安徽省城镇居民人均收入的组合预测

以1995～2009年安徽省城镇居民家庭人均可支配收入的数据,分别建立时间序列模型、回归模型和灰色预测模型.然后在三个单一预测模型的基础上综合各个预测模型的优缺点,通过使组合预测误差平方和最小确定各单一预测方法的权重系数,得到最优组合预测模型.最后对几种预测方法进行了评价,得出组合预测效果比较精确.     

基于优化灰色理论的高可靠性产品寿命预测

在对高可靠性产品进行寿命预测时,传统的加速模型拟合精度低,且预测误差大,难以对产品做出较为准确的寿命预测.针对此问题,提出了一种基于优化灰色预测模型的方法对传统加速模型进行参数修正,提高加速模型的显著性和预测精度.首先采用动态寻优法确定最优背景值,减小灰色预测模型的拟合误差,再利用优化后的灰色模型预测出产品在接近正常使用温度下的寿命,将失效数据进行有效等维扩充,利用扩充数据对传统加速模型进行参数修正并检验其显著性.最后通过实例分析表明：修正模型的显著性更高、预测相对误差更小,且在越接近产品正常使用的温度下,其预测精度越高,说明此方法具有“数据量少、预测精度高、实用性强”的特点,因此采用该方法对高可靠性产品进行寿命预测是可行且更加有效的.     

含模糊因素的患病风险预测模型

将数理统计方法和模糊数学方法相结合,建立了适合预测患病风险的含模糊因素的回归预测模型,并将所建立的模型和统计中的线性回归模型进行了比较．结果表明：含模糊因素的患病风险预测模型预测效果优于不含模糊因素的预测模型预测效果．     

改进的灰色GM(1,N)模型在经济中的预测与应用

论文就修正GM(1,N)预测模型的误差,提出了新方法.使用BP神经网络对预测模型的残差进行预测,得到的残差预测值对所建模型的预测值进行残差修正,以减少因子变量预测误差对行为变量预测的影响.实践表明这些改进模型可以有效地提高GM(1,N)模型的预测精度.     

中国PMI指数组合预测模型研究

对诱导有序加权平均(IOWA)算子进行了详细地描述,并分别用Holt-Winters指数平滑法、ARIMA模型、多元线性回归模型对PMI指数进行了预测;并以此建立了基于IOWA算子的组合预测模型和误差评价体系。结果表明:三种单项预测方法之间存在着一定的互补性,基于IOWA算子的组合预测模型显著优于其他三种单项预测方法。最后,根据得到的组合预测模型对未来12个月的PMI指数进行了预测。     

基于IOWA算子的税收收入的组合预测

针对1981~2012年我国税收收入的相关数据,采用回归模型、指数平滑预测和ARIMA模型三种单项预测方法进行建模预测.并结合组合预测理论,采用基于IOWA算子的组合预测模型进行预测.结果表明,基于诱导有序加权算术平均算子的组合预测模型的预测精度明显高于三种单项预测方法,说明了该方法用于税收收入预测的可行性和有效性,并采用5种有效性评价指标,检验了组合预测模型的预测效果.既然该方法可以通过调整组合权重提高预测精度,因此,在此基础上对今后3年的税收收入作出预测,发现今后3年税收仍会分别以15.59%、16.89%和16.77%的增长率增长.     

基于PSO优化的灰色神经网络预测算法的研究

由于灰色神经网络随机初始化网络的参数在使用灰色神经网络预测模型时,经常会出现在进化过程中陷入局部最优值和预测精度较低等问题.因此,提出采用粒子群优化(PSO)算法优化灰色神经网络的初始参数,建立了基于粒子群优化灰色神经网络的预测模型.使得在预测性能的稳定性上,明显优于单纯使用灰色神经网络模型.通过实验,对比分析了BP神经网络、灰色神经网络和PSO优化的灰色神经网络三种预测模型,结果验证了所提模型的有效性,从而进一步提高了灰色神经网络预测模型的精确度.     

