商品市场预测的非直线趋势研究

市场预测是企业进行各种决策的基础,通过市场预测,企业可以避开市场风险,了解市场需求,有利于提高企业经营效益。文章主要介绍了预测的有关内容、作用、步骤及预测的基本方法,并对非直线趋势预测法作了详细研究,阐述了指数成长曲线模型、修正指数曲线模型、罗吉斯曲线模型、龚珀资曲线模型等四种曲线模型,并利用这些模型对几个实际问题进行了预测,其结果与实际基本相符,提出的理论和方法具有一定的科学性和实际应用价值。     

城市水资源利用建模分析研究

本文以北京市为例,分别应用无偏灰色GM(1,1)预测模型和非线性预测模型对北京市的用水量进行了预测,由于单个的预测方法缺乏普遍性,所以本文采用无偏灰色GM(1,1)预测模型及非线性预测模型的加权组合模型,对北京市的用水量进行了预测,预测结果显示,与北京实际用水量相比,无偏灰色GM(1,1)预测模型的预测结果的误差平方和较小,而平均绝对误差较大;非线性预测模型的预测结果的误差平方和较大,但平均绝对误差较小。加权组合模型可以平衡以上两种预测模型的优缺点,其预测结果的平均绝对误差和误差平方和均介于两种模型之间,使得结果更加精确可靠,此方法可以用于城市用水量的短期和长期预测中。     

时序回归GM-SVM模型研究

针对单一预测模型都存在各自优缺点的问题,本文提出时序回归GM-SVM模型,以达到最优的变形预测效果。首先对灰色模型中的灰参数导致的时间序列残差进行研究,形成时间序列模型,根据时间序列模型对其残差进行最优化设计,获取时间序列估计模型,并将该模型与支持向量机进行无缝融合以建立新的预测模型,然后根据该预测模型对观测的大坝变形影响因子进行训练和预测,并将预测结果与实际的变形值进行对比分析,经过实例分析确定该模型的预测结果更加接近实际观测值,说明该模型更加适用于基于大坝变形影响因子的变形分析。     

组合预测在我国人均净用电量预测中的应用

采用BP神经网络和灰色模型的组合对我国未来几年的人均净用电量进行预测。通过实际数据与预测结果的比较,具有较高的精度,证明了组合模型和方法的可行性。最后对我国2008～2011年的人均净用电量做了发展预测。     

灰色系统GM(1,1)模型在南水北调施工进度预测中的应用

工程进度延期在建设工程以及水利工程中都很常见,在无法避免进度拖延的情况下预测工程是否能够按期完工显得尤为重要,本文介绍应用灰色系统理论GM(1,1)模型,进行预测实际进度与计划进度的偏离程度,并与实际的偏差情况进行比对,得出结论,并运用新陈代谢模型植入新信息做优化预测,得出更加贴近实际的预测结论,使其对工期的影响降至最低,便于今后有效地利用预测结果控制指导建设工程的施工。     

基于无偏灰色模型的水环境预测研究

伴随工业化、城市化进程,我国的水环境经历了四个不同的阶段。当前的水环境状况堪忧,需要对水环境进行强烈的关注,并对水环境的将来进行科学的预测,目前对水环境的关注主要集中于污染的治理与未来趋势以及区域河流的水质预测,对全国整体的水环境现状关注较少,本文根据中国历年环境保护基本概况统计中的指标,选取2000～2006年的中国水环境基本状况为原始数据,采用灰色预测方法对未来的整体水环境状况进行预测,并针对拟合度对传统GM[1,1]模型和无偏GM[1,1]进行比较,最后运用精度更高的无偏GM[1,1]模型预测2007～2012年中国水环境状况。     

