城镇化水平预测方法新探——以神经网络模型的应用为例

在城镇化水平预测领域,基于时间因素的趋势回归法与经济因素的相关分析法是两种较为常用的预测方法,但两者在实际用于预测时都需要通过对时序数据的考察建立起相应的计量模型才能进行,而所建模型往往因存在一定缺陷而使预测效果受到严重影响。目前,基于数据驱动式的"黑箱"建模思想而诞生的神经网络模型在预测领域已得到了广泛应用,但在城镇化水平预测方面尚未得以充分使用。在对上述两种传统预测方法在应用中存在的缺陷进行实证分析并综合考虑时间因素与经济因素的基础上,运用神经网络模型在这一领域进行了尝试性的分析和探讨。结果表明,同两种传统预测方法相比,其预测效果较为理想。     

基于误差校正的ARMA-GARCH股票价格预测

针对时间序列预测和简单回归预测各自的侧重点不同,综合两者优点,对股票价格进行预测。首先将股价数据转换成对数收益率,利用ARMA-GARCH模型对收益率序列建立模型,对上证指数股票价格进行初步预测;然后建立回归模型对GARCH模型误差中未被解释的成分进行分析和拟合,利用回归模型预测的误差对GARCH模型预测结果进行校正。在选择回归模型变量时,引入变量间的相关性分析筛选合适的影响因子,利用主成分分析方法提取影响因子中包含的信息,实现对解释变量的降维,获取具有代表性的综合指标,以提高建模精度。实例研究证明该方法对于上证指数股票价格预测较为准确。     

汽车销售混合预测方法研究

市场分析和预测已成为企业重要的决策依据和手段。就汽车销量问题提出了一种ARMA模型与RBF神经网络相结合的混合预测方法。采用ARMA模型对汽车销量趋势进行初步线性预测,利用RBF神经网络对线性预测的残差建模,得到非线性预测,两部分预测输出和为总的预测值。该方法既体现了销售量数据间的线性关系, 又揭示了数据内部的非线性特征,克服了单一方法的局限性,提高了预测精度。仿真结构分析表明,该方法预测效果最佳。     

上证指数的函数型主成分分析预测

金融市场的交易是不间断的,价格始终高频的更新,在金融数据的研究中,经常遇到函数型数据.建立函数型主成分分析的预测模型,分析函数型数据在上证指数预测中的应用,根据函数型数据分析的原理及其求解主成分分析的方法,使用Matlab对上证指数进行预测.     

GMDH物价指数预测模型研究及实证

利用物价指数的月均值与年均值数据同时建模的数据处理群组方法的两水平算法,扩大了月均值数据的可预测范围,引入以三角函数求和形式的调和自组织的数据处理群组方法解决月均值物价指数的波动影响,提高了月均值数据预测的准确性。实证分析表明,数据处理群组方法的调和两水平方法预测月均值物价指数是有效的。     

基于SVM的股票时间序列的预测研究

支持向量机（support vector machine,SVM）是以统计学理论为基础的一种新的模式识别方法,目前已广泛应用于股票价格的预测中。在股市投资问题的研究中,股价作为时间序列数据是复杂的、非线性的,并且极不稳定。文章将支持向量机引入到股价预测的建模中,并对效果进行了分析。     

基于房屋普查数据的震害预测方法

提出了一种利用人工神经网络模型并以房屋普查数据为震害影响因子的震害预测方法.以建筑物的结构类型、层数、高度、建设年代、用途、现状质量等几个简单参数对城市、建筑物进行分类,并在此基础上进行建筑物的震害预测工作.根据震害因子的选取及网络对样本的训练效果建立一个人工神经网络模型,通过此模型对震害实例的预测结果进行分析,证明了此模型的实用性.利用房屋普查数据进行震害预测工作为研究快速震害预测方法提供了一个新的思路.     