基于L_1范数IOWGA算子的大学生就业信心指数组合预测模型

大学生就业信心指数的预测可以在一定程度上了解大学生就业信心的变化趋势.因此,文章建立了基于L1范数的诱导有序加权几何平均(IOWGA)算子的组合预测模型及预测有效度评价指标体系,以山东省德州市某高校2000—2012年大学生就业信心指数数据,对大学生就业信心指数中的全局信心指数进行分析预测,并与采用GM(1,N)预测模型、单指数平滑预测模型和ARMAX预测模型分析结果从预测精度、预测模型有效性上进行比较.结果表明:基于L1范数的IOWGA算子组合预测模型比其他三种单项预测方法预测方法精度更高且为优性组合预测,本模型对大学生就业信心指数预测是可行的,可以用于对大学生就业信心的定量研究.     

基于L1范数IOWGA算子的大学生就业信心指数组合预测模型

大学生就业信心指数的预测可以在一定程度上了解大学生就业信心的变化趋势.因此,文章建立了基于L1范数的诱导有序加权几何平均（IOWGA）算子的组合预测模型及预测有效度评价指标体系,以山东省德州市某高校2000—2012年大学生就业信心指数数据,对大学生就业信心指数中的全局信心指数进行分析预测,并与采用GM（1,N）预测模型、单指数平滑预测模型和ARMAX预测模型分析结果从预测精度、预测模型有效性上进行比较.结果表明：基于L1范数的IOWGA算子组合预测模型比其他三种单项预测方法预测方法精度更高且为优性组合预测,本模型对大学生就业信心指数预测是可行的,可以用于对大学生就业信心的定量研究.     

灰色预测模型的研究及应用

在介绍灰色系统理论的基础上,讨论了灰色预测原理,以中国总人口为例,进行了灰色预测模型的建立和求解,提出了中国人口动态模型;以城市的年供电量为例,利用历史数据,并对电力系统各年的日最大负荷的预测建立了基于残差修正的灰色预测模型.该预测模型是一种基于残差CM预测法的改进灰色模型进行优化的组合方法,能够实现在线预测模型参数,最终的预测结果误差可基本控制在3%之内.经过实例计算,基于残差修正的灰色预测模型在对电力系统的日最大负荷进行预测时,与传统的系统理论方法相比较,该方法计算简捷,具有较高的预测精度,具有很好的实用性.     

基于两种模型的南阳市第一产业总值预测研究

采用灰色Verhulst新陈代谢、外推对数曲线模型两种方法,对河南省南阳市2009—2013年第一产业总值进行预测,结果表明：灰色Verhulst新陈代谢模型适合对曲线近似S形的饱和发展序列进行预测,不需要大量的原始数据,具有计算量小、计算方便和预测精度高等优点;对数曲线预测模型适合图形识别强的对数曲线,曲线回归拟合度甚优,这两种模型对指导南阳市第一产业总值的分析预测具有重要的现实意义和推广价值。     

城市需水预测算法比较

建立高精度水量预测算法模型,有利于水资源充分利用。以北京市2002-2015年需水量为例,对数据进行相关性分析后选出主要影响因素,然后采用主成分回归法、逐步回归法、灰色模型以及BP神经网络共4种方法进行建模,并用北京市2016年和2017年数据进行模型精度验证。结果表明：4种方法都适合用于城市需水量预测,其中主成分分析和逐步回归分析两种方法主要考虑了多元线性回归存在多重共线性,但是逐步回归模型优于主成分回归模型。将4种模型进行对比验证,BP神经网络模型预测精度最高,平均相对误差达到0.79%,用来预测2016-2017年需水量,预测结果分别为38.66亿m3、39.49亿m3,适合作为城市需水量预测方法。     

基于组合神经网络模型的新冠疫情传播预测分析

在全球抗击新型冠状病毒肺炎（COVID-19）疫情的过程中,合理的疫情传播预测对于疫情防控有重要参考意义。为了对病毒传播进行合理预测,针对传统疫情传播预测模型存在的不足,提出一种组合式神经网络的疫情传播预测模型,并将其应用于湖北省1月29日-3月15日每日新增确诊人数预测及湖北省每日累计确诊人数预测。预测结果分析显示,该神经网络预测模型预测结果可靠有效。模型性能分析结果表明,组合式神经网络预测模型平均相对误差（MRE）不超过0.16,均方误差（MSE）不超过0.1,均方根误差（RMSE）为0.262 9,性能明显优于其它几种神经网络预测模型。基于武汉市与广东省疫情传播预测的实证结果显示模型具有较好的适用性及准确性。     

