于数据挖掘（算法）的二进制目标自动建模研究

从数据挖掘的算法入手,简单阐述了一些数据挖掘的建模方法优缺点,重点介绍了二进制目标的自动建模。二进制目标的自动建模能够综合自动化与多个模型相结合的好处,这往往产生比从任何一个模型更准确的预测。分析研究了二元分类器节点在进行自动建模和对比二元结果中的作用,并以某金融公司为例进行实证研究。     

基于成都温度季节性变化的分析与预测

基于成都2009年~2016年的平均温度的数据使用SAS对其进行乘法季节ARIMA建模,从模型的识别、参数估计、建模和预测等各方面介绍了模型建立和预测的过程,发现ARIMA(0,1,1)x(0,1,1)12模型能很好的拟合其平均温度的变化,并用该模型进行预测,结果表明平均温度逐年上升。     

基于O-U模型的天气衍生品定价研究——以气温期权为例

天气衍生品(Weather Derivatives)作为一项国外金融创新产品,为天气风险管理和转移提供了新途径,其中产品定价是该领域研究核心问题之一。本文以O-U模型为基础,采用时间序列建模方法,分析了上海1951～2010年气温的动态变化,对模型参数进行估计,并检验了模型预测精确度。研究结果表明:O-U模型与时间序列建模相结合方法能够提高气温变动预测精确度,进而借助蒙特卡罗模拟方法,可以完成对天气期权产品的合理定价。     

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。     

基于非线性增长模型的物流需求量预测

针对GM(1,1)模型的不足,引入非线性增长模型——Richards模型预测物流需求量,通过分析指出Richards模型不仅具有S形态特征,也具有非线性增长形态,根据模型性质,给出了Richards模型具体建模方法以及参数求解办法,基于不同实例应用结果显示,Richards模型预测精度明显高于GM(1,1)模型,更能准确的描述物流需求量的非线性增长趋势.     

人工神经网络模型在竞标项目的运用

探讨了人工神经网络模型,经过对模型的假设、建模、求解以及特点等一系列的研究分析,使人工神经网络模型更具有通俗性。运用人工网络模型帮助企业预测完成竞标项目的获利情况,具有简单易行等优点,应用前途广阔。     

基于最小化最大绝对预测误差的组合神经网络软测量建模方法

针对聚丙烯熔融指数软测量建模问题,提出了一种基于最小化最大绝对预测误差的组合神经网络软测量建模方法,并将该方法应用于聚丙烯熔融指数软测量研究中.通过建立多个不同结构的BP神经网络模型,并合理组合各个模型,可显著改善单一神经网络模型的泛化能力.鉴于合适的组合权重对取得良好预测性能是至关重要的,因此提出将最小化最大绝对预测...     

基于贝叶斯网络的软件可靠性的概述

软件可靠性模型的研究是软件产品可靠性评估研究的核心,是评估、预测和分析软件可靠性的重要工具。已有的这些模型在一定程度上描述了软件可靠性,但因假设条件过于苛刻或没能充分利用先验信息,限制了模型的普适性。贝叶斯网具有建模方法图形化,能够进行不完全数据推理及不确定性推理的特点,与传统的建模方法相比具有显著的先进性。以贝叶斯网在软件可靠性评估方面的应用为研究重点。     

基于极限学习机的分布式电力负荷预测

现代电力负荷数据以海量形式存在,传统单机模式无法满足电力负荷在线预测效果的要求。为了改善大规模电力负荷数据的预测效果,设计了基于极限学习机的分布式电力负荷预测模型。首先提取电力负荷数据,通过混沌理论的相空间重构方法对电力负荷数据进行预处理,产生电力负荷数据预测建模样本,然后将电力负荷数据预测建模样本细分成为多个子样本,通过云计算集群系统的分布式方式并行实现子样本建模,每一个小样本通过极限学习机进行建模和预测,最后采用具体电力负荷数据进行了仿真测试实例研究,测试结果表明,本文模型加快了大规模电力负荷数据建模速度,可以足电力负荷在线预测效果,而且电力负荷预测精度要明显优于当前其它电力负荷预测模型。     

共积序列方法和长短期模型的结合

本文主要是探讨一种新的预测方法,为长、短期预测的结合寻找一条简洁实用的途径。 1 问题的提出在各种预测方法中,时间序列分析方法无疑占有重要的地位。其主要优点是短期预测精度较高。但也存在不少缺点:建模所需的数据样本大;建模和检验工作比较复杂,而且,时间序列模型用于长期预测时,误差往往很大,这主要是由于模型阶次的限次,不能反映较长     

基于BP神经网络的黄河利津水文站天然年径流量的预测与分析

基于人工神经网络建模的思想对黄河利津水文站天然年径流量和三门峡水文站径流量的分析,建立了BP神经网络的黄河利津水文站天然年径流量预测的算法模型.并依据现有1974年～2004年间的数据对过去100多年间的黄河利津水文站天然年径流量进行了预测,结合实测数据或相关影响因素对预测结果的可靠性进行了分析.     

