PSO-SVM在高速公路交通量预测中的应用

在重庆市政府回购、租赁高速公路的背景下,研究了如何合理、准确地预测高速公路交通量,从而为政府部门及高速公路投资者的投资决策提供依据。根据高速公路年交通量样本小、预测期长、受经济因素影响等特点,选用了支持向量机回归来进行多因素单目标的预测。在预测过程中,为了提高精度,首先将所搜集的经济因素进行主成分分析,对指标进行了约减;然后用PSO方法对支持向量机参数进行了优化。     

基于集成支持向量机的企业财务业绩分类模型研究

要想正确预测公司财务业绩,首先必须选择合适的预测方法。现有文献所采用的财务业绩预测模型普遍存在着泛化能力不强的问题。本文提出用支持向量机方法来预测我国上市公司的财务业绩。为了提高预测准确率,本文还用AdaBoost算法对支持向量机进行了改进(集成支持向量机)。在支持向量机核函数的选择上,我们采用了实验法,即对每个核函数及其相关参数的预测效果都进行了测算,以期找出最适用的预测模型。实证结果表明,径向基核函数(rbf)的效果最好,支持向量机方法预测准确率远远高于其它方法。     

基于支持向量机的中国股指期货回归预测研究

本文针对股指期货预测的特点,选择对股指期货指数有重要影响的相关指标,首次提出用支持向量机(SVM)方法对其进行回归预测,并用遗传算法(GA)和粒子群算法(PSO)分别优化四种不同核函数的支持向量机,构建了八种不同的中国股指期货回归预测方案,用实证研究的方法对这八种方案的准确性和时效性进行了比较。实验结果表明粒子群算法优化的线性核函数支持向量机作为中国股指期货回归预测的模型,具有更好的预测效果。     

基于最优支持向量机模型的经营失败预警研究

根据中国资本市场的实际和样本数据特点,设计一套从样本准备到模型参数优化、再到模型比较的集成解决方案,对上市公司经营失败进行预警,通过实验分析参数调整和核函数选择对支持向量机建模的影响,寻求最优的支持向量机模型.实证结果表明,经营失败预警应用中,参数和核函数的选择对预警模型有较大影响,基于最优支持向量机模型的预测效果优于统计方法和神经网络方法,支持向量机适合中国上市公司分行业小样本的实际.特别处理事件作为经营失败样本切分标准对模型产生一定影响.     

基于小波包和最小二乘支持向量机的短时交通流组合预测方法研究

基于小波在处理非线性、非平稳随机信号的优势以及支持向量机在解决小样本、非线性及高维模式识别问题中的优势。笔者探讨结合小波包和最小二乘支持向量机的组合预测方法在交通流短时预测中的应用。首先介绍小波包和最小二乘支持向量机的基本原理,然后提出基于小波包和最小二乘支持向量机的交通流短时组合预测方法,并以北京市快速路的实测交通流量来验证效果,结果表明其可行性和有效性。     

基于PSO-SVR模型的能源需求预测

本文将支持向量回归机(support vector regression,SVR)与粒子群算法(Particle Swarm Optimizat ion,PSO)相结合,选取1 985~2008年的能源需求量及其影响因素作为学习样本,利用粒子群算法对支持向量机参数进行优化,通过训练、测试得到具有良好学习与推广能力的PSO-SVR能源需求预测模型。建立BP神经网络模型,并将两者的预测值进行对比,结果表明,PSO-SVR模型预测精度优于BP神经网络模型。     

基于增量支持向量回归机的股价预测模型研究

随着越来越多的人加入到股票投资中,有效的股票预测方法就显得尤为重要。本文结合增量学习思想,利用支持向量回归机对上证综合指数的收盘价进行预测,并同神经网络方法进行比较分析。实证研究发现,基于增量支持向量回归机的股价预测模型表现较佳,为股价预测模型研究提供一种新的方法,进而为投资者提供一定的参考信息。     

基于BP神经网络的零售产品销量预测方法

在研究某IT企业零售产品历史销售数据和影响其产品销量主要因素的基础上,建立了一个基于BP神经网络的IT零售产品的销量预测方法。不必考虑影响因素之间的相互关系,结合具体销售数据,探寻该方法所建模型对于销量预测的准确性影响。结果表明,采用该方法进行IT零售产品的销量预测误差较小,可利用该模型对于总体销量进行预测来指导销售。     

