基于ARIMA模型的股票行情预测

基于ARIMA金融时间序列理论对样本数据进行了ARIMA模型识别、参数估计和模型检验,建立了ARIMA预测模型,并用建立的模型进行了短期预测和误差分析。模型检验结果显著,预测精度理想。由此论证了用时间序列ARIMA模型来预测股票行情是可行的,亦为证券投资分析提供了一个重要的工具。     

精度矩阵置信区间在高维网络数据中的研究

随着互联网与科学技术的发展, 大数据以前所未有的规模激增, 不同个体之间形成了错综复杂的网络数据。图模型精度(逆协方差)矩阵的置信区间对恢复网络间联系起到了非常重要的作用。如何快速得到精度矩阵的置信区间是一个亟待解决的问题。提出De-ISEE(De-innovated scalable efficient estimation)统计量,基于其构造的置信区间在保持较大理想覆盖率的同时,计算效率也得到了较大的提升。仿真实验充分展示了该方法在网络数据中覆盖率和计算方面的优势。将De-ISEE方法应用到核黄素数据以及基因表达数据,发现De-ISEE方法可作为研究基因联系的一个重要工具。     

基于Bass模型的移动电话用户数扩散研究

扩散理论是传播理论的一个分支,产品扩散模型就是应用扩散理论来描述和预测社会系统中的创新扩散而建立的一系列数学分析模型。以Bass模型为理论基础,以历年移动电话用户数为数据基础,对移动电话用户数的扩散过程进行了参数估计,同时建立了移动电话用户数的扩散模型,并对移动电话用户数的扩散过程进行了预测和展望,从而为我国第三代移动通信标准3G的顺利扩散提供理论和实证支持。     

船舶交通流量预测的灰色神经网络模型

为降低船舶交通流量的预测误差,提高预测精度,在分析传统的灰色模型和反向传播(BackPropagation,BP)神经网络模型优缺点的基础上,构建灰色神经网络模型预测船舶交通流量.以实际测量值作为初始数据构建不同的灰色模型,各种灰色模型的预测值作为神经网络的输入值,得到最佳预测模型.实例分析表明:灰色神经网络模型可提高预测精度,预测结果比较理想,优于单一预测模型;该模型具有所需初始数据少和非线性拟合能力强的特点,用于船舶交通流量预测是可行和有效的.     

模逆矩阵的求法及其应用

研究了模逆矩阵的存在条件和性质,给出求模逆矩阵的两种方法,通过例题说明求模逆矩阵与传统求逆矩阵的不同之处,最后给出了模逆矩阵在模算术密码系统中的应用和在求解素数模的多元未知数线性同余式组中的应用。     

基于改进灰色模型的中长期电力负荷预测

在中长期负荷预测中,由于电力负荷具有突变性,常规GM(1,1)模型不能及时反映负荷的突然变化,对于发生转折的数据预测精度不高,在实际应用中具有一定的局限性.通过对负荷原始数据序列的预处理及优化,利用等维新息递推GM(1,1)模型进行预测,保证了预测能够较为充分地利用新信息,并加入了残差模型,通过实例分析表明,改进后的模型比常规GM(1,1)模型提高了预测的精度.     

基于带时间幂次项的灰色马尔可夫模型的中国能源强度预测研究

能源强度是衡量一国或地区能源利用效率的重要指标,掌握其变动趋势有利于准确把握经济结构和经济发展方式的变化,对其预测往往带有样本少、数据非线性非平稳波动的现实问题特征。针对传统灰色模型存在的适用范围有限、预测精度不高等局限性,为提升灰色模型的预测精度,在带时间幂次项的灰色GM(1,1,tα)模型预测基础上,运用马尔可夫链方法对预测结果进行修正处理,提出了带时间幂次项的灰色马尔可夫预测模型及相应的实现算法。该模型兼具灰色预测和马尔可夫预测的优点,将之应用于中国能源强度的短期年度预测。实例验证表明,其预测精度表现要优于单一灰色模型和灰色马尔可夫模型,能更好地拟合中国能源强度的变化趋势,这证实了所构建模型的有效性和可行性。     

工程控制中求逆阵的一种简便算法

本文讨论了一种新的矩阵求逆方法。本方法的特点是物理意义明确。由此在某些工程中可以大大减少运算量,从而提高运算速度和精度。     

基于PSO的BP神经网络-Markov船舶交通流量预测模型

为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥船舶交通流量的月度数据,结果表明:与BP神经网络的预测精度82.439 0%相比,基于PSO的BP神经网络-Markov预测模型的预测精度提高到91.050 8%,该模型的合理性和准确性得到验证。     

GM(1,1)背景值重构模型在体育中的应用研究

由对GM（1，1）模型计算步骤的探讨，找出影响该模型预测精度的原因，通过改变其背景值的构造方法，提高了GM（1，1）模型的预测精度。并通过对NBA球员的平均工资预测，证明了此种方法在体育领域高增长指数序列建模过程中，有着比传统的GM（1．1）模型更好的实用价值。     

