基于SPSS的指数平滑模型及实例

指数平滑模型是一类重要的预测模型,能够广泛应用于多个科学领域,具有较高的应用价值。本文介绍了在时序值含有不同的水平项、趋势项、季节因子等数据特征时,基于SPSS软件的七种指数平滑模型。最后通过对2020年第四季度以及2021三个季度的全国国内旅游人次数据进行实际预测分析来验证指数平滑模型预测结果的准确性与高效性,并探讨了模型重要的应用价值。     

灰色预测模型在股票价格中的应用

对股票价格的预测直接影响到投资者的投资决策，关系到投资者的切身经济利益，因而对预测的准确性要求较高。本文拟尝试将灰色系统理论应用于股票市场，建立GM（1，1）模型，并通过对上证综合指数的预测说明该模型具有较高的预报精度和应用价值。     

脱碳成本研究中的技术考量：现状、主题与展望

技术创新是支撑碳达峰、碳中和目标，控制长期脱碳成本曲线的关键因素。以scopus数据库收录的国外脱碳成本研究中关于“脱碳技术”的文献为研究数据，对脱碳成本研究中的技术考量展开全面综述。首先，采用文献计量方法对脱碳成本研究中的技术考量进行现状分析；其次，运用基于随机游走的walktrap算法进行社团划分，归纳得到五个研究主题：影响脱碳成本的关键技术研究、技术影响脱碳成本的效应与机理研究、技术影响脱碳成本的评估方法研究、技术举措实施先后逻辑对成本的影响研究、技术政策研究；最后，归纳得到现有研究局限，并针对研究核心主题与研究局限的分析结论，提出未来研究展望：（1）电力模型研究时注重系统考虑能源发电、传输和存储全链条，促进分布式可再生能源集成；（2）能源系统建模研究中应考虑可再生能源与其他能源兼容性，深化研究各种低碳技术、零碳技术、负碳技术之间的协同作用，建立混合系统模型，规划最优技术组合；（3）完善储能技术与可再生能源结合的能源建模研究以应对能源间歇性的挑战，同时评估模型的气象损害与气象依赖性；（4）气候政策建模应侧重将技术变革内生化，并与实证研究相结合，增加模型现实意义；（5）开展高时空分...     

高铁工程全生命成本智能预测模型与实证研究

为了提高高铁工程成本估算的准确性，简化高铁工程成本估算程序，本文提出了基于显著性成本理论的高铁工程全生命成本智能预测模型。首先，结合已完同类工程量清单，运用显著性成本理论，确定同类工程显著性成本项目与显著性因子；其次，运用余弦相似度法，结合已完工程与拟建工程的工程特征数据，完成相似工程的筛选；然后，结合相似工程数量的多少，分别选用基于PSO-RBF、PSO-LSSVM、FCM聚类、FIS的模糊推理预测模型进行高铁工程全生命成本预测；最后，通过实例验证该模型的准确性与可行性。研究结果表明该模型的运用确保了估算的精度，并提高了高铁工程成本估算效率。     

英国将成为首个实施碳底价保证机制的国家

加强欧盟碳排放交易机制（the Emissions Trading System,ETS．）,促进可再生发电和核电投资,是前工党政府和现在联合政府意见相同的。与前工党政府不同的是,联合政府不但要加强碳排放交易机制,还要积极推动实施碳“最低保证价”机制（AFloortothe CarbonPrice）。在4月份刚公布的2011年财政预算案中,英国政府宣称将引入这一机制,从2013年4月开始,最低保证价设在每吨16英镑,到2020年上升到每吨30英镑。在此期间,按照市场规律形成的碳价如果得不到以上设定的最低价,政府将通过增加税收来弥补差额。     

