一类指数型函数Riccati微分方程特解的存在条件及应用

对于一类系数为指数型函数的Riccati微分方程y’=P(x)y2+Q(x)y,+R(x),当P(x)、Q(x)和R(x)是指数型函数时,得到了此类方程特解存在的条件,并给出相关的应用.     

基于灰色模型和指数平滑的统计组合预测方法

指数平滑预测和离散灰色模型是两类不同特点的预测方法.考虑到单项预测方法的局限性,提出了利用指数平滑预测和离散灰色模型的统计组合预测方法;进一步利用相关系数这一相关性指标确定组合预测模型的权系数;最后通过一个应用实例分析了统计组合预测方法的预测精度,并说明了该方法的有效性和可行性.     

基于MATLAB的非线性曲线拟合方法及应用

本文选取了上海市的居民消费水平为自变量,全市财政收入为因变量,编程对因变量和自变量进行指数模型和二次模型的非线性拟合,分别得出y=0.0021e1.4737x和y=0.0973x+64.2873两个模型.又选取了上海市的居民消费水平为自变量,居民消费价格指数为因变量,编程对因变量和自变量进行Logistic函数和双曲线函数模型的非线性拟合,分别得出y=10.0028+0.2916e-x 和y= x0.0014x+5.8365两个模型的函数方程.运用MATLAB软件对因变量和自变量进行这些非线性曲线模型拟合,得出函数方程.     

一元线性结构关系EV模型的假设检验

给出了一元线性结构关系EV模型y=a+bx,Y=y+ε,X=x+u中关于线性关系y=a+bx的假设检验法则.     

组合模型在我国GDP预测中的应用

将组合预测法应用于我国GDP的预测,以提高预测精度.通过赋予合理权重,将指数平滑模型、拟合模型、ARIMA模型和支持向量回归模型加权组合.对各模型进行平均绝对百分误差(MAPE)、均方根误差(RESE)和希尔不等系数(TheilIC)等指标的比较,证明单一模型经过组合能够提高预测精度.     

人口总数预测的二次曲线模型

利用指数平滑法，结合本溪市1990～1999年人口总数的统计资料建立了本溪市人口总数预测的二次曲线模型，并利用此模型给出了未来几年内本溪市人口总数的预测值。     

基于BP-SVR组合模型的空气质量指数预测

建立有效的空气质量指数预测模型,可以为个人出行及相关部门治理大气污染提供指导。选取北京市的历史空气数据以及气象数据作为研究对象,建立基于BP（Back Propagation）神经网络和SVR（Support Vector Regression）支持向量机回归的BP-SVR组合预测模型。首先利用灰狼优化算法分别对BP模型和SVR模型参数进行寻优;然后运用该组合模型对空气质量指数进行预测。实验结果表明,BP-SVR模型的平均绝对百分误差、均方根误差、平均绝对误差均小于单一预测模型,分别为0.217 5、37.032 0、25.157 5。BP-SVR组合模型具有更高的预测精度,泛化能力更强,可以对空气质量指数进行有效预测。     

脂肪醇气相色谱保留值RI的QSRR的研究

根据分子拓扑理论 ,新建了两个结构信息拓扑指数1χy 和 χd∶1χy=∑ (δyi·δyj) -0 5,χd=D/ (2× (nc- 2 ) )。将这两个新建的结构信息拓扑指数用于脂肪醇定量结构———气相色谱保留值RI的相关性 (QSRR)研究 ,发现1χy 和 χd 与脂肪醇在 6个不同固定相上的色谱保留值RI有优良的线性关系 ,相关系数R均在 0 99以上。并用新QSRR模型预测了不在训练集的一些脂肪醇、酸在SE - 30相上的色谱保留值RI ,预测值与实验值非常吻合。研究结果表明 ,1χy 和 χd 能较好地反映化合物的结构特征 ,新QSRR模型物理意义明确 ,计算值与实验值接近的程度优于其他模型。     

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.     

桂林市游客数量预测的计量模型选择

游客数量的预测是旅游规划的前提工作,是旅游持续发展的重要因素.预测方法很多,该文选取桂林的月度游客数量数据,分别采用季节乘积模型、自回归模型和指数平滑法进行预测并对结果进行比较,预测结果表明季节乘积模型具有较高的预测精度,该模型在桂林市游客数量预测中应当是可行的.