基于时间序列ARIMA与BP神经网络的组合预测模型

文章将时间序列ARIMA模型和BP神经网络算法相结合,设计一种组合预测模型,并将其应用于实际预测中,通过实际预测检验了组合预测模型在实际预测中的有效性.研究发现,组合预测模型在预测精度方面总体上优于这两个单项预测模型,因此这种组合预测模型具有良好的预测效能.     

组合预测模型预测精度的贴近度评价法

一组单项预测模型在不同的准则下,建立的组合预测模型一般是不同的.为了比较这些组合预测模型的预测精度,文章引入了组合预测模型点预测精度的数量指标,从而得到了组合预测模型的点预测精度向量.根据这些点预测精度利用算术平均最小贴近度,给出了组合预测模型预测精度的评价.实例分析结果表明:该评价方法客观准确,可操作性强.     

模糊变权组合预测方法研究

在不确定环境组合预测中,用模糊权重系数更能体现各单项预测方法的客观表现.文章提出一种新的权重系数为三角模糊数的组合预测方法.首先建立以组合预测精确度指数最小为准则的模糊加权组合预测模型,为了避免样本数据中极端值对模型的影响,对模型进行改进,提出带有0-1变量的模糊加权组合预测模型.进一步考虑到单项预测方法在不同时刻的表现有所差异,建立基于诱导有序模糊加权平均(IOFWA)算子的模糊变权组合预测模型,该模型不仅能克服极端值的影响,而且具有更高的预测精确度.并实证验证了该方法的适用性和灵活性.     

组合预测在粮食产量预测中的应用

一、组合预测赋权简评 所谓组合预测,即是将若干各预测方法赋予不同的权重,从而形成综合的组合预测模型.     

基于分片逆回归的小样本组合预测建模方法

针对在基于回归的小样本组合预测中,容易出现预测模型多于用于组合预测的样本数量,导致回归系数无法估计的问题,文章从信息重组的角度对组合预测建模方法进行了研究.首先采用三次样本插值对原始样本容量进行扩充,然后采用采用分片逆回归方法对扩充后的样本进行降维处理,并在此基础上构建基于回归的小样本组合预测模型.最后实例通过与常用组合预测方法结果的比较说明了该方法的可行性和有效性.     

论最优加权组合预测思想在证券投资决策中的应用

一、引言自Bates和Grange1969年在运筹学季刊上发表论文《组合预测》以后,国内外对组合预测的研究日趋活跃,已有不少方法和应用成果。通常组会预测模型是用多个预测方法对同一预测对象进行预测的加权组合。而各个预测模型的权重合成方法已有十几种。本文主要利用最小二乘、最小一乘及极小极大化准则下组合预测模型,讨论组合证券投资决策模型。二、最优加权组合预测模型对于一个实际预测问题,设yi,yZ…,人为n期实际数据,欲利用这n期数据对未来的n＋1期数据八十;进行预测,设为对于上述预测问题的N种不同预测模型的预测值,误差为：…     

基于预测包容的组合预测单项模型遴选算法

对预测模型的合理选择是搞好预测的核心.文章针对面向组合预测的单项模型遴选问题,引入预测包容理论,提出了基于预测包容的组合预测单项模型遴选算法.     

最优组合预测方法评析

组合预测,即是将若干种预测方法赋予不同的权重,从而形成综合的组合预测模型.自Bates.J.M.和Granger.C.W.J.首次提出组合预测方法以来,组合预测已经取得了很大发展.理论研究和实际应用表明,组合预测模型比单个预测模型具有更高的预测精度,能增强预测的稳定性,具有较高的适应未来预测环境变化的能力.因而引起了众多学者浓厚的研究兴趣.     

几种组合预测方法对股票市场的预测效果研究

为了研究几种组合预测方法的预测效果,文章首先利用GM(1,1)、BP神经网络、支持向量机(SVM)三种单一预测方法对2008年的上证工业股指数、上证商业股指数、上证地产股指数、上证公共事业股指数作了预测,然后分别利用最优权重线性组合预测模型、基于SVM和基于BP神经网络的非线性组合预测模型对上述股指作了预测.通过对各种预测方法的预测效果进行对比分析,发现:在进行组合预测时,选择其中预测效果最好的一种方法作为二次组合预测的模型可以大大提高组合预测的效果.     

基于组合预测的商品销售量预测方法

文章结合商品销售量的实际应用背景,在探讨单一预测模型建模原理的基础上,提出了能有效克服单一预测模型预测精度不高这一缺点的商品销售量组合预测模型,并推导出组合预测模型权重确定公式。文章还基于商品销量组合预测模型实证分析了组合预测模型在商品销售预测过程中能有效提高预测精度,且操作简便可行。     

经济预测中组合预测法的应用──关于单项预测模型的选取问题

组合预测法是指通过建立一个组合预测模型，把多种预测方法所得到的预测结果进行综合，以得到一个较窄的预测值取值范围供系统分析或决策用。由于组合预测模型能够较大限度地利用各种预测样本信息，比单个预测模型考虑问题更系统、更全面，因而能够有效地减少单个预测模型...     

