基于Elman神经网络的时间序列股票价格短期预测

Elman神经网络是一种典型的回归神经网络,比BP神经网络具有更强的计算和适应时变特性的能力,因而非常适用于预测股市这一类极其复杂的非线性动力学系统。文章给出一种基于Elman神经网络的股票市场建模、预测及决策方法,对浦发银行股价在时间序列上作了连续若干天的短期预测,实验结果取得较高的预测精度、较为稳定的预测效果和较快的收敛速度。这表明该预测模型对于个股价格的短期预测是可行和有效的。     

中国人口增长与人口结构的灰色预测模型

根据2001-2005年中国人口变化的一系列数据建立灰色模型,从人口增长和人口结构两方面对未来中国人口变化的中长期趋势作出预测.     

基于时间序列的疫情预测模型

以北京2003年SARS疫情统计为背景,对疫情时间序列进行分析和识别,建立了非线性时间序列模型来预测SARS病人变化数,通过仿真试验与实际对比验证,表明该预测方法是十分可靠的.     

混沌时间序列单变量和多变量重构的预测比较

提出了多变量混沌时间序列相空间延迟重构中延迟时间间隔和嵌入维数的选取方法,给出了多变量混沌时间序列的局部平均预测法,局部线性预测法和BP神经网络预测法等3种非线性预测方法．通过Lorenz系统的仿真计算表明,无论用3种非线性预测方法中的哪一种,多变量混沌时间序列要比单变量混沌时间序列的预测误差小得多,即使前的数据长度只有后的一半,前的预测误差也要小很多．另外从预测误差最小的角度验证了多变量混沌时间序列相空间延迟重构中延迟时间间隔和嵌入维数选取方法的有效性．     

基于混沌时间序列的模糊神经网络预测研究

为研究混沌时间序列预测问题,提出了一种结合模糊神经网络的预测方法,对输入数据进行模糊规则提取,再经过优化得到最佳模糊规则库。通过神经网络的自适应学习能力调整隶属函数参数及网络权值等信息,对相关混沌时间序列进行预测。对Mackey-Glass系统及Lorenz系统进行仿真实验,结果证明了该系统的有效性。     

水文预报的时间序列神经网络模型

时间序列分析在水文预报中起重要作用 ,其关键是要建立一个合适的预报模型 .文章提出基于 BP算法的单输出和多输出水文预报时间序列神经网络模型 ,克服了以往多种基于随机分析预报模型的缺点 ,不仅能实现快速灵活的信息处理 ,而且具有很强的非线性映射和自学习、自适应能力 ,这为更精确描述复杂非线性水文过程提供了可能 .通过对历史数据的学习 ,模型可对水文径流量时间序列进行预报 ,两个实例分析表明模型的可行性和有效性     

基于多注意力的多变量时间序列特征选择方法

特征选择是避免维度诅咒的一种数据预处理技术。在多变量时间序列预测中,为了同时找到与问题相关性最大的变量及其对应时延,提出一种基于多注意力的有监督特征选择方法。该方法利用带有注意力模块和学习模块的深度学习模型,将原始二维时间序列数据正交分割成两组一维数据,分别输入两个不同维度的注意力生成模块,得到特征维度和时间维度的注意权重。两个维度的注意力权值点积叠加作为全局注意力得分进行特征选择,作用于原始数据后输入随学习模块训练不断更新至收敛。实验结果表明,所提出的方法在特征数小于10时可达到全量数据训练效果,与现有几种基线方法相比实现了最佳准确率。     

可分离变量微分方程的人口总量预测模型

利用我国大陆1949~2010人口统计数据,对指数增长模型(马尔萨斯人口模型)和阻滞增长模型(Logistic模型)做出检验,并用它预测2011~2080年我国大陆人口.     

非线性时间序列的神经网络预测的研究

采用各种改进的BP算法及径向基神经网络来逼近非线性映射Xn 1=4Xn(1-xn)，揭示了人工神经网络有非常强的逼近非线性映射的能力。同时也分析对比了各种算法的性能，讨论了几种改善人工神经网络功能的途径。     

可分离变量微分方程的人口总量预测模型

利用我国大陆1949²010人口统计数据,对指数增长模型(马尔萨斯人口模型)和阻滞增长模型(Logistic模型)做出检验,并用它预测20112010人口统计数据,对指数增长模型(马尔萨斯人口模型)和阻滞增长模型(Logistic模型)做出检验,并用它预测2011²080年我国大陆人口.     

