基于改进的灰色GM（1,1）模型在电力负荷预测中的应用

针对已有GM（1,1）灰色预测模型在数据波动、突变、转折等不确定情况下预测精度较差的问题,本文提出一种通过对原始数据序列作开三次方运算生成新数据序列的方法,建立了改进的GM（1,1）模型,减小了原始数据的增长率,降低了发展系数。通过实例计算表明,该模型具有良好的适用性和预性精度。     

基于灰色马尔可夫模型的网络舆情预测研究

【目的/意义】网络舆情的发展是复杂非线性的变化过程,建立有效的数理模型对网络舆情发展趋势做出准 确的预测具有重要的意义。【方法/过程】首先选用网络舆情事件的百度指数构建发展趋势的时间序列指标,经过几 何平均弱化缓冲算子处理后建立改进的灰色Verhulst 模型预测,最后采用马尔可夫对改进的灰色Verhulst 模型预测 结果进行修正。【结果/结论】选取“罗一笑事件”进行案例分析,验证了本文提出的改进的灰色马尔可夫模型在网络 舆情预测中的有效性。     

对重庆市历年GDP的分析及预测

通过查阅1978年～2012年的《重庆统计年鉴》,得到重庆市1978年～2012年的GDP数据,运用Eviews7.0软件及时间序列分析方法对重庆市GDP的平稳性进行检验,根据时间序列模型的识别规则及ARIMA模型的建模方法,建立了ARIMA（1,2,0）模型,用该模型能描述重庆市GDP状况并作短期预测分析.     

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。     

非等间隔GM(1,1)模型在高耸建筑沉降监测中的应用

高耸建筑不均匀沉降变形直接影响建筑物的施工进度和安全性评价。以预测高耸建筑沉降变形量为目的,考虑到建筑物沉降监测非等时间隔的特点,以相邻观测时间间隔为权,直接生成1-WAGO序列,建立灰色系统非等间隔GM（1,1）模型,并将该模型应用于某大厦的沉降量预测分析中。由后验差检验结果、模拟预测分析说明,该模型所预测的沉降量结果正确可靠、精度高。     

中国低碳股票市场长记忆性研究

本文运用经典的R／S模型及其改进的模型即修正的R/S检验等两种较为常用的股票长记性检验方式对中国低碳证券市场的长记忆陛进行研究。并且选取十五支具有代表性的中小板低碳股票运用R／S模型及其改进的模型进行实际数据的检验。最终得出结论：该十五支低碳股票日收益率为随机波动序列,不具有显著长记忆特征。     

组合预测模型在我国快递量预测中的应用

快递量是我国经济结构至关重要的一部分,所以快递量的精确预测对我国经济结构的调整有重要的意义。本文利用1995年至2016年的相关数据,分别应用二次指数平滑模型、多项式曲线预测模型、建立ARIMA模型对数据进行预测和分析,再通过对这三种预测方法分别赋予不同的权重建立加权组合预测模型来改进预测误差,通过比较分析得出算子组合模型预测的精度更高,并运用该组合预测对2017年至2020年的快递量进行预测。     

灰色理论在日本落叶松生长预测中的应用

本研究运用GM（1,l）模型对辽宁省日本落叶松的生长进行了预测,并进行了模型精度检验,文中所建两个模型的小概率误差分别为0.141334和0.241318,方差比均为1,表明模型预测精度较高,预测效果较好,可为日本落叶松林生长量的预测和经营水平的提高,提供科学的理论依据。     

基于EVIEWS的短时交通流分析及预测

利用计量经济分析方法以及Eviews软件,对短时交通流序列进行了数字特征分析;通过对短时交通流样本序列进行单位根检验,和1次差分后的残差分析AC和PAC系数,建立短时交通流ARIMA（1,1,1）预测模型,对模型进行检验,发现模型的拟合效果较好,为短时交通流预测提供了一条新的途径。     

我国石油需求的多元线性回归预测模型研究

通过关联度系数的分析选择模型的自变量,各变量序列的单位根检验表明序列非平稳,为消除可能的虚假回归,利用协整关系来建立多元线性回归模型。对模型进行逐步完善并进行系数、残差和稳定性检验。通过对预测精度的评价,表明所建立的模型有较好的预测效果,并对我国2006年—2020年的石油需求进行了预测。     

西藏地区GDP发展的趋势性研究——基于ARMA模型的预测分析

基于经济高质量发展的理论分析框架,以西藏地区1978—2018年的GDP时间序列数据为研究对象,对未来十年西藏地区的GDP发展情况进行研究。首先,对GDP序列作取对数和一阶差分处理,得到相关性极强的平稳时间序列数据;其次,采用ARMA模型对处理后的序列进行拟合,并根据拟合优度、DW检验、AIC准则和SBC准则选取相对最优模型;最后,从样本序列的正态性检验和残差序列的正态性检验与白噪声检验证明了估计结果的稳健性,并采用建立的ARIMA(4,1,2)模型预测西藏未来十年GDP的发展趋势,为政府作出经济发展方面的规划提供理论支撑和依据。     

