都采用固定间隔库存策略处理需求信息的过程中，显著存在波动放大现象，从零售商到生产商的信息传递过程中，存在着牛鞭效应现象．需求过程中的牛鞭效应主要是由于生产商和零售商利用各自库存策略处理信息的结果．