人工神经网络对时间增长序列预测能力分析

本文从人工神经网络的构成函数出发,分析了网络对某一类具有时间增长特性的过程或序列在学习和建模时存在的局限性和用神经网络模型对这一类系统进行预测时存在的固有误差问题;提出对具有时间增长特性的过程或序列进行预处理后再用神经网络建立系统的非线性模型,最后给出用不同方法对同一系统建模和预测的比较     

基于ARIMA模型的股票价格预测实证研究

<正>ARIMA模型常用来对时间序列做预测分析，而股票价格的预测一直是股民较为关注的问题，准确的预测股票价格有利于在变化莫测的金融市场上做出合理的决策。ARIMA模型通过对历史数据建模，拟合时间序列数据的变动规律，进而预测未来股票的变化。本文选择深信服科技2021年所有交易日的股票收盘价数据，用ARIMA模型拟合其变化规律，最后对短期内的深信服收盘价进行预测。     

一种基于GM(1,1)算法在矿产预测中应用

矿产资源在我国属于资源比较丰富,但是我国对于矿产资源的预测数据确是少之又少,其矿产的机理又比较复杂.针对这个情况,本文利用灰色GM(1,1)模型时间序列预测理论对矿产资源预测进行建模预测,分析了该预测模型在实地矿产预测中的实际应用,证明了方法的有效性.     

微分方程在成都市人口预测中的应用

本文以2000～2019年成都市统计年鉴户籍人口总数为依据,结合微分方程模型的相关知识,优先拟合出灰色预测模型,进而来准确预测成都市人口未来的变化,为成都市的规划发展提供数据支持。在建模完成及模型应用结束后,经过残差检验、后验查检验、误差分析和对预测结果的现实分析,结果显示此模型精确度较高,在对成都市未来人口走向的预测中取得了较好的效果。     

不排水条件下深基坑开挖变形对比分析

随时城市的快速发展,基坑工程受到人们越来越多的关注,其中如何预测基坑开挖对周围环境的影响显得最为突出。摩尔库仑模型和土体硬化模型是分析岩土工程问题的两种常用模型,均可以用于预测基坑开挖过程中周围土体的位移情况。通过建模分析与工程实测数据的对比,发现不排水条件下摩尔库仑模型和土体硬化模型[1]能在一定程度上反应基坑开挖阶段的土体变形情况,但并不是十分准确。在实际运用中,这两种模型的分析结果只能作为预测基坑整体变形的参考数据。     

基于时间序列的物流产业增值预测模型分析

根据1978-2009年的统计数据,首先将我国物流产业增值与我国GDP进行回归分析,然后将我国物流产业增值进行时间序列的四种方法的建模。通过以上五种模型的建立,以2010-2012年的统计数据作为检验数据验证预测效果,依据真实值与预测值的误差百分比进行最优模型的选取,最终选择ARMA(p,q)模型为最优模型,并用该模型对我国2013-2015年的物流产业增值进行定量预测。最终将预测结果结合定性分析进行修正,使预测值更具有现实意义。     

ARIMA模型在河南省GDP预测中的应用及SAS实现

本文介绍求和自回归移动平均模型ARIMA（p，d，q）的建模方法及SAS实现，将ARIMA模型应用于河南省历年GDP数据的分析与预测，得到较为满意的结果。     

铁矿石需求分析预测能力多模型比较研究——面板模型与灰色模型、协整模型、ARIMA模型

建立适用于中国和俄罗斯等人均铁矿石需求增长型国家的面板模型,利用面板模型对中国人均铁矿石消费量进行扩张预测,并按不同年份、不同建模期与灰色模型、协整模型、ARIMA模型的样本内、样本外平均扩张预测结果进行对比,说明面板模型的预测精度优于其他三个模型。面板模型与协整模型均能有效地分析因变量与各影响因素间的关系,一般的灰色模型和ARIMA模型无法达到这一目的。考虑模型对变量之间相关关系的刻画能力及预测精度两方面因素,认为四类模型分析铁矿石需求问题的能力排序为:面板模型协整模型灰色模型ARIMA模型,这一结果表明面板模型用于铁矿石需求分析具有优越性。     

基于改进序列生成下灰色模型的实证分析

文章通过对序列生成算子的改进来研究灰色模型,使用加权平均弱化缓冲算子（WAWBO）来弱化原始数据的随机性,利用离散函数满足光滑性这一条件判定序列建立GM（1,1）模型的可行性。选取沪市证券交易所的09九江债券为研究对象,对其收盘价格数据进行建模预测,并运用残差检验和关联度分析的方法作模型检验,结果表明运用改进序列生成的模型模拟精度较高,适合作短期预测。