基于支持向量机的突发事件分级研究

突发事件的分级是应急管理的重要环节。将支持向量机方法应用于突发事件的分级问题,阐述了基于支持向量机的突发事件分级方法的过程,以对地震灾害进行分级作为实例,采用多分类支持向量机中的一对一组合方法进行实验。实验结果表明,支持向量机应用于突发事件分级是可行而且有效的,能够为决策者准确地进行分级决策提供科学依据。     

基于多尺度分析的小麦价格预测研究

本文基于分解-重构-集成的思想,构建了一个多尺度组合预测模型,选取小麦作为粮食的代表,预测其价格走势。首先,运用集合经验模态分解方法(EEMD)分解价格序列,然后,用灰色关联分析方法对分量序列进行重构,重构为高频、中频、低频和趋势项四个部分,并从不规则因素、季节因素、重大事件和世界经济水平等方面对这四个部分波动特点进行解释,针对不同特点的分量选择不同的方法进行预测,最后对各预测结果用支持向量机集成,并与其他预测模型的预测结果进行比较。实证结果表明,本文构建的多尺度组合模型的预测效果优于灰色预测GM(1,1)、BP神经网络、SVM方法、ARIMA模型等单模型方法和ARIMA-SVM组合模型以及基于EMD和EEMD分解的其他多尺度组合模型。     

折扣系数法在建立预测模型中的应用

本文针对不同观测点对预测值的不同影响,采用折扣系数法探讨了用折扣最小二乘法和折扣最小一乘法建立预测模型的方法以及用折扣系数法建立组合预测模型的方法。本文的方法不仅适合于一般趋势预测模型的建立,也可推广到一般回归预测模型的建立。这对于提高预测模型的预测精度有着重要的意义。     

基于PSO-PLS的组合预测方法在GDP预测中的应用

GDP预测是经济预测中一个非常重要的问题,随着经济的发展,对其预测精度的要求也越来越高.在考虑样本权重的基础上,提出一种微粒群算法与部分最小二乘回归方法相结合的组合预测方法,即采用微粒群方法对样本最优权重进行求解,在所得样本权重系数的基础上,用部分最小二乘回归方法确定组合预测的权重系数.将该方法用于中国GDP预测取得了较好的结果,与其他几种传统方法相比,预测精度有一定程度的提高,说明算法的有效性和可行性.     

Managing finished-goods inventory under capacitated delayed differentiation

Delayed differentiation or postponement is widely advocated to mitigate conflicts between product diversity and inventory cost savings. Manufacturers practicing postponement often suffer from severely constrained finishing capacities and noticeable finishing lead times. Therefore, inventories are still needed for finished products. Using the concept of inventory shortfall, this paper studies base-stock inventory models with and without demand forecasting and provides a computationally efficient method to set optimal inventory targets for finished products under capacitated postponement. Computations show inventory-saving benefit quickly vanishes after the capacity reaches a certain level. The value of forecasted advance-demand information (ADI) to postponement is justified, but can easily be overstated. Finishing capacities usually force manufacturers to build ahead according to demand forecast. When capacity limitation becomes severe, intuitions often guide producers to build to forecast even more than finishing lead times ahead. Results of this research indicate that these intuitions may be invalid and build to forecast more than finishing lead times ahead may not be a good practice. Further studies reveal that under capacitated postponement the forecasted advance-demand information is useful only when the variance of demand forecast errors is less than that of demands, and show that the optimal forecast lead time can be obtained in the same way as if the capacity is unlimited.     

Improving Revenue Management Decision Making for Airlines by Evaluating Analyst‐Adjusted Passenger Demand Forecasts*

To maximize revenue, airline revenue management analysts (RMAs) attempt to protect the right number of seats for late‐booking, high‐revenue‐generating passengers from low‐valued leisure passengers. Simulation results in the past showed that a major airline can generate approximately $500 million per year through efficient RM operations. Accurate passenger demand forecasts are required, because reduced forecast error significantly improves revenue. RMAs often adjust the system forecasts to improve revenue opportunity. Analysis of system forecast performance and analyst adjustment is complex, because one must account for all unseen demands throughout the life of a flight. This article proposes a method to account for unseen demand and evaluate forecast performance (adjusted or unadjusted) through a forecast monitoring system. Initial results from one major airline's origin‐destination market data justify the value of RMA forecasting adjustments.     