基于非参数模型的气体浓度的逆向预测

气体传感器阵列是一种重要且强大的检测气体和测量浓度的技术。传统的描述传感器响应与气体浓度之间关系的策略是使用一些特定的非线性参数模型。本文使用非参数模型描述传感器响应随气体浓度的变化,有效避免了模型的错误假定。提出一种基于非参数模型逆向预测气体浓度的方法。还提出通过数据驱动选择可调参数的方法。数值模拟结果表明,当传感器阵列的实际模型未知或模型假定错误时,非线性参数模型的性能劣于非参数模型,实际数据分析也验证了这一点。     

任意初等行列混合变换求解线性方程组

提出一种任意施行初等行列混合变换求解线性方程组的新方法,分两种情形：1．系数矩阵为可逆矩阵;2．系数矩阵为一般m×n矩阵,两种方法都简便易行。     

上证综合指数的统计分析与预测

对上证综合指数进行了时间序列分解的实证研究,并在此基础上建立ARIMA模型对其进行拟合预测,取得了一定的效果     

十项全能运动员成绩多因素非均衡性预测模型的研究

以九运会和世锦赛男子十项全能比赛资料为依据，运用多元回归预测理论，建立十项全能多元回归预测模型。所建立的y模型预测值准确性高，具有一定的实用性和科学性，该模型不仅适用于我国十项全能运动员成绩预测，而且还对外国十项全能运动员适用。     

国际集装箱内陆段运输链选择行为异质性建模

托运人的异质性对其货运方式选择行为具有重要影响,忽略异质性问题将会导致预测错误.在分析现有异质性处理方法优缺点的基础上,指出随机参数Logit模型能更好地处理该问题.建立考虑异质性的国际集装箱内陆段运输链选择行为模型,阐述采用极大模拟似然法估计参数的步骤,对随机参数的分布形式和抽样方式进行讨论.以浙江义乌市为例进行实证分析,结果表明,内陆运输总时间对义乌不同国际集装箱托运人的效用呈现出对数正态分布的规律,考虑异质性所建立的模型拟合度更好,且具有更好的解释能力.     

基于优化灰色马尔科夫动态模型的上海港集装箱吞吐量预测

为更准确地预测港口集装箱吞吐量,以灰色马尔科夫模型为基础,建立一种优化的灰色马尔科夫动态模型。根据上海港集装箱吞吐量历史数据建立GM(1,1)预测模型。引入无偏灰色预测理论对GM(1,1)预测模型进行优化。构造等维信息模型,及时更新预测使用的数据以形成动态预测。利用马尔科夫理论对优化后的GM(1,1)预测残差值进行修正,得出上海港集装箱吞吐量的预测值。研究结果表明,与传统灰色马尔科夫模型相比,优化的灰色马尔科夫动态模型预测精度提高了37.03%,预测值拟合曲线更加贴近实际值曲线,预测结果有更高的可信度,为上海港集装箱吞吐量预测提供了一种新的方法。     

自由式滑雪空中技巧赛道风速风向超短期预测与分析

旨在实现对赛道上风速风向的超短期预测,为自由式滑雪空中技巧提供实用有效的风速风向预报信息,为运动员稳定性控制与技术训练提供辅助支持。针对赛道风具有非平稳、波动剧烈的特点,采用离散小波变换提取风速风向序列的特征分量,对低频近似分量建立非线性自回归(NAR)神经网络模型,高频细节分量建立差分自回归移动平均(ARIMA)模型,再将各分量结果组合相加得到最终预测结果。误差分析表明组合模型能有效改善单一模型的预测滞后性,预测精度高同时具备预测风速风向突变的能力。对预测结果进一步分析,将其转换为表征赛道风稳定性的指标,来为运动员提供更直观的预报信息。最后对模型计算用时分析表明该方法能够满足实际应用的需求。     

一个新的大样本ENSO集合预报系统的发展与检验

详细介绍了一个新的大样本集合预报系统. 为了减小ENSO(厄尔尼诺-南方涛动)预报中的预报不确定性,该集合预报系统首先基于一个中等复杂程度的耦合模式,利用集合卡尔曼滤波资料同化方法同化有效的海洋观测资料为集合预报系统提供集合初始场;同时,一个发展的用于12个月预报的一阶线性马尔可夫(Markov)随机误差模式被嵌套到集合预报系统中来模拟模式不确定性. 基于1992年11月~2008年10月100个样本的集合回报试验,从确定性预报技巧和概率预报技巧2个方面对集合预报系统的预报水平进行了检验. 该集合预报方法能够很有效地将传统的确定性预报扩展到概率预报领域,且检验结果表明,预报样本均值的预报水平要优于单一的确定性预报. 对于概率预报而言,集合预报样本能够很好地跟随观测的变化,并且能够提供单纯确定性预报所不能够提供的额外信息.