个股曲线变化及其开盘价的回归一马尔科夫预测

股票价格及其走势预测是投资界普遍关注的话题。根据个股开盘价形成的时间序列分解成趋势变动序列和余项随机变动的马尔科夫链。其中趋势变动序列是从两个角度来分析,一是开盘价本身形成的曲线做拟合,得到了下一个时间点的开盘价拟合值y;二是根据股票各变量的历史数据来做相关性分析,除去相关性不大的变量,以开盘价为因变量建立了多元线性回归模型,得到了下一个时间点开盘价的预测值yi。根据yi、yi与真实值z的误差确定权值,将）,y与yi做线性组合,得到了趋势变动序列yi。记余项为xi,则xi=zi-yi。根据余项序列划分区间,作出随机变动的马尔科夫链,根据样本数据得到状态转移矩阵。于是得到股票价格=趋势变动＋余项随机变动范围,建立了回归-马尔科夫模型。本文选取了云南白药近三年的股票信息进行实例分析,得到了开盘价的预测值与实际开盘价的绝对误差为0．6735,误差百分比为1．18％,因此预测值与实际值非常接近,预测效果非常好。     

高临界温度超导材料的音乐声学规律

在新的化学元素周期表的基础上,从音律的角度,分析研究高临界温度的合金、铜氧化物、铁基等超导材料。发现在各类合金和化合物材料中,包含的极不协和音程关系越多,临界温度也越高。指出包含极不协和音程结构的材料处于不稳定平衡状态,对温度的变化敏感,因而具有较高的临界温度。     

基于MOOC数据的学习者辍课预测研究

文章以国防科学技术大学梦课平台选课人数最多的8门MOOC课程数据为基础,抽取了课程因素等三个维度、共计40余项学习数据开展辍课预测问题研究。首先,文章分析了各门课程中对预测辍课最有帮助的行为数据;其次,文章根据分析结果,选取11项行为数据训练多元线性回归和神经网络两种预测模型,实验结果表明针对不同课程建立不同的预测模型对学习者进行辍课预测的准确率平均达到90%以上。这一结果对预警学习者辍课从而实施教师干预,最终提高MOOC课程中完成课程的学习者比例带来帮助。     

数据驱动下消费者购买互联网理财产品意向预测方法

随着我国居民收入的不断提高及理财意识的不断增强,消费者对互联网理财需求越来越多,但目前关于消费者购买互联网理财产品影响因素以及购买意向预测的研究还很少。为了准确挖掘消费者购买理财产品的影响因素,并在此基础上对购买意向进行预测,首先依托消费者购买理财产品数据,运用主成分分析法挖掘其中潜在的、有价值的消费者信息;然后使用PCA对网络进行降维,将主成分模拟到BP神经网络中建立购买互联网理财产品预测模型;最后对预测进行实证分析。分析结果显示构造的PCA-BP神经网络预测模型训练样本结果准确率达83.61%,测试样本准确率达80.12%,具有较好的泛化能力和预测精度,可用于对消费者购买理财产品进行分析和预测。     

基于多媒体语料库的数据驱动学习模式研究

随着我国多媒体外语教学进程的不断推进和语料库语言学在中国的迅速发展,近年来,基于语料库的外语教学模式的理论探讨和实证研究也逐渐兴起.但是目前国内的研究大都是基于纯文本语料库进行索引分析来辅助外语教学,语料库技术和多媒体教学手段在理念上和应用中的结合都较为简单,其在外语教学中的优势也未能得到充分的体现.基于这种现状,我们将语料库技术和多媒体资源进行整合,提出了基于多媒体语料库的数据驱动学习模式.本文重点探讨该模式的现实和理论背景以及其具体的实现方式.     

基于大数据驱动的教育信息管理系统决策模型

数据驱动学校的提出加快了高校信息化建设的步伐,然而,在大数据背景下,数据质量带来的挑战阻碍了许多学校的信息化发展进程。本文在分析教育信息管理系统用途、特点及抑制因素的基础上,基于五阶段概念,提出了一种能帮助管理员进行高质量决策的模型。该模型丰富了大数据条件下教育信息管理系统的应用场景,奠定了教育决策的理论基础。     

基于数据驱动教学的师范生数据素养培育体系构建

大数据时代,学习者的思维方式和行为模式发生了根本改变,伴随而来的是学习者学习方式的变革。师范生面对的是人工智能与教育教学相结合的数据驱动教学环境,如何对海量的数据开展分析而做出精准教学决策和教学干预,是师范生职前学习和职后实践的重要任务。师范生数据素养水平直接关系到数据驱动教学的效果和质量,开展师范生数据素养教育刻不容缓。当前,我国对于师范生数据驱动教学的科学性和针对性引导明显不足。由于师范生身份的特殊性,其在技术视野、学科实践、科研诉求等多方面既迥异于中小学在职教师,又迥异于普通大学生。基于此,有必要从数据驱动教学的视角,依据师范生的“学”与“教”的两种诉求,对师范生数据素养的构成要素进行解释,构建系统化、隐性化和实践—反思—实践的培育体系,以提升我国师范生数据素养水平。     

基于数据驱动的工业过程故障诊断方法综述

随着监测系统在复杂工业过程控制领域的广泛应用,大量的过程数据得以保存与利用,基于数据驱动的工业过程故障诊断方法得到较快发展,大量研究成果不断涌现。在梳理数据驱动基本原理的基础上,探讨基于数据驱动的工业过程故障诊断技术,并进行研究展望。     