基于改进谱聚类算法的生物制药产业专利价值评估研究

有效评估药物专利价值有必要考虑制药基础技术细节以及新药专利保护期限较长的特殊性等有关实际，同时，利用机器学习方法开展专利价值评估的研究仍有待进一步完善，因此，针对生物制药产业专利价值评估准确性问题，结合产业技术因素及其专利特点，以及专利价值评估的共性指标和生物制药产业特征与专利技术特点的个性指标，引入自编码器（AE）模型和谱聚类算法（SC）构建专利价值评估算法模型，以药智专利通数据库的相关专利数据为样本进行实证分析，通过提取专利指标特征、专利聚类来进行专利价值评估，并运用支持向量机方法对专利价值进行分类，以验证AE-SC评估模型的有效性。结果表明：AE-SC评估模型通过自编码器提取专利特征后的专利价值聚类准确度优于谱聚类和传统K-means聚类；专利存在年数、药物专利类型、适应证类别等是评价生物制药产业专利价值必要考虑因素。     

基于动态网络表示学习的学者合作关系预测研究

【目的/意义】随着学科交叉与学科融合的不断深入,科研工作越来越需要多个学者合作完成。识别潜在的 合作关系,为学者推荐适合的合作对象,能有效提高科研效率。【方法/过程】基于动态网络表示学习模型对学者合 作关系预测展开研究。首先,提出一种动态网络表示学习模型 DynNE_Atten。其次,根据图书情报领域的文献数 据构建动态科研合作网络和动态关键词共现网络,使用 DynNE_Atten 模型得到作者向量表示和关键词向量表示, 同时提取作者单位特征。最后,融合作者合作、主题与单位特征,预测未来可能产生的合作。【结果/结论】实验结果 表明,本文提出的动态网络表示学习模型在时序链路预测任务中只需要较少的输入数据,就能达到较高的准确性; 相比于未融合特征的学者表示,融合模型在合作关系预测中展现出明显的优势。【创新/局限】提出了一种新的动态 网络表示学习模型,并融合主题特征和作者单位特征进行科研合作预测,取得了较好的结果。目前模型在特征融 合的方式上只考虑了数据层面的异构,并未考虑网络层面的异构。     

基于DGC-MSV-t模型的欧盟碳市场信息流动研究

以能较好地刻画碳价随机波动特征的DGC-MSV模型为基础,考虑碳价尖峰厚尾特性,采用t分布修正模型,选择国际碳市场典型产品EUA为对象,将碳市场溢出效应研究拓展到碳现货、期货、期权三市场中.研究发现:均值溢出方面,EUA现货、期货、期权三市场间呈现高度时变正相关.现货与期货、现货与期权市场时变关系波动剧烈但波动持续性较低,期货与期权市场则反之;波动溢出方面,EUA现货与期货、期货与期权市场间均有显著且双向为正的风险传导现象,但仅存在期权对现货市场微弱的正向溢出.期权与期货市场相比信息量更丰富,是主要的风险溢出源.     

网络搜索关键词时序变化特征研究*--以H7 N9禽流感关键词实验为例

利用网络搜索关键词的搜索量变化来分析和预测相关事物发展趋势是一种逐渐被广泛关注的研究领域。提出网络搜索关键词时序变化特征包括领先、同步和滞后三种特征。通过采集搜索网站关键词的搜索量数据,针对分析预测对象进行时差相关分析,可以识别出相关关键词时序变化特征。通过H7 N9禽流感关键词时序变化特征识别实验,说明该方法的可行性。     

基于GRNN的网络出口流量预测

针对网络出口流量在时序上的复杂非线性特征,采用泛化回归神经网络GRNN（generalized regression NN）对网络流量时间序列进行预测。用自相关分析技术分析时间序列的延迟特性,据此确定GRNN神经网络的输入、输出向量,建立了基于MATLAB 6．5环境下GRNN神经网络的网络流量预测模型,并用黑龙江科技学院网络出口流量数据进行了验证。结果表明,该模型拟合精度和预测精度较高、计算速度较快。     

