基于PCA-BP神经网络的郑州市年用水量预测

城市用水量是城市给水系统规划的重要指标之一,对供水系统的调度、改进具有重要意义。通过收集郑州市年用水量数据,从四个方向对郑州市用水量影响因素进行灰色关联分析,并选择主要影响因素进行主成分分析后,作为BP神经网络模型的输入数据,从而建立了PCA-BP神经网络预测模型对郑州市年用水量进行预测,并与BP神经网络模型结果进行对比。结果表明,PCA-BP神经网络在用水量预测中精度比BP神经网络预测精度较高,具有可靠性和适用性。     

基于改进指数平滑算法的气温预测研究

本文主要研究了基于改进指数平滑算法的气温预测问题。首先引入时间序列模型概念,对常用气温预测模型进行简要分析,另外对一阶指数平滑算法进行相关推导,同时提出了自适应指数平滑算法;其次,结合广西容县近30年月均气温实测数据,分别建立BP神经网络预测模型、传统指数平滑算法预测模型以及改进后的基于自适应指数平滑算法的预测模型,对2016年气温数据进行预测并分析模型优势;最后,将改进模型用于预测2017年和2018年中未知月份的月平均气温值,并针对实验结果进行数据分析修正。通过对不同预测模型的比较和仿真实验,结果表明基于自适应指数平滑算法的气温预测模型预测精度较高,实用性强,具有一定的推广性。     

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。     

基于前馈型神经网络股价预测的一点改进

为减小预测误差,目前的方法是:选择对股价有显著影响的输入变量、调整网络结构及选择合适的参数、优化学习算法,这些方法都是以实际股价作为网络的预测。提出以相邻两天的股价差价作为网络的预测,在相同的数据上分别建立股价预测模型和股价的差价预测模型,并对它们的结果进行对比分析。结果表明差价预测模型的预测误差小、预测效果好。     

中国货币乘数的定量分析与预测

本文在对我国货币乘数及其变化规律进行定量分析的基础上,利用协整和小波变换建立了我国货币乘数的组合预测模型,最后根据１９８５年１月—１９９６年１２月我国的货币乘数的月度数据,对我国１９９７年第一、二季度货币乘数进行实证模拟和预测     

景气预测模型应用研究

将企业景气调查数据与传统统计数据相结合,综合利用这两类数据建立景气预测模型。首先分别建立景气预测的ARCH模型和GMDH自回归模型,然后构建了ARCH-GMDH组合预测模型。实证分析表明,与单一使用传统统计数据或企业景气调查数据建立的景气预测模型相比,综合利用两类数据建立的模型预测精度大大提高,从而为景气预测提供了一种新的思路。     

综合周期、均值回复和跳跃特性的BDI指数预测研究

BDI指数的预测对于航运市场经营管理具有重要地指导作用。本研究构建了基于周期、均值回复和跳跃特性的BDI指数O-U随机预测模型,主要创新点有：一是分析了BDI指数的周期、均值回复以及跳跃特性,将该三大特性纳入BDI指数随机预测模型,有效提升了BDI指数预测理论科学性。二是借助O-U随机过程,建立了基于周期、均值回复以及跳跃特性BDI指数预测模型,同时,利用Fourier级数函数估计周期参数,借助一阶自回归估计均值回复参数,以及Gamma分布和双指数分布来估计跳跃参数,解决了参数较多、估计难度较大的问题。三是采集2013年-2015年BDI指数日数据进行拟合,并借助蒙特卡罗方法对2016年上半年BDI指数开展了预测,结果表明本模型预测精确度较高。     

综合周期、均值回复和跳跃的BDI指数预测研究

BDI指数的预测对于航运市场经营管理具有重要的指导作用。本研究构建了基于周期、均值回复和跳跃特性的BDI指数O-U随机预测模型,主要创新点有:一是分析了BDI指数的周期、均值回复以及跳跃特性,将该三大特性纳入BDI指数随机预测模型,有效提升了BDI指数预测理论科学性。二是借助O-U随机过程,建立了基于周期、均值回复以及跳跃特性BDI指数预测模型,同时,利用Fourier级数函数估计周期参数,借助一阶自回归估计均值回复参数,以及Gamma分布和双指数分布来估计跳跃参数,解决了参数较多、估计难度较大的问题。三是采集2013年-2015年BDI指数日数据进行拟合,并借助蒙特卡罗方法对2016年上半年BDI指数开展了预测,结果表明本模型预测精确度较高。     

改进神经网络与小波分析结合的电力负荷预测方法研究及应用

本文充分考虑神经网络与小波分析的结合建立改进神经网络与小波分析结合的电力负荷预测模型,系统的不同输入数据通过不同的子模块预测,最终以预测结果初始化作为出口.输出的结果可以通过判断模块后再次作为负荷预测子系统的部分输入数据重复预测.实例结果表明该方法具有很高的预测精度和较强的适应能力.     