基于人工神经网络的研究生课程评价模型

在研究生网上课程评价系统收集的大量数据基础上,构建了一种基于人工神经网络的多指标课程评价模型,并将网上调查的结果以连接权的方式赋予该评价模型进行训练。通过实际评价数据的验证,该模型能够准确地按照实际评价的过程进行工作。     

劳动力有效人力资本构成对经济增长的影响--基于湖北省时间序列数据的分析

本文从有效人力资本的视角出发,利用湖北省1978~2010年经济与教育方面的时间序列数据,分析了各级教育对经济发展实际影响的差异特征。在ADF检验的基础上,采用协整检验、VEC模型以及方差分解技术对各级教育对经济增长的实际贡献和动态影响进行了描述与解读。研究发现：有效人力资本对湖北省经济增长发挥了有限的促进作用,其具体影响在不同层级的有效人力资本之间存在明显的差异。要更好地发挥有效人力资本对经济增长的促进作用,一是要促进有效人力资本的深度开发,二是要提升高水平人力资本的积累水平。     

基于模拟退火的神经网络预测模型

在分析了传统神经网络预测模型的基础上,提出用模拟退火算法代替局部梯度下降法修正网络权值,从而避免了人工神经网络容易陷入局部极小的缺陷。经实例证实,该方法能有效地提高预测的精度。     

中国人口增长预测模型

本文以Logistic人口阻滞增长模型为基础建立了我国人口增长的预测模型,对各年份全国人口总量增长的短、中、长期趋势作出了预测.从而为我国人口的控制与管理提供了一定的依据.     

基于改进的GM(1,1)模型在人口预测中的应用——以福建省为例

以灰色预测理论为基础,分别运用传统的和改进的GM（1,1）模型,对福建省未来人口进行预测,并提出了存在干涉因子的GM（1,1）模型的使用方法,改进的GM（1,1）模型具有较高的预测精度和可行性．     

基于新古典增长模型对中国二元经济的分析

在介绍新古典增长模型的基础上进行了一些必要的调整,使之能适应我国农业部门与现代部门的分析比较;对我国现阶段的投融资状况进行了考察,发现农业部门的实际投资率大大低于现代部门;然后,应用新古典增长模型进行分析,得出了结论:我国现阶段农业投资率低是导致二元经济现象难以缓解的一个重要原因,解决这一问题的途径在于增加农业投资。最后,对增加农业投资的问题谈了一些具体措施。     

安徽建省初期的人口规模研究

安徽建省初期正值清朝政府完成全国统一之后,社会趋于安定,政府轻税赋以鼓励农耕,自然灾害相对较少,为人口再生产提供了稳定的环境。此时期的安徽人口增长遵从指数规律。据此建立安徽1667～1748年的人口增长模型,推测安徽建省初期的人口数。1667年安徽建省时人口为1250万人,此后80余年间,人口增长率保持0．6668％左右。人口数无大幅度波动。安徽建省至1850年以前的180余年间,安徽省总人口占全国人口的比重保持在10％左右。     

基于时间序列分析的网络舆情扩散模型研究——以广西镉污染为例

随着社会信息化的飞速发展,网络逐渐成为网民发布消息和发表言论的重要途径,其对突发事件的介入和参与能力也越来越强。研究以2012年“广西镉污染”为例,利用时间序列法对突发性事件的信息传播速度进行分析,为政府实行网络舆情疏导提供数量模型方面的支持,并从网络管理的角度提出在突发事件中对信息传播的监管建议。     

基于空域相关的RBF神经网络混沌时间序列预测研究

与现有预测方法比较,神经网络在混沌时间序列预测中具有优势。利用RBF神经网络对混沌Lorenz时间序列的预测进行仿真研究,仿真结果表明：在单步直接预测、单步间接预测、多步直接预测和多步间接预测中,多步间接预测是其中最有效的方式。