碳贸易中碳价格计算的土地机会成本模型评述及实例分析

碳价格的确定对于各类生态系统价值的估算及碳贸易具有重要的意义。碳价格是根据单位固碳量的固碳成本来确定的，而固碳成本的计算是确定碳价格中的难点，土地机会成本则是固碳成本计算中的一个重点方法。本文分析了在碳价格确定中存在的一些问题，介绍了目前在碳贸易中计算碳价格常用的3种土地机会成本的模型：自下而上模型（Bottom-up model）、部门模型（Sectoral model）和计量经济模型(Econometrical model)，并对这3种模型进行了比较和评述。结果表明，这3个模型均不适用于我国，特别是北方草原区的碳价格计算。为此，本文初步给出了一个在我国内蒙古草原区确定碳价格的固碳成本估算方法。     

上海股市价量关系的实证分析

价量关系是技术分析的核心，与技术分析的有效性密切相关。对上证综合指数价格与成交量的协整分析，表明它们之间存在长期的均衡关系－协整关系，即系统存在经济制剂约着价格与成交量之间的变动；误差修正模型得出短期偏离向长期均衡的较正速度；价格与成交量之间的格兰杰因果关系检验进一步说明价量关系有统计基础；动态分析给出了价量之间交互影响的具体特征的描述。     

基于TVCSE拟合的网络入侵预测方法

针对传统算法网络入侵预测中,网络检测数据相关性不强,大规模网络入侵导致预测准确性不高的问题。提出了一种基于时序变化率曲面极值(Time-series variation curved surface extremum:TVC-SE)拟合的网络入侵预测算法。对网络流量信息数据进行实时获取,以时序为时间度量构建变化率曲面模型;分别对时序变化率曲面模型的局部极值进行迭代计算,将共有的局部极值作为最终的预测极值进行存储,同时以该时刻的协同局部极值为参考,提高了网络入侵预测的准确性。仿真实验表明,该测试方法能够达到较高的测量精度,虚警率比传统算法平均降低了12.4%,预测时间减少在2.5 s左右,在不增加成本,符合网络程序计算复杂度的情况下,满足了网络入侵预测的要求。     

持续创新:摩尔模型扩展研究——基于“雅虎倒下”案例分析

高新技术企业如何进行创新能力管理是关系其能否持久生存的重要问题。对雅虎、Facebook等高新技术企业的案例进行比较分析，探索影响企业持续成长的创新管理问题；拓展摩尔模型中消费者心智阶梯的发展路径，并从企业创新能力管理角度扩展摩尔模型。研究结果表明：高新技术企业面对的消费者市场具有特殊的时序化创新偏好，无视时序化市场特征的创新能力管理方式将导致企业失去持续成长的动力，高新技术企业的核心创新能力必须能够满足其对应的时序化市场需要；创新能力发展对策是高新技术企业赢得市场、实现创新价值、保证持续成长的重要创新战略内容；高新技术企业的创新战略应构建在时序化消费者市场的基本特征之上，只有能够适时调整自身的创新能力发展方向才能满足其所面对的时序化消费者市场需求，获得下一阶段发展所需资源，实现科学的创新能力管理，获得企业的持续成长，为行业和社会发展提供创新支撑。     

基于MODIS LST修正NDVI时序数列的土地覆盖分类

MODIS以其时间分辨率、光谱分辨率的优势成为全球及区域土地覆盖研究的主要数据源。但如何快速准确的提取所需土地覆盖信息一直是科学界研究的焦点问题。对于NDVI时序数列分类方面的研究很多，其中影响分类精度的一个重要因素就是NDVI的数据质量问题。本文通过试验发现经过SavizkyGolay滤波处理的NDVI时序数列能够反映植被季相变化特征，与传统的滤波效果相比有明显改善，更符合实际情况。通过分析数据的波谱曲线，滤波后的时序数列能较好的区分植被与非植被、草本（一年生）与木本（多年生）覆盖类型。但研究区内一年一熟的农作物与高盖度草地、落叶针叶林与落叶阔叶林具有相似的物候特征，仅通过NDVI序列很难区分。为解决这一问题，本研究利用MODIS地表温度（land surface temperature,LST）产品对NDVI时序数列修正，利用前5个主成分进行分类。所得分类结果用363个野外调查样区进行验证，总分类精度达到了69.15％，kappa系数为0.6499。结果表明添加LST的时序数列比单纯的NDVI夸大了覆盖类型的差异，提高了分类结果的精度。为充分发挥MODIS高时间分辨率的优势，下一步应对多源数据进行定量分析，结合植被的物候关键期识别土地覆盖类型，必将进一步提高分类精度。     

