一类加权几何平均组合预测模型及其应用

加权几何平均组合预测模型是一种常用的非线性组合预测方法.利用Theil系数建立了一类加权几何平均组合预测模型,给出了该组合预测模型的性质;讨论了加权几何平均组合预测模型非劣性组合预测模型、优性组合预测以及冗余预测方法的存在性;给出了冗余预测方法的判定.通过运用实例分析说明了基于Theil系数的加权几何平均组合的预测模型的有效性.     

GM(1,1)-ARMA(n,m)预测模型及应用

GM(1,1)模型是以灰色系统理论为基础的预测模型,而ARMA(n,m)是以时间序列为基础的预测模型.由于二模型各具其特点,并各有局限性.但二者能取长补短.文献[1]给出了混合模型GM(1,1)-ARMA(n,m),但在具体预测时由于运算量大,没有合适的计算机处理程序使之显得不方便.本文根据其原理,完善了计算方法,给出了预测公式.经过例子验证,结果是理想的.     

均生函数和偏最小二乘回归神经网络集成的股市建模研究

建立股市预测模型是一个具有挑战意义的工作。利用均生函数（Mean generation Function,MGF）方法对股市时间序列重构,再利用偏最小二乘法提取对股市影响的综合变量作为神经网络的输入因子。利用Boosting技术和不同的神经网络算法,生成神经网络集成个体,用＂误差绝对值和最小＂作为最优准则,采用线性规划方法计算得到组合预测模型的各权系数,以此建立股市组合预测模型。通过S＆P500指数开盘价进行实例分析,并与传统的时间序列分析和其他集成方法对比,该方法能获得更准确的预测结果。计算结果表明该方法能充分反映股票价格时间序列趋势,为金融时间序列预测提供一个有效建模方法。     

基于向量夹角余弦的IGOWLA算子组合预测模型

将向量夹角余弦和诱导广义有序加权对数平均(IGOWLA)算子相结合,构建了基于向量夹角余弦的IGOWLA算子的组合预测模型,并给出了优性组合预测的概念;最后,根据实例验证了该组合预测模型是科学的和有效的,且此模型是优性组合预测.     

组合预测模型在短期风电功率预测中的应用研究

为增强风功率预测的准确性,采用基于时间序列模型和支持向量机模型,并且利用最小方差法获得权重系数,构建组合预测模型对风功率进行预测. 仿真结果表明,该组合模型较单项预测模型具有更高的预测精度.     

灰色预测模型的研究及应用

在介绍灰色系统理论的基础上,讨论了灰色预测原理,以中国总人口为例,进行了灰色预测模型的建立和求解,提出了中国人口动态模型;以城市的年供电量为例,利用历史数据,并对电力系统各年的日最大负荷的预测建立了基于残差修正的灰色预测模型.该预测模型是一种基于残差CM预测法的改进灰色模型进行优化的组合方法,能够实现在线预测模型参数,最终的预测结果误差可基本控制在3%之内.经过实例计算,基于残差修正的灰色预测模型在对电力系统的日最大负荷进行预测时,与传统的系统理论方法相比较,该方法计算简捷,具有较高的预测精度,具有很好的实用性.     

基于Markov链的最优化预测模型及其应用研究

马尔可夫预测方法在预测领域有着广泛的应用．该方法应用的一个重要的问题就是如何估计一步状态转移概率矩阵．在历史资料没有给出系统处于n个状态次数的情况下，给出一步状态转移概率矩阵估计的最优化方法．最后探讨了基于Markov链的最优化预测模型在长江水质预测中的应用，从而表明该模型的有效性．     

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.     

季节变动时间序列的两种新预测模型

对于季节变动时间序列提出了一种新的乘法分解模型，它可表示成年度变动因子、季节变动因子、总平均值和随机变动因子的乘积．然后在此基础上给出渐进预测模型和乘法预测模型，最后进行了实例分析．     

基于遗传算法的天然气消费量预测研究

天然气消费量受众多因素影响,应用单一预测方法产生的预测值误差较大．提出了一种天然气消费量优化组合预测模型的构造方法,给出了优化组合预测模型提高预测精度的理论依据,并应用实数编码遗传算法对优化组合模型进行求解．实例计算结果分析表明,优化组合预测模型具有更高的预测精度．     

广义加权函数平均组合预测模型参数估计方法

提出一种新的组合预测模型--广义加权函数平均组合预测模型, 并利用二次规划算法给出其加权系数的2种不同的参数估计方法. 最后, 以预测实例说明了模型的有效性并对2种参数估计方法进行了比较, 得到一个对参数估计方法进行正确应用的有用结论.     

