ARMA模型在成都市人均GDP预测中的应用

从时间序列的基本概念出发,以成都市1978～2010年的人均GDP时间序列数据为基础,建立了ARMA模型,并对成都市未来三年的人均GDP进行短期预测．     

小波变换在股市预测中的应用

本文应用小波变换对深圳股票市场的建模与预测进行了研究。首先对股指时序进行小波分解;然后对分解后的各部分分别建立混沌模型进行预测;再对混沌模型预测的结果予以小波重构,即得最终的预测结果。从吸引子结构的观点对预测精度提高的原因进一步分析得出,小波分解可使分解后的时序变得简单而容易预测,因而使得最终的预测结果能够具有较高的精度。研究表明,小波变换在股市预测中具有非常好的应用前景。     

S变换时变滤波在去噪处理中的应用研究

针对常用的滤波去噪方法都受到使用条件的限制，实际资料的滤波去噪不能达到良好效果，S变换时变滤波克服了传统滤波去噪方法滤波因子不能随时间、频率变化而变化的缺陷。将地震资料用S变换方法变换到时频域，对不同时间内不同频率的噪声部分充零，再将去噪后的地震数据利用S反变换到时间域，以获得所需要的有效信号。通过理论计算分析和实例计算表明，S变换时变滤波能够有效去除不同时段、不同频率的噪声。该方法具有一定的可行性。     

基于MEEMD小波软阈值函数的去噪方法

结合互补集合经验模态分解(CEEMD)和基于排列熵的信号随机性检测,提出了MEEMD方法。通过采用MEEMD方法将一个含躁信号分解为几个固有模态(IMFS),用软阈值函数来抑制高频固有模态的噪声,提高信号的信噪比(SNR)。对比该方法与基于EEMD和小波软阈值的联合去噪、基于CEEMD和小波软阈值联合去噪等方法得到的信噪比(SNR)和平均平方误差(MSE),发现基于MEEMD小波软阈值去噪方法的去噪效果较好。     

磁共振图像小波去噪方法的参数选择研究

在小波去噪理论的基础上,对磁共振图像小波去噪过程中所涉及的小波函数、分解层数以及阈值三个参数进行了研究.即在保持其他参数取值不变的情况下,通过实验找出去噪效果最好的某个参数取值,并最终得出了一组适合磁共振图像小波去噪的参数组合.本文的实验结果为磁共振图像小波去噪方法的参数选择提供了有效参考.     

一种改进小波阈值函数的信号去噪

针对传统小波阈值函数去噪容易存在尖峰和边缘模糊现象导致去噪效果不理想的问题,在现有软阈值和硬阈值的基础上综合软硬阈值的优点,提出一种改进的阈值算法,在尽可能多的滤除噪声信号的同时保留原始信号的特征。同时,在Matlab环境中对含噪信号进行去噪处理,比较各阈值函数和改进阈值函数的去噪效果,从而验证改进阈值函数对信号去噪的有效性。此外,在小波变换中选取不同的小波基函数和阈值进一步验证该改进阈值函数较软、硬阈值和半软阈值方法所获得的去噪效果更好,在新的阈值函数下去噪后的信号信噪比更高,均方根误差越小,越有利于提取信号的特征,进而对信号进行频谱分析。     

小波包变换在股市预测中的应用研究

应用小波包变换对股市预测进行了研究,提出了股市预测的小波包方法。首先将股指时序进行小波包分解,并对分解后得到的各部分进行混沌判别,以确定其混沌特性;然后对各部分分别建立混沌模型进行预测;再将混沌模型预测的结果进行小波包重构,则得到原始时序的预测结果。对上证综指日收益率进行了单步预测和多步预测研究,效果很好。     

基于ARMA模型河北省地区收入总额的预测

大多数时间序列具有惯性或是迟缓性。通过对这种惯性的分析,未来值可以由时间序列的当前值进行估计。以1978年到2011年河北省地区收入总额数据为研究对象,将这些数据平稳化并做分析,发现ARM A （2,2）模型能比较好的对河北省地区收入总值进行时间序列分析和预测。     

基于ARMA模型的黑龙江省潜在经济产出预测

基于伯克斯—詹金斯的时间序列理论,选取1978‐2013年黑龙江省GDP数据,应用ARMA模型对潜在经济产出建模,预测出未来五年黑龙江省潜在产出,为地方政府制定经济政策提供智力支持。     

小波变换和混沌理论在股市预测中的应用

应用小波变换和混沌理论相结合的方法对股票市场进行预测,即先对股指时序进行小波分解,然后对分解得到的高、低频部分分别进行混沌预测,再将预测的结果进行小波重构,得到原始时序的预测结果。在此基础上应用小波和混沌理论提出进一步提高预测精度的方法,即通过对高频部分再进行小波分解、混沌预测和小波重构而使高频部分的预测精度得以提高,进而提高原始时序的预测精度。     