区域土地利用数据的偏最小二乘回归分析--以上海市嘉定区为例

回归分析是研究与构建土地利用变化机制量化模型的一种常用方法 ,偏最小二乘回归是一种能在一个算法下同时实现回归建模、数据简化和两组变量间相关分析的新型多元回归分析方法。文章选取上海市嘉定区 1984～ 2 0 0 1年土地利用与社会经济数据 ,选取 6种基本土地利用分类指标作为被解释变量 ,12个基本社会经济统计指标为解释变量 ,分别应用普通最小二乘回归和偏最小二乘回归方法 ,对该地区土地利用变化与社会经济变量间的关系进行分析。     

试论经济数据的规律性——兼论神经网络理论在证券市场的应用

本文根据非线性动力学的分数维娄理论计算，并利用ＮＮ对外汇兑换率建模，进行预测试验，证明金融数据确有一定的“规律性”。同时还指出了用ＮＮ进行预测的精度的理论研究状况，探讨了ＮＮ的军事应用的前景     

北京市保障性住房供给预测研究

为解决北京市保障性住房供需矛盾,完善其住房保障供给体系,并使其实施更具可操作性,应用灰色系统预测理论,通过构建北京市人均建筑面积和户籍人口总数GM（1,1）模型,以北京市2003-2007年相关数据为原始样本值,预测出北京市2008年起未来五年北京市保障性住房供给总量。经过相对误差检验、均方差检验、小误差概率检验,原始样本值符合检验要求,预测结果具有精度高、拟合程度好的特点。研究结果表明：应用灰色GM（1,1）模型进行预测,量化了北京市2008-2012年各年度保障性住房供给总量,为政府进行相关决策提供了依据。     

中国民用汽车保有量的短期组合预测

国内外对中国汽车保有量预测的研究很多,但由于各种假设不同而偏差较大。组合预测方法的出现,结合了不同预测方法的优点,提高了预测精度。文章运用Logistic模型拟合中国汽车保有量的增长,将其增长期划分为三个阶段,低速增长期,快速增长期,平稳增长期,以此指导灰色预测合理选取数据,对中国的汽车保有量进行短期预测。该预测方法只涉及市场最大汽车保有量的估计,尽可能地避免了传统预测模型中预测参数选取主观化的缺点。预测结果显示我国汽车保有量已经进入快速增长期,2015年将突破1亿9千万辆。     

基于VAR和GM组合模型的电力消费预测

组合预测模型较单一模型具有更准确的预测精度,利用中国电力消费1978年~2007年的年度数据,将VAR模型与灰色预测的GM（1,1）、无偏GM（1,1）两种模型有机组合,建立灰色VAR组合预测模型,对2008年~2015年的电力消费量进行预测。结果表明,该模型平均相对误差为4.88%,拟合精度较高,具有较好的应用价值。     

Multiscale Combined Forecast of Carbon PriceBased on Mixed Structure Data

Accurate forecast of the carbon trading price is of great significance in promoting the scientific and rational development of carbon trading market. Therefore, this paper proposes a multi-scale combined forecasting method for carbon price based on mixed structure data. First, the Google Index is used to extract the unstructured data related to the carbon price.The dimensions of unstructured data are reduced based on principal component analysis. Then, EMD is employedto the structured data,unstructured data and the carbon trading price to obtain different IMFs, which are reconstructed by the Fine-to-Coarse technique to get low, high frequency sequence and trend sequence. Furthermore, the three items are predicted respectively by using ARIMA, PLS and neural networks according to the features of each scale in time series. Finally, the forecasting results are summed to get the carbon price forecast sequence. The proposed method is used to forecast carbon price in EU. The empirical results show that the prediction accuracy of the model is higher than that of the single prediction method and the prediction method that time series aren’t decomposed by EMD, which is of great applicability.     

城市轨道交通建设对地价影响的评估模型及实证--以北京市轨道交通为例

城市轨道交通投资能够带来巨大的外部效益,测算这种效益对于准确估量投资收益和制定轨道交通开发利益还原政策都有重要意义,然而如何估算这种效益是一个一直以来困扰城市投资专家的问题,而借用沿线土地价值增值幅度来评价轨道交通的外部效益是解决这个问题的一个主要的思路.本文分析了城市轨道交通与地价之间的相互作用关系,借鉴国内外学者的相关研究成果,定量地分析了城市轨道交通对于地价的影响情况,重点探讨了基于资产价值法的轨道交通沿线开发利益计算方法,并根据北京市轻轨13号线(西直门--霍营段)的实际情况建立了北京市轨道交通建设地价影响函数,并通过另一条城市轨道交通线--八通线给出了实证检验过程.     