基于灰色关联分析统计组合预测精度评价

灰色关联分析目的是寻求系统各因素之间的重要关系,而灰色关联度是灰色关联分析的基础,其算法基本思想是根据行为序列曲线几何形状的相似性来确定序列之间联系的紧密性.文章尝试将这一基本思想应用于同样单项预测模型所构成的不同组合预测模型预测精度的评价.通过构建组合预测方法预测精度评价指标体系,利用灰色关联分析方法给出了组合预测模型预测精度的评价.最后通过应用实例进行了分析,结果表明:该评价方法客观准确,可操作性强.     

组合预测及其应用研究

组合预测及其应用研究浙江财经学院徐大江一、简述各预测方法性能的优劣是有条件的，为了有效地使预测具有对未来变化较高的适应性，即提高预测精度，增加预测的稳健性，可将若干种预测方法组合成一个预测模型，这就是组合预测。组合预测模型是两个或两个以上观测方法对同...     

基于PSO-SVR的粮食产量预测模型

在粮食产量预测中,存在历史样本量较小和非线性强的特点,从而致使预测精度较低.文章将支持向量机回归(SVR)与粒子群优化算法(PSO)相结合,提出了适用于小样本量学习的PSO-SVR粮食产量预测模型.实例结果表明,PSO-SVR模型预测误差率优于BP神经网络模型.     

基于一种贴近度的IOWA算子的优性组合预测模型

传统的组合预测模型中每一种单项预测方法在各个时点具有相同的加权系数,但实际上同一种单项预测方法在各个时点的预测精度有高有低,为了克服单项预测方法取固定权系数的缺陷,构建了基于一种贴近度的IOWA算子的变权系数的组合预测模型,并探讨模型的非劣性组合预测、优性组合预测存在性的充分条件,实例分析结果表明：该模型在预测效果评价指标体系中明显优于传统的组合预测方法。     

我国农村居民口粮消费的组合预测

随着农村人口向城镇转移以及农村居民收入的增长,我国农村居民口粮需求逐年下降.预测农村居民口粮消费量不仅有助于把握农村居民消费结构的变动轨迹,而且对指导粮食生产也有重要的意义.文幸针对单一的预测模型可能存在的问题,利用时间序列和线性回归的组合模型对近30年我国农村居民口粮消费量进行了拟合.通过比较单一预测模型和组合预测模型的精度发现:相对于单一的预测模型,组合预测模型预测精度较高.利用组合预测模型,文章预测未来10年我国农村居民的口粮消费量会继续下降.     

灰色马尔可夫链组合预测方法的应用

文章提出了一种新的组合预测方法.将灰色Verhulst-马尔可夫链预测模型和灰色GM(1,1)-马尔可夫预测模型按照残差方程加权组合来预测事物中长期发展趋势;并以国外发达国家高速公路网规模成熟发展为案例验证对其中长期预测的精度.文章还将此预测模型应用于广东省公路客运量以预测其未来5～10年的发展趋势.     

四川省产成品存货组合预测研究

文章分别建立了四川省产成品存货的ARCH预测模型和GMDH变量自回归预测模型,然后利用它们的预测结果构建了ARCH-GMDH组合预测模型.将组合预测结果与产成品存货实际值以及ARCH、人工神经网络等单一模型的预测结果相比较,表明了所述方法的可行性和有效性,从而为产成品存货及其它宏观经济指标预测提供了一种思路.     

一种基于粗糙集理论的组合预测方法

一、前言组合预测方法的基本原理是博采众多预测方法的优势 ,将多个不同预测模型的预测信息组合以期有效地改善预测模型的拟合能力 ,提高预测精度。而组合信息的一般方式是对各个预测模型进行线性加权平均[1～ 3 ] 。因此 ,组合预测方法的研究工作大部分集中在权系数的确定方法上 ,由此产生了许多组合预测方法。常见的方法有 :基于专家意见、相关分析、误差和最小、模糊数学、灰色理论、人工神经网络、遗传算法、小波分析等的组合预测方法。专家意见法的致命弱点是过分依赖专家的主观判断和经验 ,其结果有时难以令人信服。基于相关分析、误…     

最优加权组合法在中国粮食产量预测中的应用研究

组合预测模型可以较大限度地利用各种预测样本信息,比单一预测模型考虑问题更系统更全面.能够有效地减少单个预测模型中一些随机因素的影响,从而提高预测精度.文章利用最优加权组合法,对柯布一道格拉斯生产函数模型,指数平滑模型和ARMA模型进行组合,通过计算确定其权重,得出未来十年的粮食预测产量;而根据MSE准则得出组合预测模型的精度比其余单一的预测模型的预测精度高.与我国在2008年提出的<国家粮食安全中长期规划纲要>中的目标进行比较发现,如果在现有条件下要达到目标,政府必须在政策和农业技术等层面制定更加切实可行的措施.