基于有限元动力模型的在役钻机井架仿真模型分析

为了改善役钻机井的实际精度,减少相应的试验结果和计算结果两者之间存在的偏差,积极采用优化的原理,在有限元的相应动力模型的基础上,积极建立役钻机井分析模型。根据实际原理,采用灵敏度的相应分析方式对实际井架结构中的主要截面形、实际材料以及相应的几何尺寸进行参数的修正。主要以试验的理论模型与参数之间的最小值来积极构建修正函数,并利用相应的优化算法进行状态评估与优化。而依据相应的仿真结果已经表明,对那些已经进行修正有限元计算的模型实验结果与计算结果彼此之间是比较接近的。充分的说明了这个方法只适用在役钻机井的安全评估与相应的承载预测方面。因此,本文就针对有限元动力模型的在役钻机井架仿真模型做了简要分析。     

城市大气污染预测模型的建立与应用研究

目前城市大气污染问题日益严重,为了更好的解决城市大气污染预测的准确性不足的问题,本文提出了一种基于时间序列和人工神经网络的城市大气污染预测模型。首先使用时间序列的方法对采集的数据进行统计,再将统计结果作为样本输入人工神经网络模型,然后将神经网络训练后得到的样本数据采用趋势外推法进行预测分析。仿真实验结果表明,本文提出的基于时间序列和人工神经网络的城市大气污染预测模型的预测结果与实际结果相当接近,本方案切实有效,值得推广使用。     

地区电力长期负荷预测方法研究

负荷预测对电力系统规划和运行极其重要,本文论述了电力负荷预测与分类、负荷预测的基本过程。同时本文采用外推预测技术、单耗法和新兴交叉学科人工免疫预测法对阜新地区电力负荷进行长期的预测,并对实际预测结果进行了分析、比较。得出结论:这三种方法都适合于对地区电力负荷进行长期的预测,取三种方法预测的中间值可以得到相对精确的预测结果。     

基于灰色马尔科夫预测的PPP项目特许期调整模型研究

针对已投入运营的污水处理PPP项目,构建基于对未来现金流分析的特许期长度调整模型。为确定项目未来现金流中关键因素污水处理量的取值,采用灰色预测模型进行预测,并使用经过修改的马尔科夫模型对预测结果进行修正,进而与净现值特许期决策模型结合,计算得出建议调整的特许期长度。基于对某污水处理厂的实证研究表明,当污水处理PPP项目的实际污水处理量出现明显偏差时,本文建立的特许期调整模型能够克服概率统计依据历史经验而产生的不足,根据实际污水处理量变化提出合理的特许期变更建议。     

ARIMA模型在矿井涌水量预测中的应用

采用时间序列分析中的自回归移动平均(ARIMA)模型,对矿井涌水量进行预测。以收集到的矿井月度涌水量数据为研究对象,对涌水量时间序列特性进行了分析,结合自相关与偏自相关图及赤池信息准则确定了模型阶数,所建立的模型通过了白噪声检验,并对未来5个月的涌水量进行了预测。结果表明,该模型拟合趋势与实际趋势基本一致,预测结果可以接受,可为矿井安全生产提供指导。     

第三讲 预测方案设计

预测的实际过程包括两个阶段。第一阶段是归纳过程:从确定预测目标,收集与预测有关的资料开始,经过对资料的分析、处理、提炼和概括,再用模型(公式或图表)的形式刻画出预测对象的基本演变规律。第二阶段是演绎或推论过程:利用得到的基本演变规律,根据对未来条件的了解和分析,推测(或计算)出预测对象在未来期间所可能表现的状况。此外,对预测结果还应进行必要的检验和评价,才能得到一个可供决策参考的最终预测结论。一般来说,预测的基本步骤包括:预测目标分析,资料收集,预测方法选择,预测计算,分析与评价。一、预测目标分析     

数据挖掘技术在网络舆情预测中的应用

提出一种数据挖掘技术的网络舆情组合预测模型。首先利用灰色模型GM模型对网络舆情进行预测,然后采用BP神经网络对GM模型预测结果进行修正,同时采有粒子群算法优化BP神经网络参数,最后采用某网络某热门话题对模型进行仿真实验。仿真结果表明,本文模型可以准确预测网络舆情变化趋势,提高了网络舆情预测精度。     