基于ARMA模型的台湾对大陆出口额预测研究

本文根据台湾与大陆的贸易情况,利用1978——2012年度台湾对大陆出口额数据,运用ARMA模型对台湾对大陆的出口金额进行分析研究,并进行了短期预测。通过分析研究,发现台湾对大陆的出口额在逐年增加,并且在未来一段时间还有继续增加的趋势。这一结论为今后大陆与台湾贸易合作提出指导性建议提供了理论依据,尤其对于台湾制定对大陆经贸政策更具指导意义。     

基于ARMA模型的安徽省城乡居民消费水平差距的预测

长期以来安徽省城乡居民消费差距无法得到根本性缩小,这已经影响到安徽省城乡居民整体生活质量的提高,也进一步阻碍安徽省内消费需求的增加。ARMA模型具有简单快捷,预测精度高,适应实际需要的特点。以1978～2010年安徽省城乡居民消费水平数据为基础,运用ARMA模型分析安徽省城乡居民消费差距的相关问题。模型预测结果表明,未来几年安徽省城乡居民消费差距还无法得到有效减少,因此,需进一步加大对农村民生工程的投入力度,实现城乡经济统筹发展,改善农村居民生活质量。     

ARIMA 模型在湖北省 GDP 预测中的应用

本文依据1978至2010年湖北省 GDP 的相关数据建立 ARIMA 模型。利用 STATA 统计分析软件对时间序列数据进行了平稳性检验、模型的选择、模型的定阶和模型的检验。经过合理筛选,选择 ARI－MA（0,1,1）模型作为最终模型,并以此模型对湖北省2011至2015年 GDP 值做出预测。结果显示,2013年前的预测结果基本符合事实,2014—2015年 GDP 的预测值具有参考价值,所以模型具有可应用性。     

基于协整—ARMA模型的河北省税收收入预测研究

经济税源是税收收入的基础。相关理论和实践都表明,税收与经济增长之间存在着一种长期均衡关系。为模拟这种均衡关系,建立了税收与经济的协整模型;为预测税基发展趋势,建立了经济产值的ARMA模型;对经济税基的预测进一步测算税收收入的季度规模,并用部分历史数据和外推数据对预测模型进行了验证。经证明,模型的预测精度较高,可用于对未来各季度税收收入的实际预测。     

改进的FastICA算法在地震数据去噪中的研究

为了有效去除地震数据的干扰噪声,采用FastICA算法进行降噪处理。地震数据的有效信号和噪声是非线性混合的,不满足FastICA算法使用的线性混合条件,提出了一种改进的FastICA算法进行地震数据降噪。该方法首先利用小波变换将地震数据分解到不同尺度空间上,然后设计了一种新的阈值降噪函数,并将FastICA和小波变换进行有效结合,对不同尺度空间上的噪声进行消除,通过小波重构恢复有效信号,利用仿真实验确定了新算法的分解层数为3。将改进的方法进行实际地震数据降噪处理,结果证明改进的方法能有效去除地震数据的各类干扰噪声,通过信噪比得出改进的FastICA较原始FastICA降噪效果更理想。     

基于邻域相关性小波去噪的滚动轴承包络解调及故障分类

将邻域相关性的冗余第二代小波应用于滚动轴承信号降噪,用Hilhert包络解调法提取的故障特征频率,比较不 同转速和载荷下的提取效果,提出包络幅值峭度指标,并将其输入BP神经网络进行故障诊断。结果表明：基于邻域相关 性的冗余第二代小波降噪方法能很好的抑制噪声,保留原信号的信息;降噪后的故障信号经过Hilbert包络解调能找到 特征频率及其倍频,其效果优于原始信号的包络解调分析。工况会影响分析效果,且速度对提取效果的影响大于载荷。 包络幅值峭度指标能很好区分不同工况的故障信号,结合BP人工神经网络诊断正确率为100%。     

SPSS预测模型在汽车市场分析中的应用

本文采用SPSS软件中多元统计分析模块Regression对某汽车公司销售量进行了回归分析,并进行了经济学检验、多元线性回归模型检验,即判定系数检验(R检验)、回归系数显著性检验(T检验)、回归方程显著性检验(F检验)及准确度检验,结果得到的回归模型可用于对汽车行业销售量的预测分析。     

集成模型ARIMAX-GARCH及其在股票预测中的应用

在分析ARIMAX模型与GARCH模型的预测特性和优劣的基础上,建立了基于两者集成的ARIMAX-GARCH模型,其基本思想是充分发挥两种模型在回归与序列波动性因素提取方面的优势.对从5大行业中随机抽取的10只只股票的实证分析表明,该集成模型在股票预测中的准确率与稳定性显著优于两个单一模型.     

神经网络模型在上市公司财务困境预测中的应用

选取有效分析指标,建立神经网络预测模型,对中国上市公司的财务困境进行预测,研究结果表明该模型预测精度较高,可以作为投资者和证券分析人员使用的一种有效预测工具.     

灰色动态模型在人口总量预测中的应用

在介绍灰色动态模型原理与模型检验的数学理论的基础上考察灰色动态模型在人口总量预测中的应用,结合实际建立人口总量预测模型,经模拟预测残差检验和后验差检验均为“很好”,说明该模型具有一定的应用价值。