变权重组合预测法预测重庆市高考分数线

高考分数线是广大考生和家长关注的问题,准确预测高考分数线对填报志愿和决策分析都是必要的。本文采用变权重组合预测模型预测重庆市文科二批次高考分数线,该模型通过把单项预测模型进行组合分析,以误差平方和最小为准则,求出最优加权组合系数,建立组合预测模型。通过实例分析,表明其预测精度高于各单项模型预测值,在分数预测中有一定的应用价值。     

我国报纸发行量预测模型的研究

本文根据我国报纸发行量原始数据序列的特点,应用时间序列预测技术建立了报纸年邮发量预测模型。研究结果表明:用指数函数提取确定型趋势项,用自回归模型拟合随机型波动项而得到的组合式预测模型具有较高的精度,可以较好地描述我国报业发展的变化规律,适合于我国报纸发行系统的建模分析和预测决策。     

基于神经网络算法的钢水脱氧合金化元素收得率预测

首先对神经网络理论进行分析,建立了BP神经网络预测模型,利用MATLAB神经网络工具箱予以求解,求解结果显示预测效果不佳。经过改进算法后,利用小波优化BP神经网络,此优化后网络有较好的对波动数据的处理。小波神经网络结果显示预测准确率在80%以上。讨论构建神经网络算法,以C、Mn两种元素作为例子对其收得率进行预测,并尽可能提高这两种元素收得率的预测准确率。     

多模型组合预测技术在渭南地税中的应用

税收是国家发展的动力,民生提高的根本.通过建立合理模型,对相关经济变量进行了分析检验,进而提供未来税收的预测信息.基于渭南地税实际数据,通过建立一元回归、多元回归、曲线拟合、时序模型及神经网络的多预测模型,在分层单项模型基础上,定性定量相结合,建立组合预测模型,分配权重综合预测,克服了单一模型的局限性,进行了有效的实证研究.     

组合预测模型在宁波港口集装箱吞吐量的预测研究

选取2002-2010年宁波市港口集装箱吞吐量数据,分别建立灰色预测模型与三次指数平滑模型,在两种模型基础上进行加权组合,建立科学的组合预测模型,并对"十二五"规划期间2011-2015年宁波港集装箱吞吐量进行预测。分析结果表明:组合模型的高精度预测可以对今后一个时期宁波港口发展和改革的战略以及可持续发展的建港提供思路。     

基于灰色模型的建筑物基坑沉降预测的对比研究

在传统变形监测工作中,根据已观测数据作为初始值,建立预测模型,模拟监测体未来变形趋势成为变形监测工作重要研究方向。本文旨在研究利用灰色模型对已知观测数据要求较少的优势,在贵阳市基坑沉降项目中试验了3种灰色模型GM(1,1)、DGM(1,1)、NDGM(1,1)的模拟实验效果,分析了3种灰色预测模型预测精度及适用性,并且讨论监测体与周围环境因素的关联性,及其对预测结果的局限性。文中的一些实验结果对研究利用灰色理论建立灰色预测模型有着积极的意义。     

基于改进的灰色模型对国际航线客运量的预测技术

常规灰色模型主要适用于数据量少、波动幅度不太系统,短期预测时预测的精度较高。马尔科夫链适用于数据随机波动较大系统,可以对预测结果进行有效的修正。本文针对中国国际航线客运量(中国大陆出发)建立新陈代谢灰色马尔科夫预测模型,预测2014~2016年国际航线客运量,并将预测数据与实际数据进行比较,比较结果表明新陈代谢灰色马尔科夫预测模型比灰色模型和灰色马尔科夫链预测模型精准度更高,具有较强的实用性。     

基于灰色灾变预测模型的项目经济效益预警分析

项目投入后能否产生经济效益以及未来的时间里经济效益状况如何都是值得特别关注的问题。预测研究较之于一般的结果评价具有前瞻性,对项目投产后的经济效益进行预测评价具有重要的意义。从项目投产后每年产生的净现金流量入手,通过建立灰色灾变预测模型对项目投产后的经济效益进行预测分析,为项目经济效益预警分析提供了一个新的研究思路和方法。     

基于BP神经网络的黄河中下游人口预测研究

区域人口增长是一个高度非线性的系统问题,影响广泛,准确预测人口对政府制定经济和社会发展计划具有重要参考意义。BP网络能主动学习和存贮大量复杂的映射关系,而无需事前揭示描述这种映射关系的数学方程。采用BP神经网络建立预测模型,根据2001—2011年黄河中下游人口统计数据,通过Matlab软件作出预测,然后对预测结果进行拟合度分析,结果表明BP神经网络对人口数量的预测准确度极高。     

基于健康状态退化的设备可靠度预测模型

设备可靠度预测在设备的维修管理中扮演着重要的角色,有效的设备故障预测对降低设备维修费用、停机时间或运行风险都起到至关重要的作用。本文在分析设备状态数据的基础上,通过引入支持向量回归机,建立了基于退化数据的预测模型,并将该模型用于发动机可靠度的预测。     

基于变权缓冲算子的江苏省互联网用户数预测

互联网的发展问题是近年来信息经济学中的热点问题。针对互联网在我国发展的周期短、增长速度不稳定的特点,本文应用灰色系统中的变权缓冲算子来建立预测模型,建立了江苏省互联网用户数的预测模型,并对2008至2012年间江苏省互联网用户数的发展趋势进行预测分析。