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.     

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.     

基于最优加权组合的电信客户流失预测模型设计研究

针对电信客户流失问题,本文设计了一种基于决策树C5.0、BP神经网络及SVM支持向量机三种分类器融合的组合预测模型,利用最优加权组合预测方法来确定各模型的权重值.预测结果表明:组合预测模型的准确率高于传统的单一分类预测模型,构建此模型对解决电信客户流失预测方面的问题具有应用价值.     

基于最优组合模型预测锚杆极限抗拔承载力的方法（英文）

针对改进指-幂混合模型和不等间距灰色GM(1,1)模型对锚杆极限抗拔承载力预测精度较差的问题,基于最优加权组合建模理论,以组合模型的最小对数误差平方和为目标函数求解最优加权系数,推导出最优加权几何平均组合预测模型,以提高锚杆极限抗拔承载力预测精度的置信度.选取2个典型锚杆拉拔工程实例(锚杆P-s曲线分别为缓变型和陡变型)用以验证各预测模型的精度和可靠度.计算结果表明:该组合预测模型不仅适合缓变型曲线,而且也适合陡变型曲线,其精度和可靠性均优于其他预测模型,预测精度等级划分为优秀,可作为锚杆抗拔承载力实测资料的一种有效分析模型.     

基于L_1范数IOWGA算子的大学生就业信心指数组合预测模型

大学生就业信心指数的预测可以在一定程度上了解大学生就业信心的变化趋势.因此,文章建立了基于L1范数的诱导有序加权几何平均(IOWGA)算子的组合预测模型及预测有效度评价指标体系,以山东省德州市某高校2000—2012年大学生就业信心指数数据,对大学生就业信心指数中的全局信心指数进行分析预测,并与采用GM(1,N)预测模型、单指数平滑预测模型和ARMAX预测模型分析结果从预测精度、预测模型有效性上进行比较.结果表明:基于L1范数的IOWGA算子组合预测模型比其他三种单项预测方法预测方法精度更高且为优性组合预测,本模型对大学生就业信心指数预测是可行的,可以用于对大学生就业信心的定量研究.     

基于L1范数IOWGA算子的大学生就业信心指数组合预测模型

大学生就业信心指数的预测可以在一定程度上了解大学生就业信心的变化趋势.因此,文章建立了基于L1范数的诱导有序加权几何平均（IOWGA）算子的组合预测模型及预测有效度评价指标体系,以山东省德州市某高校2000—2012年大学生就业信心指数数据,对大学生就业信心指数中的全局信心指数进行分析预测,并与采用GM（1,N）预测模型、单指数平滑预测模型和ARMAX预测模型分析结果从预测精度、预测模型有效性上进行比较.结果表明：基于L1范数的IOWGA算子组合预测模型比其他三种单项预测方法预测方法精度更高且为优性组合预测,本模型对大学生就业信心指数预测是可行的,可以用于对大学生就业信心的定量研究.     

基于IOWGA算子的江苏人均GDP的组合预测模型

选取1990—2009年江苏省人均GDP为样本数据,2010—2014年江苏省人均GDP作为验证数据,分别建立了ARIMA模型、指数平滑模型和多元回归模型对未来3年的江苏省人均GDP进行预测,然后在前3种单向预测方法基础上建立基于诱导有序加权几何平均(IOWGA)算子组合预测模型,再对此模型进行相应的效率评价.最后用组合预测模型对未来3年江苏省人均GDP进行预测.结果表明:相比于上述3种单项预测方法,基于IOWGA算子的组合预测模型的预测精度更高.预测结果表明2015—2017这3年,江苏人均GDP会继续增长,人民生活水平将继续提高.     

一类加权最小二乘模糊线性回归

讨论了输入、输出及回归系数都是LR-型模糊数的模糊线性回归模型参数估计的加权最小二乘法.该方法根据决策者对训练数据的置信度对观测数据设置不同的权重,从而得到能有效抵御异常值干扰的预测模型.     

组合预测的线性模型化研究

本文将组合预测确定加权系数的问题，变成求一个在线性约束条件下的线性模型的参数估计问题，从而提出了一种新的加权系数确定方法。     

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.     

