接收机钟差灰色马尔可夫预测模型研究

将灰色理论与马尔可夫链相结合,提出了基于灰色马尔可夫链的接收机钟差预测模型。首先根据灰色理论对钟差序列数据进行拟合以及初步预测,然后以拟合曲线为基础划分状态空间,通过马尔可夫状态转移概率矩阵对初步预测值进行修正。在预测过程中,不断引入最新数据并剔除最旧数据,对模型进行实时更新,以进一步提高预测精度。实例计算验证了该模型的有效性与可行性。     

商洛市旅游人数的时间序列预测模型

本文采用曲线趋势外推法处理商洛市旅游人数时间序列的波动性趋势,依据1999年至2008年商洛市旅游人数数据,建立商洛市旅游人数的时间序列预测模型,并将该模型与实际数据进行拟合和预测,结果表明该模型的显著性较高,与实际数据的拟合性较好,预测得到的数据与实际数据差距较小,可以实际用来预测未来旅游人数的基本趋势,为管理和市场决策提供参考.     

基于ARIMA模型的我国石油价格预测分析

石油价格波动较为复杂,不确定性影响因素较多。ARIMA模型是将预测对象随时间推移而形成的数据序列视为一个随机序列并加以描述,被广泛地应用于对高频金融时间序列建模,它能较好地把握此类时间序列的动态规律。在利用ARIMA模型对我国1997年以来大庆石油价格进行拟合,短期预测结果模拟值与实际值十分接近,预测效果良好。     

预测路基沉降的一种新模型

大量的工程实践表明，多级加载的施工方法使路基沉降曲线呈“台阶状”发展。结合相对时间坐标系的概念，提出了一种改进的指数预测模型及其分级预测方法，并对双曲线模型进行了推广。改进的模型比原模型少一个参数，更适合于荷载恒定期的沉降预测，特别是工后沉降预测。应用改进的模型对苏嘉杭高速公路近三年的工后沉降观测数据进行了拟合和预测，验证了拟合和短期预测的精度，并对两种模型的中长期预测值进行了比较。     

基于GARCH模型与灰色预测模型GM(1,1)的人民币汇率收益率分析

论文中对人民币汇率收益率序列分别建立了GARCH(1,1)模型和GM(1,1)模型.首先利用GARCH(1,1)模型刻画了收益率序列的波动性,接着通过预测模型GM(1,1)对收益率序列水平值进行预测.实证结果表明,人民币汇率收益率序列之间存在明显的波动性和长期的自相关性,预测模型GM(1,1)能够很好的拟合人民币汇率收益率序列,是一个可用的较好的预测模型.     

基于ARIMA模型的安徽省入境旅游人数预测

入境旅游预测是旅游统计学一个重要的研究方向。以1995—2010年安徽省旅游业中入境旅游人数为依托,运用SPSS软件提供的时间序列模块,建立差分自回归移动平均模型(ARIMA)对入境旅游人数进行预测,实证结果表明:该方法能够对入境旅游人数进行有效预测,在没有特殊影响因素下,模型拟合结果接近实际值。     

基于小波多分辨分析的中国工矿事故预测

基于小波多分辨分析的预测方法对1950—2004年的中国工矿工伤死亡人数时间序列进行分析建模,对2005年到2010年的工矿工伤死亡人数进行了预测。在建立模型过程中基于简便易行的AIC准则进行模型选择。分析表明预测模型拟合历史数据精度很高,预测结果为政府、企业认识事故规律以及为政府科学监管提供了一定的参考。     

基于GM(1,1)模型对房地产投资额的预测研究——来自四川省成都市的经验证据

针对房地产开发投资额样本数据少、受各种因素影响具有不确定性的特点,运用灰色理论中应用最为广泛的GM(1,1)模型,以2004年以来成都房地产开发投资额的年统计数据为样本,对成都2009年的房地产开发投资额进行拟合。实证分析过程中通过弱化缓冲序列算子的作用,调整了样本数据的增长速度,实证结果表明GM(1,1)模型在房地产开发投资额预测方面精度较好,能够用该GM(1,1)模型对成都未来的房地产开发投资额进行预测分析,为政府、投资者、消费者的决策提供参考意见。     

基于ARIMA模型的2009年山东省手足口病疫情分析及预测

对山东省2009年第13周至第35周(3月30日至8月30日)手足口病发病数作时间序列分析,应用 SPSS软件建立 ARIMA模型,并对预测效果进行评价.结果表明ARIMA (0,2,1)模型很好地拟合了既往时间段上的手足口病发病率序列,发病率的预测值符合实际发病率变动趋势.     

青少年刑事罪犯数量的灰色预测及启示

我国青少年犯罪一直是一个比较严峻的社会问题。为此以1997一2010年人民法院审理的青少年犯罪刑事案件数据为依据,并利用GM(1,1)模型和GM(1,1)残差模型对我国青少年罪犯数量的时间序列进行了拟合、分析与预测。结果表明,GM(1,1)残差模型的拟合程度较高,说明我国青少年犯罪的数量还在增加。由此提出需要整合家庭、学校、社会和政府的力量来预防和治理青少年的犯罪。