稿约

应广大读者要求,1985年《预测》杂志将陆续编辑时间序列预测技术及应用、因果分析和结构模型及应用、定性预测和调查技术的研究与应用三辑专题增刊号。欢迎广大预测工作者踊跃投稿:1.时序模型预测理论,各类时间序列模型的研究及在各领域的应用,时序数据的收集与处理等。     

WPGM（1，1，α）模型在股票价格预测中的应用

股票的价格的预测直接影响到投资者的决策,所以对股票价格的预测一直是经济工作者关注的一个问题。2002年刘文财等通过实证说明了ARFIMA模型在中国股票市场预测的失效性之后,很多人尝试将各种预测方法运用到股票价格预测中来,其中GM（1,1）是使用最多且比较有效的方法,尝试将无偏GM（1,1）模型的优点与GM（1,1,α）模型结合得到WPGM（1,1,α）模型,并选取G浦发的周收盘价作为原始序列进行预测,结果表明,所提的方法是有效的。     

基于链路分析的作者合著关系预测研究——以图情领域为例

作者合著关系的预测对于提高科研合作效率和有效的科研管理具有重要的意义。本文以中国知网中图书情报领域核心期刊作为信息来源,获取15年（2001-2015）的文献信息。通过计算指标方差和指标性质确定对合著关系预测的指标体系,同时对比基于单指标的无监督方法和基于分类算法的监督式机器学习方法（逻辑回归、支持向量机和随机森林）的预测效果,本文最终确定基于随机森林和指标体系所构造的合著关系预测模型。通过实例应用证明该模型具有较好的准确性和稳定性。     

基于贝叶斯与神经网混合算法的电商信用评价方法研究

【目的/意义】在海量的交易信息下，在线评价已经成为电商买家做出购买决定的重要参考，但不法商家针 对网络评价的造假手段也越来越隐蔽，因而针对网络信用评价的识别模型也必须相应地改进。【方法/过程】针对当 前大数据环境，本文主要完成了以下工作：（1）通过对相关文献的梳理和实际交易情况的分析，确定了诚信评价指 标；（2）构建了基于朴素贝叶斯与BP神经网络的二层混合模型（NB-BP）；（3）以大学生在线模拟电子商务交易行为 产生的实验数据为样本，对NB-BP进行了测试和验证。【结果/结论】实证检验结果表明，较单纯BP人工神经网络 和随机森林模型，NB-BP模型的标准均方误差较低，证明其预测准确率和稳定性上占优。     

广域子空间异常网络流量预测概率置信度优化

为了提高对网络异常流量监测模型的置信度和准确性,降低虚警概率,防止漏报。需要对异常网络流量预测概率置信度区间进行优化设计。提出一种基于预测流量数据主特征建模与广域子空间重构的异常网络流量预测算法,提高预测概率置信度。把主特征建模投影到广域子空间中,获取网络异常流量数量的对偶子梯度预测结果,其表现为一组尺度,分析网络预测流量的概率置信度的伸缩变化,选用极大似然法对网络流量的预测概率置信度进行特征建模,得到概率置信度区间。提高预测置信度和精度。实验结果表明,该算法能有效提高异常网络流量的预测精度,通过在广域子空间中特征建模,保证了预测的概率置信度,减少预测误差,性能优越。