ARIMA模型在上海市GDP预测中的应用

本文用ARIMA模型对上海市1978年到2006年GDP数据进行分析,并预测出未来三年的GDP数据。与2007年实际GDP相对照模型预测误差较小,说明ARIMA模型非常适合于短期预测。     

天气影响下的城市道路区域交通状态指数预测模型及评价研究

实时及准确的交通预测是交通控制与诱导中的重点和难点,但在交通指数预测方面国内外专家和学者研究很少。本文着重研究基于城市区域下的交通状态指数预测,主要是基于交通状态指数特征划分与提取模型,研究了天气因素对交通状态指数的影响及建模、然后利用交通状态指数预测方法得到预测结果。本文还针对在不同类型天,多种天气情况下进行结果评价,结果表明交通状态指数预测模型结果准确预测了实际交通状态指数。     

基于EGARCH-EWMA模型的我国大豆期货价格预测

通过对大豆期货价格的衰减因子的计算,预测大豆期货未来价格,并与实际价格比较,验证EGARCH-EWMA模型对大豆期货价格预测的有效性;本文采用实证分析方法得出模型在大豆期货价格预测中的科学性和准确性,为大豆农户和流通企业进入衍生品市场规避价格风险提供依据和保障。     

基于改进创新扩散模型的移动互联网产品迭代扩散研究

介绍原有创新扩散模型及其局限性,根据移动互联网产品特点进行改进,构建适用于迭代产品扩散的改进模型。利用移动互联网产品实际数据对产品迭代扩散改进模型进行实证分析,采用仿真软件中的模拟退火算法进行参数估计和模型拟合,揭示移动互联网产品的迭代扩散特点。对比原有模型和改进模型的拟合效果和预测效果,结果说明产品迭代扩散改进模型对移动互联网产品的拟合效果和预测效果更好。     

火山岩地震储层预测及应用效果研究

火山岩地震储层预测难度大,目前国内外存在很多争议。本文通过井震结合,采用模型控制波阻抗反演技术,对克拉玛依油田九区古16井区石炭系火山岩储层进行了预测,发现两个"低速异常体"即为有利储集体,与实际钻井、录井、试油试采资料吻合较好。应用该成果进行了油藏东部扩边区开发部署,新井实施后生产效果很好,进一步证实了预测结果的可靠性。推动了火山岩储层预测技术在克拉玛依油田的应用,为类似火山岩储层预测起到了宝贵的借鉴意义。     

四川省工业利润总额在组合预测方面中的应用与研究

本文分别建立了四川省工业利润总额方面的GMDH自回归预测模型和AC预测模型,然后针对它们的预测效果建立了GMDH-AC组合预测模型。并将组合预测结果与实际值以及单一的GMDH模型、AC模型的预测效果进行了分析和比较,表明了所述方法的有效性和可行性,从而为预测工业利润总额及其它宏观经济预测指标在选择预测方法提供了参考。     

PSO-LSSVM的电力负荷预测研究

对影响电力负荷因素之间的非线性,有效提高电力负荷的预测精度,本文提出了一种最小二乘支持向量机(LSSVM)和粒子群优化技术(PSO)相结合的电力负荷预测方法。以历史负荷数据气象因素等作为输入,建立预测模型,对未来时刻电力负荷进行预测。该模型利用结构风险最小化原则代替传统的经验风险最小化,以充分挖掘原始数据的信息,并采用粒子群优化算法来优化最小二乘支持向量机的参数,旨在提高预测模型的训练预测精度。实际算例表明,使用PSO-LSSVM方法进行电力负荷预测,具有良好的可行性和有效性,与BP神经网络和LSSVM方法的预测结果相比,所提出的PSO-LSSVM模型预测平均误差仅为0.85%,具有更高的精度,适用于电力负荷预测。