基于语料库的英语数据驱动学习

基于语料库的英语数据驱动学习是一个不断自我调控、自我分析、自我修正的自主性动态学习过程。它让学生带着问题在语料库所提供的直实语言例中发现学习的乐趣,内化学习动力,实现了学习者对英语知识的主动构建。     

模型数据的拟合

本文介绍了如何应用Matlab软件来拟合模型中的参数，以及把非线性模型转化成线性模型的技术。     

高职教育招生规模的关联因素分析研究

将高职教育招生规模作为灰色系统,通过灰色关联分析、多元线性逐步回归分析,对湖北高职教育招生规模的相关因素进行了定性和定量研究,得到高职教育招生规模发展的显著相关因素:高中段在校生数、普高在校生数、普高毕业生数。据此对湖北省"十二五"时期高职教育招生规模发展趋势进行了合理分析。     

基于PSO和多元线性回归的奥运会奖牌预测分析

针对传统奥运会成绩预测模型中存在的不足,提出一种将PSO和多元线性回归分析相结合的预测模型。分析多元线性回归和PSO算法后,结合体育比赛的特点,通过PSO优化迭代计算,确定奖牌统计模型中各回归系数,建立了奥运会参赛国成绩与回归系数之间复杂的非线性关系。利用Matlab对建立奖牌模型进行了验证,预测精度高。     

中国图书市场需求预测与走势分析

从定量研究的角度 ,建立了中国图书市场需求预测模型 ,对中国图书市场 2 0 0 2～ 2 0 0 4年的需求总量进行了预测 ,分析了国民生产总值、居民消费水平、价格和人口等宏观变量对图书市场的影响作用 ,总结出中国图书产业发展加速化、图书商品精品化、宣传创意化、结构系列化、价格稳中有升的发展趋势     

肺水肿与民族因素间的多元线性回归分析

基于多元线性回归分析的理论,通过建立数学模型,对肺水肿发病人数与民族因素之间的多元线性关系进行探讨。文章通过SPSS软件对青海海西州地区肺水肿发病例监测登记资料进行统计分析,建立了多元线性回归模型。最后,对所得到的回归方程进行显著性检验。     

基于因子分析法的烯烃气态标准生成焓预测

通过对烯烃分子结构及其气态标准生成焓实测数据的分析,建立了结构信息指数Pi（i=1,2,3,4）,Xi,Yu（i=1,2;j=2,3,…,n—1）,并计算了50种烯烃的信息指数．在此基础上利用SPSS软件对信息指标进行因子分析,计算出因子得分,将因子当作自变量给出多元回归方程,并对50种烯烃的气态标准生成焓进行预测,结果令人满意．     

基于因子分析法的链烷烃热力学性质预测

首次将因子分析方法应用于链烷烃热力学性质的预测．结果表明,所提取的主因子与链烷烃的气态标准生成焓-△fHm和气态标准生成吉布斯自由能（△fGm）具有显著的线性关系,以主因子回归预测的链烷烃的-△fHm和△fGm与实验值吻合度高,且易于用SPSS软件实现．     

基于多元线性回归分析的高等教育学费标准研究

通过分析我国高等教育的收费现状,运用灰色关联度法提取影响高等教育学费标准的主要因素,建立了它们与学费之间的多元线性回归关系模型,并给出了该模型在东部地区本科学校理科学费标准定价中的应用,分析和验证了模型的合理性与普适性．     

苏州电力需求的影响因素及电量预测研究

准确预测电力需求是电力行业发展的必要依据。论文研究了人均GDP、产业结构比例、人口数量、城市化率、城乡居民人均收入、居民家用电器拥有量、城乡居民人均住房使用面积、电力消费效率、气温变化对苏州电力需求的影响。然后通过逐步多元线性回归分析和相关检验,发现人均GDP、第二产业结构比例对电力需求的影响十分显著;最后根据统计数据的变化和苏州"十二五规划"的目标预测了未来5年的电力需求量。     

基于多元线性回归分析方法的物流流通水平研究

根据2013年全国31个省市的物流水平相关指标,分别以经营单位所在地分的进出口总额、按境内目的地和货源地分的商品进出口总额作为因变量对物流流通水平进行线性回归分析,得到了多元线性回归模型,由此找出了流通水平的影响因素,并有针对性地提出了对策建议。     

数据驱动的课堂观察活动多元分析与改进研究

线上线下相结合的课堂观察活动具有跨越时空、支持大规模协同等优势,已成为促进中小学教师专业发展的重要活动。但是,其在应用中存在突出问题,如难以从大量非结构化的多源反馈数据中及时发现教师集体共识信息,难以精确诊断与改进教学问题,难以实现教师同伴之间互助学习。为解决上述问题,该研究依据观察学习理论与学习分析技术,构建了包含课堂观察活动全过程数据采集、多元分析、可视化反馈报告、社会知识网络自动推荐、精准改进等要素的课堂观察多元分析与改进模型,并开发了支撑系统。研究结果表明该模型实现了对教师教学知识技能、观察参与行为与情感状态的及时诊断,能够推动课堂观察向数据驱动的科学决策与精准改进转变,实现观察者与被观察者的协同发展。