首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 84 毫秒
1.
马尔科夫科夫在近代物理学,生物学,公共服务事业.信息处理,制动控制,通信及计算机方面有广泛的预测应用.本文利用马尔科夫链对通讯市场的占有率进行了分析预测,马尔科夫预测在通讯方面的预测得到了广泛的应用,其可靠性高可行性强.  相似文献   

2.
根据对跨国公司的市场份额统计量的描述,结合伯特兰德博弈数学模型,利用马尔柯夫链的一些性质和伯特兰德博弈理论进行了分析。结果表明:利用该方法分析得到的跨国公司市场占有率与给定的目标期望函数能有较好的符合,适用于目前对跨国公司的市场占有率的预测研究。  相似文献   

3.
大学生转专业带来了专业结构发展不平衡、资源浪费、管理不便等问题。为掌握大学生转专业态势,利用马尔科夫链的无后效性,建立马尔科夫模型,通过误差数值分析,可将马尔科夫模型应用于大学生转专业趋势预测中。根据预测结果,采取优化专业结构、强化专业教育、按大类招生、提升教学质量、激发学习兴趣等策略,保持专业学生的适宜比例。  相似文献   

4.
2011年是"十二五"规划实施的第一个年头,四川省是我国天然气的生产和消费大省,对天然气消费量的有效预测对于四川"十二五"期间相关产业发展、能源消费结构调整具有指导作用,对顺利实现"十二五"能源战略目标具有重大的现实意义。基于标准差法的灰色—增长曲线组合预测方法对四川"十二五"期间的天然气消费量进行了预测,再用马尔科夫链对预测结果进行修正,以提高精度。结果表明:此天然气消费量组合预测模型具有较高的精度和应用价值。  相似文献   

5.
基于马尔科夫模型的人力资源供给预测方法是一种动态的预测技术,其基本思想是根据企业人力资源变动的规律来推测未来人员变动的趋势。本文介绍了马尔科夫模型的基本理论,并结合某家具厂的实例来探讨具体的预测方法。  相似文献   

6.
介绍了高校人才预测的方法和原则,并运用回归预测、灰色预测、马尔科夫预测等方法对某高校2005~2010年的专业人才数量和人才的学历结构进行了预测,预测结果符合人才发展规律,切实可行。  相似文献   

7.
利用离散时间型马尔科夫链及随机理论,构造了一个转移概率矩阵,并按照通信网业务特性,将需要预测的通信业务分为N个等级,定义了S={1,2,…,N}共N个状态空间,建立了通信网业务参量的随机预测模型。通过通信网的实例分析,说明了该模型的可靠性。  相似文献   

8.
敏捷供应链环境下的库存管理是供应链管理的重要内容之一,其中绩效评价是必不可少的环节。针对当前敏捷供应链库存管理的特点与研究的不足,建立绩效评价指标体系,并应用模糊综合评价法构建模型,最后以某手机企业为例进行实例分析,并用马尔科夫链预测该企业敏捷供应链库存管理绩效的发展趋势。  相似文献   

9.
探讨了金融市场收益率存在历史、隐含和现实的三类随机波动现象,并呈现出尖峰厚尾、杠杆、集群、微笑、溢出、长记忆、信息流、共生波动等分布特征.进一步归纳了基于不同分布特征的随机波动的GARCH、SV、制度转换、阀值模型等模型,梳理出重点SV模型的三类估计方法:基于矩法、极大似然法估计和马尔科夫链蒙特卡罗(MCMC)方法,以及有效估计SV模型后,其在收益波动率预测、风险管理上的应用.  相似文献   