基于漂移度的组合预测方法研究

由于不同的预测方法能够提供不同的有用信息,其预测精度往往也存在差异,为了分散预测的风险,采用组合预测方法。本文首先提出相容方法集和互补模型集,然后在对不同单一预测模型的漂移性和互补性研究的基础上提出了基于漂移度的组合预测模型,为组合预测模型研究提供一种新的思路。最后通过实例来说明基于漂移度的组合预测模型能够提高样本期预测精度和外推预测精度及实际应用的有效性。     

Application of support vector machines in financial time series forecasting

This paper deals with the application of a novel neural network technique, support vector machine (SVM), in financial time series forecasting. The objective of this paper is to examine the feasibility of SVM in financial time series forecasting by comparing it with a multi-layer back-propagation (BP) neural network. Five real futures contracts that are collated from the Chicago Mercantile Market are used as the data sets. The experiment shows that SVM outperforms the BP neural network based on the criteria of normalized mean square error (NMSE), mean absolute error (MAE), directional symmetry (DS) and weighted directional symmetry (WDS). Since there is no structured way to choose the free parameters of SVMs, the variability in performance with respect to the free parameters is investigated in this study. Analysis of the experimental results proved that it is advantageous to apply SVMs to forecast financial time series.     

同种商品不同月份期货组合风险评价模型研究及应用

以期货合约的每一交易日的对数涨跌率来反映市场风险,借助VaR风险价值法,运用加权核估计技术(WKDE)和指数加权滑动模型(EWMA),建立了基于期货组合中持有头寸不同且可以进行风险对冲的期货组合市场风险非线性叠加评价模型,解决了同种商品、不同月份期货组合每一交易日最大损失的确定问题,并通过实证研究验证了模型的实用性.该模型的特点一是借助WKDE法预测组合中单个合约每一交易日涨跌率最大日亏损值,充分体现了期货合约涨跌率的实际走势,使VaR估计更加精确.二是通过动态迁移相关系数矩阵的计算保证了模型的精确性.采用EWMA模型预测动态变化的方差-协方差矩阵,从实证的角度得到更精准的动态迁移相关系数矩阵.三是考虑了组合中多头和空头不同头寸之间的风险对冲,避免了实际中期货组合风险的线性相加而造成放大风险或减少风险的不准确性,从而能较好地保证了模型的预测精度及准确性.四是通过基于风险非线性叠加建立的期货组合风险评价模型解决了SPAN系统中期货组合风险的线性叠加问题,从而得到更合理的组合风险预测值.     

小波包与混沌集成的股票市场预测新方法

基于小波包变换和混沌理论提出了一种股票市场建模及其预测的新方法,既能刻划时间序列的规律,又能捕捉混沌状态的特征.首先,应用小波包变换对上证综指和深证成指日收益率序列进行三层分解,分别得到第三层从低频到高频八个频率成分的时序,并在此基础上作进一步分析,结果表明中国股市存在混沌特性;然后,应用混沌理论分别建立从低频到高频八个时序的预测模型,分别对八个时序进行预测;最后,基于小波包理论对混沌模型预测的结果予以重构,实现对原始收益率序列的预测.与现有方法比较,结果表明该方法具有较高的精度,有极大的应用范围.     

A diagnostic analysis of the impact of forecast errors on production planning via MRP system nervousness

Abstract. The purpose of this paper is to examine the impact of forecast errors on the performance of a multi-product, multilevel production planning system via MRP system nervousness. The accuracy of forecasting methods was at one time a major concern of production scheduling and inventory control. However, with the advent of material requirements planning (MRP) systems, the significance of selecting an accurate forecasting method has diminished. Inaccurate forecast results are taken as a fact of life in production planning. Instead of attempting to develop an accurate forecasting method, efforts have been devoted towards providing an appropriate buffering method ai the master production schedule level or on the shop floor level to counteract fluctuations in demand. MRP is capable of rescheduling planned orders as well as open orders to restore the priority integrity after the disruptive changes of forecast errors occur. Nevertheless, excessive rescheduling may lead to a problem, generally referred to as system nervousness. This study investigates this problem by means of a computer simulation model. The results show that the presence of forecasi