基于灰色关联度的第三产业发展趋势组合预测模型

为更加准确预测第三产业发展水平发展趋势,文章在探讨单一预测模型建模原理的基础上,基于灰关联度能有效刻画曲线间相似程度的原理,给出了基于灰关联度的第三产业发展趋势的组合预测权重确定模型,实证分析了基于灰关联度的第三产业发展趋势组合预测模型要比单一预测模型的预测精度高.     

改进粒子群算法优化灰色神经网络预测模型及其应用

文章针对神经网络存在局部最优、收敛速度慢以及大样本等缺点,将改进的粒子群算法、灰色模型和神经网络模型有机结合,构建了改进粒子群优化灰色神经网络预测模型(IPSO-GMNN).并与其他预测模型进行比较,实证结果表明:IPSO-GMNN预测模型能够克服神经网络预测模型的不足,更好地识别时间序列的非线性和突变性特征.在对我国专利授权数量的预测应用中,新模型对非线性时间数据预测表现出更好的预测精度和稳定性.     

基于差值灰色RBF网络模型股票指数预测

针对RBF神经网络的预测精度受样本数据随机性影响较大,而灰色理论能弱化数据随机性的特点,文章提出了差值结合法将灰色GM(1,1)模型和RBF神经网络模型有效地结合起来,构建了差值灰色RBF网络预测模型。将该预测模型运用于股票指数预测,实证结果表明:该模型预测精度高,平均预测误差为0.52%,与BP神经网络和RBF神经网络相比具有更好的泛化能力和更高的预测精度,在股票预测中具有一定的使用价值。     

基于CM(1,1)模型的江苏省民间投资规模预测

一、CM(1,1)灰色预测模型 灰色预测法是一种对含有不确定因素的系统进行预测的方法.灰色预测是对既含有已知信息又含有不确定信息的系统进行预测,就是对在一定范围内变化的,与时间有关的灰色过程进行预测.灰色预测通过鉴别系统因素之间发展趋势的相异程度,即进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来的发展趋势的状况.CM(1,1)模型是常用的一种灰色预测模型.     

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.     

基于神经网络的景气预测模型

为提高神经网络自回归预测模型的精度,文章构建了基于神经网络的景气预测模型.主要运用景气预测判断先行指标,以及其相对基准指标的先行期数,结合神经网络非线性适应能力、自适应能力强等特点,构建了基于RBF神经网络、广义回归神经网络、BP神经网络、Elman神经网络的四种景气预测模型.对比分析这四种基于神经网络的景气预测模型和神经网络自回归预测模型,发现基于神经网络的景气预测模型均取得良好的预测效果,其中,基于RBF神经网络的景气预测模型最佳.     

基于BP神经网络的中国火灾灰色回归组合预测模型

文章根据组合预测的理论和神经网络的非线性性和良好的函数逼近特性,提出了基于人工神经网络的灰色幂模型、多项式回归模型的中国火灾组合预测模型。此模型综合了各单一模型的有效信息,同时也融合了人工神经网络在不确定因素预测领域的优势,能够比较客观地反映火灾的发展趋势,为中国火灾预测提供合理的依据。     

一种基于遗传算法的灰色模型在铁路客运量预测中的应用

对客运量发展趋势进行预测是正确制定铁路客运营销战略的前提和基础.本文在传统GM(1,1)预测模型的基础上,提出了一种基于遗传算法调整发展系数和内生灰作用量的灰色预测模型,并运用此模型对湖北省铁路客运量进行预测.实验结果验证了此模型的有效性.     

中国海洋经济预测研究

本文运用经济增长理论、经济计量理论、灰色系统理论和神经网络理论,根据1990-2004年的年度数据,构建了中国主要海洋产业的发展趋势与预测模型,系统地分析了2005年中国海洋经济的发展趋势.     

基层财政收支灰色预测模型及应用

灰色预测模型在应用中可以不去直接研究复杂系统内部各因素之间的关系,也不需要大量的样本,仅通过对原始数据的整理来寻求其变化规律,对于小样本、时间序列的县级财政收支预测更为适合。文章从模型和指标的角度对基于灰色模型的财政收支预测进行了研究,通过广丰县财政收支模拟表明:通过灰色预测模型对县级财政收支进行预测拟合效果较好,对县级财政决策的制定和风险的防范和化解具有积极意义。     

基于技术分析、基本面分析和深度学习的股价预测

文章从深度学习技术角度出发,将技术分析指标、基本面分析指标与混合循环神经网络模型相结合构建新型股价预测模型,并提出滚动样本预测评价法检验股价预测模型的长期有效性。研究发现,相较于以往研究模型,基于LSTM模型和GRU模型构建的混合循环神经网站模型能更有效地提取技术分析指标和基本面分析指标的数据特征,从而给出预测个股股价的最优网络结构;该混合循环神经网络模型在长期预测上具有更高的预测精度。     