小波分析在管理数据处理中的应用

提出了一种基于小波变换的管理数据处理方法，把公司管理上的数据看成一个非平稳的时间序列，利用小渡函数将该时间序列分解到不同的频率通道上，然后将分解后的信号当作近似的平稳时间序列，用一些传统的统计方法进行预测，同时对中国足球彩票若干期的销售量数据进行了处理和预测，并将结果与实际销量以及用传统的AR模型的预测值进行了比较。     

中国股市已实现“核”波动研究

基于蒙特卡洛方法模拟出的股票价格路径分别考察“已实现”核波动（RK）、“已实现”波动（RV）方法的估计精度,结果表明:RK能有效滤出噪音更贴近于真实波动率。进一步将RK与分整自回归移动平均模型结合,并对其分数阶差分算法进行了修改,基于高频数据对我国股票市场的日波动率进行估计和预测。研究结果表明:RK方法在中国市场条件下具有较好的适用性,相对于RV有更好的预测效果。     

模拟混相驱动态的拟四组分模型

通常模拟混相驱动态采用组分模型,由于组分模型求解工作量大,计算速度慢,要求输入的参数较多,而这些参数很难取全取准,同时组分模型不易被油藏工程师所掌握。因此,介绍了一种模拟混相驱动态的模拟模型,该模型是在黑油模型基础上发展起来的拟四组分模型,它兼有黑油模型和多组分模型的某些优点,如黑油模型的稳定性好和计算速度快、组分模型的可模拟凝析气藏和混相驱等;给出了数学模型及各种物理参数以及混相流体性质的处理方法。该模型还以SPE为例进行计算,结果与SPE的结果一致,从而验证了本模型的可靠性。     

基于时变系统的油田产量功能模拟预测

神经网络预测的优点是预测指标与影响因素指标的历史拟合好，微分模拟预测的特点则是预测过程中更加注重预测指标的自身变化趋势。两者有机结合，首先将微分模拟得到的油田产量与其影响因素的输入输出关系视为时变系统，再把BP神经网络引入到微分模拟参数识别中，建立具有时变特征的功能模拟预测新方法。该预测模型中的参数随时间变化，具有自适应性；能在神经网络训练过程中通过变学习率的方式解决其与微分模拟胶合过程可能出现的不收敛问题；对中长远预测有更好的效果。最后将这一新方法应用于国内某油田的产量预测中，经软件计算，预测结果与实际的吻合程度明显高于其它几种预测方法。     

区域物流需求预测及灰色预测模型的应用

区域物流需求预测是区域物流规划和决策的前提,区域物流需求属于派生需求,由区域经济发展水平决定,因此区域物流需求预测的范围除物流需求本身内容以外,与物流需求紧密相关的各个经济指标也属于区域物流需求预测的范畴。区域物流需求预测有多种预测方法,其中灰色预测模型具有时数据要求限制少、中短期预测精准等特点,特别适合区域物流需求的预测。本文从区域物流需求预测内容、指标选择和预测方法三方面进行了系统研究,首次全面综合地提出了区域物流需求预测的内容及其对应的评价指标,在预测模型的实际应用上具有一定的创新。     

西方人口预报评价动态

在进一步界定人口预报概念的基础上,简要介绍了几种常用人口预测方法,重点介绍了近10年西方学者针对发达国家和地区人口预报所进行的评价研究动态,包括：单个预报方法评价、两个预报方法之间的比较评价、衡量预报误差大小的统计指标设计评价。人口预测是当前人口学研究中最活跃的领域之一,通过对人口预报结果的评价,可以了解预报方法的优劣,并提出改进和修正方案。