基于神经网络与支持向量机的组合预测模型——以房地产价格预测为例

预测问题一直是科学与管理领域研究的热点,备受广大科技工作者的关注。为了解决单一预测模型在预测问题上的缺点和误差控制问题,本文提出一种组合预测模型———以误差绝对值和达到最小为准则的线性组合预测模型。这种模型以误差绝对值和达到最小为依据,计算出每个单一模型在预测结果中所占的权重,建立组合预测模型。该组合预测模型较好的利用了神经网络与支持向量机在多影响因子下训练的优势,进一步提高预测精度。将其应用于合肥市房地产价格预测,可以达到理想效果。     

集装箱量预测的BP神经网络方法

介绍了BP神经网络的基本理论 ,建立了集装箱运量时间序列的BP神经网络预测模型。并将此模型应用于上海港集装箱运量的预测。结果表明 ,与传统的预测方法相比 ,该方法具有较好的非线性自适应能力和预测精度     

移动通信网络忙时话务量的混沌特性分析与加权一阶局域预测研究

话务量是一种受多重因素影响的动态非线性时间序列,采用传统的预测方法难以实现高精度的预测,为了提高预测精度,文章根据采集所得每日忙时话务量数据,分析其混沌特性和可预测性,并重构话务量时间系列的相空间,提出采用加权一阶局域预测方法来建立其预测模型,并进一步预测,仿真结果表明,该方法能够较好的拟合话务量的变化规律,具有较高的精度,为话务量的预测提供了一种有效的途径.     

基于灰色联系数的煤炭产量预测方法

运用灰色系统理论的动态建模方法,根据最近6年的时间序列数据,建立了全球煤炭产量的灰色预测模型,并用S队对预测结果进行分析和评价,结果表明,该方法有一定的实用性和科学性.     

多变量混沌时间序列局部多项式预测方法及应用

为了改善混沌时间序列的预测精度,提出了一种新的多变量混沌时间序列的局部多项式预测方法.它首先利用多变量时间序列的相空间重构理论重构相空间,并据此利用多项式函数构造预测模型,该模型根据嵌入维数构造数据矩阵,进行模型的参数估计和计算一步预测值,最后根据平均根统计量推断预测效果.Lorenz系统的模拟仿真和上海综合股价指数的局部预测结果表明:用多变量混沌时间序列局部多项式预测法进行预测的误差小,且比单变量混沌时间序列局部多项式预测法的预测精度高.     

改进的灰色GM(1,N)模型在经济中的预测与应用

论文就修正GM(1,N)预测模型的误差,提出了新方法.使用BP神经网络对预测模型的残差进行预测,得到的残差预测值对所建模型的预测值进行残差修正,以减少因子变量预测误差对行为变量预测的影响.实践表明这些改进模型可以有效地提高GM(1,N)模型的预测精度.     

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。     

一种智能预测方法在电梯群控系统交通分析中的应用

交通流预测是电梯群控系统的重要组成部分 .将基于神经网络的时间序列预测理论应用到电梯群控系统的交通分析中 ,构造了一种神经网络时间序列交通流预测模型 .仿真实验表明 ,这种交通流智能预测方法是有效的     

捕鱼策略优化SVR的城市需水量预测模型

为建立计算简洁,泛化能力强,预测精度高的支持向量机城市需水量预测模型,在预测因子极差归一化的基础上,设置了归一化因子收拢系数,以增强模型的泛化能力.采用全局收敛性好的捕鱼策略优化算法优化模型参数,并应用于对台州市12年的年需水量的拟合和预测,结果表明,捕鱼策略优化SVR的城市需水量预测模型具有较强的泛化能力和较高的预测...