基于ARMA模型的安徽省农村居民收入趋势预测

基于1978~2012年安徽省农村居民年人均纯收入的时间序列,利用Eviews软件对时间序列先后进行平稳性检验、自相关和偏相关分析,并建立ARMA(1,1)模型;然后确定模型参数并对模型的随机误差项进行白噪声检验,检验通过,满足预测的要求;运用该模型对人均纯收入进行预测,结果显示平均绝对误差率较低;利用模型进行农村居民纯收入进行短期预测,数据表明,安徽省农村居民纯收入将保持持续稳定增长的态势增长;最后针对增加农村居民收入与缩小城乡居民收入差距等问题提出了可行性的建议。     

经验模态分解与均生函数-最优子集耦合模型在年径流预测中的应用

针对径流时间序列的非平稳特性及中长期预测精度低的问题,本文提出一种新的耦合预测方法：基于EMD分解的均生函数-最优子集回归（Mean Generating Function-Optimum Subset Regression,MGF-OSR）模型。首先利用经验模态分解（Empirical Mode Decomposition,EMD）方法对汾河上游上静游、汾河水库、寨上和兰村4座水文站的年径流序列进行平稳化处理,分别得到若干个固有模态函数（Intrinsic Mode Function,IMF）。对各阶固有模态函数分别建立MGF-OSR模型并进行预测,趋势项用直线拟合的方法进行预测,然后通过重构各预测值得到汾河上游4座水文站年径流量的预测结果,并与单独运用MGF-OSR模型的预测结果进行比较。结果表明,运用基于EMD分解的MGF-OSR模型对汾河上游4站年径流进行预测,准确率均为100%,确定性系数在0.975以上;而单一模型的预测准确率均为40%,确定性系数在0.732以下,耦合模型预测精度明显提高。     

基于多尺度分析理论的中国股票市场波动的实证研究

运用多尺度分析理论研究中国股票市场的波动,借助MATLAB 7.3软件的小波分析工具箱（wavelet toolbox）和广义自回归条件异方差模型工具箱（GARCH toolbox）,对上证综合指数收益率序列进行时域分析和多尺度分析,结果表明多尺度分析更能捕捉到中国股市的波动特点,明显提高GARCH模型的仿真预测精度。     

基于ARIMA模型的湖北省城镇居民人均可支配收入预测

为了研究湖北省城镇居民人均可支配收入的情况,选取湖北省2000-2015年16年的数据,采用基于R软件的时间序列分析方法对这部分数据进行检验和分析。预测之前首先对非平稳的原始数据进行对数化处理,再作二阶差分得到平稳序列,之后建立ARIMA模型(差分自回归移动平均模型),然后利用已经通过检验的模型对2016-2025年这10年数据进行预测。从预测结果看出,2016-2025年未来10年湖北省城镇居民人均可支配收入依然呈现明显上涨趋势。最后给出政策性建议和总结,这对湖北省的经济发展有着很重要的使用价值。     

关于有界线性算子的基的探究

在有限维复Banach空间上,通过对一类特殊的线性算子的研究,我们找到了B（X,X）的一组特殊的生成元（其中B（X,X）表示有限维复Banach空间X上的有界线性算子构成的赋泛线性空间）。     

反向累加生成及灰色GOVM模型

灰色生成是建立灰色系统模型的基础。相对于传统的正向累加生成,本文应用反向累加生成对原始序列进行预处理,并在此基础上建立灰色Verhulst模型的改进模型-灰色GOVM模型。数据模拟结果表明,改进模型能够提高拟合精度。     

基于机器学习的短期电力负荷预测方法比较及改进研究

针对电力系统对短期电力负荷预测精确性的需求，以长短期记忆算法为基础，采用差分自适应进化算法对其进一步改进，从而提出一种基于机器学习的混合算法（SaDE-LSTM）对电力负荷进行短期预测。基于我国2004—2018年间月度社会用电负荷数据，对改进后的混合算法进行性能测试，首先利用差分进化算法的自适应变异和交叉因子来优化长短期记忆算法的初始参数，在此基础上，运用寻优得到的参数训练长短期记忆算法从而得到优化后的预测结果。为证明其优越性，对同组数据采用支持向量机（SVM）、反向传播神经网络、自回归积分滑动平均等算法分别预测。各方法预测结果和真实结果对比分析证明，SaDE-LSTM算法对时间序列数据量要求较低，同时相比其他传统算法有更高的预测精度。该改进算法能够为参与电力系统调度的虚拟电厂、负荷聚合商等对小样本和高精度预测有需求的主体提供参考。     

基于灰色系统理论的专利授权数预测研究——以辽宁省为例

[目的/意义]旨在准确、合理地对专利授权数进行预测.[方法/过程]运用灰色系统理论,对待选因素进行灰关联度计算,选择关联度较高因素的统计数据,形成被比较序列,再结合参考序列建立GM(1,N)模型,对专利授权数进行预测和误差检验.[结果/结论]通过与常规GM(1,N)模型对比,建立的GM(1,6)模型的预测准确度优于前者...     

利用神经网络确定ARMA模型的结构

本文以时间序列的ＳＡＣＦ和ＳＰＡＣＦ作为输入,ＡＲＭＡ（ｐ,ｑ）模型的类别作为输出来建立神经网络,并利用计算机生成的时间序列的ＳＡＣＦ和ＳＰＡＣＦ对网络进行训练。最后用该网络为多个实际的时间序列都找到了最佳的模型结构