基于累加两水平统计模型的年降雨量预测

为了有效地对不同地域的年降雨量进行预测,本文通过建立一个累加两水平统计模型,通过对数据间关系难以确定且非平稳的原始降雨量时间序列进行累加处理,给出模型的参数估计,然后通过模型给出预测值,同时将本文所提出的预测方法与其他常用方法进行比较,结果显示,该方法有较强的实用性。     

双参数指数分布母体的参数估计

对论双参数指数分布母体的参数估计，给出两种求参数置信区间的方法．     

小样本情况下试题Logistic IRT参数估计研究综述

回顾国内外有关小样本情况下估计试题的Logistic IRT参数的研究,可以总结出六种参数估计方法,分别是:修改IRT模型法、提供先验信息法、人工神经网络法、非参数估计法、经典测验理论标准化法以及使用数据增强技术。后续研究应加强对已有参数估计方法的改进,使用包括标准误在内的多种误差指标,在250人以内的样本水平上,采用模拟数据与真实数据相结合的模拟实验法开展更加严谨的模拟研究。     

极大似然估计及其应用

讨论了极大似然估计原理及求法,说明了极大似然估计在不同分布和参数空间的应用,阐述了生命表中在单风险非完整样本数据环境中表格生存模型的极大似然估计方法．     

Relative Performance of Categorical Diagonally Weighted Least Squares and Robust Maximum Likelihood Estimation

Robust maximum likelihood (ML) and categorical diagonally weighted least squares (cat-DWLS) estimation have both been proposed for use with categorized and nonnormally distributed data. This study compares results from the 2 methods in terms of parameter estimate and standard error bias, power, and Type I error control, with unadjusted ML and WLS estimation methods included for purposes of comparison. Conditions manipulated include model misspecification, level of asymmetry, level and categorization, sample size, and type and size of the model. Results indicate that cat-DWLS estimation method results in the least parameter estimate and standard error bias under the majority of conditions studied. Cat-DWLS parameter estimates and standard errors were generally the least affected by model misspecification of the estimation methods studied. Robust ML also performed well, yielding relatively unbiased parameter estimates and standard errors. However, both cat-DWLS and robust ML resulted in low power under conditions of high data asymmetry, small sample sizes, and mild model misspecification. For more optimal conditions, power for these estimators was adequate.     

The Impact of Moderate Priors For Bayesian Estimation and Testing of Item Factor Analysis Models When Maximum Likelihood is Unsuitable

In psychological research, available data are often insufficient to estimate item factor analysis (IFA) models using traditional estimation methods, such as maximum likelihood (ML) or limited information estimators. Bayesian estimation with common-sense, moderately informative priors can greatly improve efficiency of parameter estimates and stabilize estimation. There are a variety of methods available to evaluate model fit in a Bayesian framework; however, past work investigating Bayesian model fit assessment for IFA models has assumed flat priors, which have no advantage over ML in limited data settings. In this paper, we evaluated the impact of moderately informative priors on ability to detect model misfit for several candidate indices: posterior predictive checks based on the observed score distribution, leave-one-out cross-validation, and widely available information criterion (WAIC). We found that although Bayesian estimation with moderately informative priors is an excellent aid for estimating challenging IFA models, methods for testing model fit in these circumstances are inadequate.     

基于最优非负可变加权系数组合预测法的CPI预测研究

准确的物价预测是稳定物价的前提之一,及时根据预测结果制定有针对性的宏观经济措施,对维持经济系统的有效运行、保证居民的生活稳定有着重要的意义.文章分别采用回归预测法、ARMA时间序列预测法、VAR模型预测法和BP神经网络预测法四种单项预测方法和最优非负可变加权系数组合预测法对我国物价走势进行预测,并将预测值进行对比分析,得出最优非负可变加权系数组合预测方法能够综合各单项预测方法的信息,有效提高预测精度,该模型可以用作我国物价走势预测的模型的结论.     

电化学中的非线性回归法

对非线性参数模型的参数解析方法作了评述，并讨论了非线性回归模型的非线性性态的估计和获取优良的参数初始估计值，介绍了非线性回归在电化学中的一些应用。     

两种用于城市用水量预测的灰色-神经网络组合模型

为了提高灰色GM(1,1)模型在城市用水量预测中的精度,结合BP神经网络的优点,给出了两种灰色-神经网络组合模型GM-BP1和GM-BP2.模型1利用神经网络对GM(1,1)模型的误差序列进行回归训练,将得到的预测值作为原始误差的修正来减小误差;而模型2由部分数据建立了GM(1,1)模型组,通过神经网络训练得到部分数据GM(1,1)模型组与真实值之间的非线性映射关系,利用这种精准的映射关系来提高预测精度.最后实际算例表明了所给方法是有效的,该组合模型可用于城市用水量的中长期预测.     

城市生活垃圾产量的组合预测

引入一种新的预测垃圾产量的方法——组合预测方法,该法能够综合利用不同预测方法提供的信息提高预测精度。结合厦门市1996～2008年的垃圾产量,分析不同预测方法的预测精度,并预测5年后的垃圾产量。通过研究发现:单一预测模型中,线性回归法和年增长率法的预测结果偏小,误差较大,灰色理论GM(1,1)的预测结果偏大,误差较小,基本在10%以内;组合预测模型的预测精度高于单一预测模型;厦门市城市生活垃圾年平均增长率约为10%,低于国民生产总值和社会消费品零售总额年平均增长率,高于城镇居民消费性支出年平均增长率。