10.
复杂网络链路预测   总被引:31,自引:0,他引:31  
网络中的链路预测是指如何通过已知的网络结构等信息预测网络中尚未产生连边的两个节点之间产生连接的可能性。预测那些已经存在但尚未被发现的连接实际上是一种数据挖掘的过程,而对于未来可能产生的连边的预测则与网络的演化相关。传统的方法是基于马尔科夫链或者机器学习的,往往考虑节点的属性特征。该类方法虽然能够得到较高的预测精度,但是由于计算的复杂度以及非普适性的参数使其应用范围受到限制。另一类方法是基于网络结构的最大似然估计,该类方法也有计算复杂度高的问题。相比上述两种方法,基于网络结构相似性的方法更加简单。通过在多个实际网络中的实验发现,基于相似性的方法能够得到很好的预测效果,并且网络的拓扑结构性质能够帮助选择合适的相似性指标。该文综述并比较了若干有代表性的链路预测方法,展望了若干重要的开放性问题。  相似文献   

11.
中国股市已实现?系数的特征分析与建模研究   总被引:2,自引:0,他引:2  
利用已实现波动方法对上海股市404 只股票的周?系数进行实时估计,分行业对已实现周?系数进行了统计分析,结果表明。高科技行业的?系数同其他行业的?系数有显著性差异。探讨了股本与行业因素对不同模型预测?系数结果的影响,研究表明,平均绝对预测误差MAE和均方预测误差MSE表明预测精度有随着股本增大而减小的趋势,并且保守型行业预测精度要普遍好于高科技行业的预测精度。  相似文献   

12.
通过分析供给侧结构改革下现代物流市场需求对经济活动的意义,找到单一需求预测技术的偏差,指出指数平滑法和神经网络法于实际预测应用中的不足,提出精确度较高的物流市场需求预测新思路,构建新的组合预测模型。通过实例仿真验证基于神经网络法的组合预测技术在物流市场需求预测中的实际价值。  相似文献   

13.
为科学分析与预测农产品市场日价格走势,研究农产品市场日价格波动的随机性特征,增强价格的预见性和市场的调控性,选择全国西红柿日批发价格为预测对象,基于价格序列数据的ADF检验和ARCH效应检验,结合2008—2009年间731天日价格数据分析,利用ARIMA、ARCH、GARCH等现代时间序列法,分别建立西红柿日批发价格预测模型,并选取2010年1月1—10日进行样本外区间的评估预测。研究表明,3个日价格预测模型的平均绝对百分比误差(MAPE)都在2%以内,其中GARCH模型在预测中具有更高的精度;农产品市场价格超短期预测中,在没有突发性因素干扰的情况下,所建立的3个模型预测结果的精度比较理想,但对于突发性事件等引起的价格急剧变化难以定量化模拟和预测。  相似文献   

14.
运用数理统计原理 ,结合实例 ,分析了弹性系数法、市场总潜力预测法、线性回归预测法在书刊需求预测中的合理运用。  相似文献   

15.
计算机技术的快速发展冲击着当今社会的各个领域,当今许多发达国家将计算机技术应用于会计数据处理、会计管理、财务管理以及预测和会计决策,取得了显著的经济效益。本文就我国的会计电算化如何适应当今社会市场经济的改革与发展,顺应电子信息产业时代发展的潮流,针对我国会计电算化的现状与发展的有关问题进行探讨。  相似文献   

16.
应用支持向量机方法对股票市场趋势性变动进行预测是金融市场行为研究领域里一个重要的研究课题。为了提高股市趋势预测的准确率,现有文献中基本将研究重点集中在改善支持向量机参数上,而没有对输入数据的特征进行深入研究。股票市场时序数据是不同时间尺度因素非线性作用的结果,因此具有本质的多尺度特性。据此构建了股票市场多尺度时序特征趋势预测方法,该方法首先基于小波多分辨分析对股市时序数据进行多尺度分解,然后提取了股票市场数据的记忆性和趋势性特征,最后应用支持向量机对股票市场趋势进行预测,预测结果表明该方法提高了股市趋势预测的准确率。  相似文献   

17.
论文简要介绍了灰色系统理论及GM(1,1)灰色预测模型,针对旅游系统的特点,结合旅游预测研究的目的,将灰色预测模型GM(1,1)运用于区域旅游预测中,并以广西桂林为算例进行预测,获得较好的预测效果。  相似文献   

18.
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。  相似文献   

19.
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。  相似文献   

20.
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.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号