Predictions of Individual Change Recovered With Latent Class or Random Coefficient Growth Models

Popular longitudinal models allow for prediction of growth trajectories in alternative ways. In latent class growth models (LCGMs), person-level covariates predict membership in discrete latent classes that each holistically define an entire trajectory of change (e.g., a high-stable class vs. late-onset class vs. moderate-desisting class). In random coefficient growth models (RCGMs, also known as latent curve models), however, person-level covariates separately predict continuously distributed latent growth factors (e.g., an intercept vs. slope factor). This article first explains how complex and nonlinear interactions between predictors and time are recovered in different ways via LCGM versus RCGM specifications. Then a simulation comparison illustrates that, aside from some modest efficiency differences, such predictor relationships can be recovered approximately equally well by either model—regardless of which model generated the data. Our results also provide an empirical rationale for integrating findings about prediction of individual change across LCGMs and RCGMs in practice.     

走出“假性”繁荣——浅论我国教学模式理念的模糊性及对策

在我国教学理论与实践中,“教学模式”给人一种“繁荣”的印象,但当我们真正要去梳理教学模式理论框架时,我们就会发现,原来我们看到的只是教学模式的“假性”繁荣现象。实际上,我国教学模式理念存在着很大的模糊性,这体现为:理论层面上,概念理解莫衷一是;实践层面上,实施取向无所适从。我们应从教学模式的价值和地位、教学模式概念的内涵和外延、教学模式的实施取向实现教学模式理念的统一,从而使我国教学模式能够真正发挥好理论与实践的桥梁作用。     

基于多任务学习模型的药物敏感性预测

目前基于建模的抗癌药物敏感性预测研究较多,但这些模型大多使用传统单任务学习模型。这种模型在解决复杂问题时需将问题拆分成单个子问题,忽略了各个子问题之间存在的关联,因而模型精度会受到影响。大多数药物敏感性预测模型仅使用了基因表达数据,忽略了基因突变、甲基化以及拷贝数等数据对药物敏感性预测的影响。结合上述数据,并考虑到不同药物之间可能存在的相似性,利用多任务学习方法共享任务之间的信息,对抗癌药物敏感性进行预测,预测的平均精度达到56%以上,较普通的Lasso模型提高了35%左右。同时,针对每种药物找出一些敏感的生物标志物,这些生物标志物可为癌症治疗提供指导。     

论教学模式的类型

尽管古今中外教育模式五花八门,但都可以归结为注入式、讲演式、牧羊式、互动式四种类型。在四种类型中,由于教师和学生的地位、角色不同,教学会呈现不同的特征。系统梳理、分析和归纳教学模式类型,对教师更全面地认识、选择教学模式具有重要的意义。     

运用贝叶斯网络量化诊断油井场所安全风险

利用贝叶斯网络对某油井场所风险进行量化预测诊断,建立的模型有效地分析了各种风险因素,克服了传统模型对风险因素的简单化跟理想化。进一步说明了贝叶斯网络在操作风险管理中的高效性。     

树立以学生为主体的教育观,探索教学方法改革之路

以人为本的办学理念如何在教学过程中得以贯彻,实施以学生为主体的教学方法或许是其中的一种选择.针对高职教育的特点,从分析传统教学方法的弊端入手,提出应当实施以学生为主体的教学方法,并对如何实施提出了一些措施.     

会议消息写作突破“模式化”的思考

突破模式化，改进会议消息写作，是全心全意为读者服务、讲求宣传艺术、提高报纸质量的需要。要使会议消息生动活泼、引入人胜，采写过程中一要运用求异性思维；二要精心发掘主题思想；三要导语“抓人”，切忌面面俱到。