AGA参数优选的SVR模型及其在经济系统预测中的应用

支持向量机已经被成功应用于解决非线性回归和时间级数等问题。文章运用自适应遗传算法对支持向量回归进行最优参数设置,得到一种新的预测模型——AGASVR模型,并且将该模型应用于经济系统的和预测。实验结果表明,提出的模型相对神经网络模型、小波神经网络模型和灰色系统模型而言,运算精度高,是一种有效的经济系统预测方法。     

基于GM(1,1)—逐步回归模型的用水量预测

为了对城市的用水量有个更精确的预测,文章将逐步回归模型与灰色预测模型相结合,提出了一种基于灰色预测——逐步回归的总用水量预测模型.该模型以逐步回归方法为基础,利用灰色相关性分析方法对观测数据进行处理,进而对预测模型的因变量进行筛选,并将灰色理论引入到回归模型分析中,对预测模型进行改进.通过实例分析可知:所提出的耦合模型与单一预测模型相比,在一定程度上改善了预测效果,达到了简化模型、提高拟合精度和增强模型预测能力的目的.     

等维新息灰色预测模型及预测精度比较——基于我国城镇居民养老保险预测分析

本文在对我国城镇居民养老保险分析和预测中引用了等维新息灰色预测模型并与传统灰色预测模型进行了预测精度比较,最终引入了等维新息处理的灰色预测模型。等维新息灰色预测在每一步预测中,不断推陈出新对原始数据进行等维新息处理。通过对实际案例研究证实,文中提出的预测模型可以在建模过程中成功地反映数据运动规律,具有合理、有效的中长期预测功能。笔者希望通过对我国城镇居民养老保险的灰色预测分析,为今后养老保险系统的后续研究打点基础。     

基于支持向量机回归的房地产单指标预测

对时间序列预测常用的方法进行了比较，结合房地产自身的特点确定用支持向量机回归来对房地产单项指标进行预测；分析了支持向量机回归和时序相空间重构的基本原理；建立了支持向量机预测模型，结合武汉市的实际数据进行了实证分析，并和BP神经网络的预测结果进行比较，表明用支持向量机预测模型进行房地产单项指标预测精度更高。     

灰色预测系统在城镇居民商品房销售预测中的应用

灰色预测模型是灰色系统理论的重要组成部分,而GM(1,1)模型是灰色预测的基础,灰色系统理论建立模型的主要任务,是根据社会、经济、技术等系统的行为特征数据,找出因素本身或因素之间的数学关系,从而了解系统的动态行为和发展趋势.本文试图将内蒙古城镇居民住宅需求变化过程看作一个灰色系统,利用灰色系统理论建立商品房销售模型.选用灰色预测模型的出发点是基于深入分析内蒙古自治区城镇居民商品房销售发展状况以及了解并把握该系统的动态行为和未来的发展趋势,充分把握灰色预测模型的适用范围及模型本身反映的实际含义,结合对灰色理论的认识综合选取的.     

基于累积法的灰色马尔科夫预测模型及其应用

文章针时传统灰色马尔科夫预测模型运算量大等问题,将累积法与灰色马尔科夫预测模型相结合,提出了一种基于累积法的灰色马尔科夫预测模型,克服了传统预测模型的缺陷,并以贵州省历年旅游人数数据为例进行分析预测,结果表明该模型能够降低运算量,提高预测水平.     

基于机器学习LSTM&US模型的消费者信心指数预测研究

消费者信心指数等宏观经济指标具有时间上的滞后效应和动态变化的多维性,不易精确预测。本文基于机器学习长短时间记忆(Long Short-Term Memory,LSTM)神经网络模型,结合大数据技术挖掘消费者信心指数相关网络搜索数据(User Search,US),进而构建一种LSTM&US预测模型,并将其应用于对我国消费者信心指数的长期、中期与短期的预测研究,同时引入多个基准预测模型进行了对比分析。结果发现:引入网络搜索数据能够提高LSTM神经网络模型的预测性能与预测精度;LSTM&US预测模型具有较好的泛化能力,对不同期限的预测效果均较稳定,其预测性能与预测精度均优于其他六种基准预测模型(LSTM、SVR&US、RFR&US、BP&US、XGB&US和LGB&US);预测结果显示本文提出的LSTM&US预测模型具有一定的实用价值,该预测方法为消费者信心指数的预测与预判提供了一种新的研究思路,丰富了机器学习方法在宏观经济指标预测领域中的理论研究。     

基于累积法的灰色马尔科夫预测模型及其应用

针对传统灰色马尔科夫预测模型运算量大等问题，将累积法与灰色马尔科夫预测模型相结合，提出了一种基于累积法的灰色马尔科夫预测模型，克服了传统预测模型的缺陷，并以贵州省历年旅游人数数据为例进行分析预测，结果表明该模型能够降低运算量，提高预测水平。     

基于灰色关联度的广义IOWA算子组合预测模型

文章在广义诱导有序加权(GIOWA)算子的基础上,结合关联度指标之一的灰色关联度指标,建立了基于灰色关联度的GIOWA算子的组合预测模型.同时,讨论了该算子的相关概念和性质,给出了该算子权系数的确定方法,并对所建立的组合预测模型中的参数λ进行了分类讨论并给出实例检验,结果表明该组合预测方法的合理性和有效性.