西安地铁二号线客流量预测分析

城市的发展激化了交通需求与道路建设之间的矛盾,为了缓解这种矛盾,一些大中型城市将眼光瞄准了城市轨道交通。本文论述了客流量预测对于轨道交通规划的重要性,通过"四阶段"法,对西安地铁二号线的客流量进行预测。通过对预测结果的分析,简述影响城市轨道交通客流量预测结果的因素。     

北京奥运会场馆客流量分布模型

北京奥运会作为举世瞩目的盛世.本文拟对奥运会场馆周围商区的客流量情况进行分析计算,进而使客流更便于疏通和管理.通过预演得出的数据进行统计分析,运用消费者行为理论,采用分布函数拟合,得出了分布规律模型.对于观众人数、出行路线、场馆上座率等的合理的假设,运用图形优化技巧,建立了相应模型计算出各个商区的客流量分布并对奥组委提出相关建议.     

幕于SPSS分析的人力资源梯度分布研究

人力资源一直是核心竞争力。广义的梯度理论认为，不同地区的人力资源状况是有梯度的。本文运用主成分分析法、聚类分析法对我国三十一个省市、自治区、直辖市的人力资源状况进行评分、排序和分类，阐述各地人力资源在人力资本供求、投资与收益等方面的基本状况，提出相应的建议，以期具有理论和实践的意义。     

北京市税收的地区分布特征及其成因分析

本文以2009年相关数据为样本,对北京市税收的地区分布特征及其成因进行了分析,发现城区收入是北京地方税收的主体,高新技术企业的发展带动了涉外税收的大幅增长,南城地区的经济快速发展,已成为北京税收增长的重要力量,特别是京郊地区经济的发展,为郊区经济和社会的稳定、健康、协调发展做出了重要贡献。     

城市交通中利用Gram-Charlier分布估计行程时间可靠性

行程时间可靠性近年来成为交通领域重点关注的问题,但现有方法在反映当前行程时间的尖峰厚尾特征方面已表现出与实际情况的较大差异,因此本文针对这一弱点,结合数据收集的难易,设计了一种新颖的栅格行程时间预测方法,可以全面考虑车辆的行驶和等待时间,然后引入了可以反映更多行程时间信息的Gram-Charlier分布函数,作为行程时间可靠性的研究手段,同时对分布参数给出了两种计算方法.仿真结果表明,本文提出的方法能很好体现当前城市交通行程时间的易变性特点.     

二类油层注聚见效特征及认识

根据二类油层注聚试验区动态变化情况，结合油层发育状况、沉积特点、注采井连通状况，分析萨南地区二类油层注聚见效特征，并提出了二类油层注聚的初步认识，为二类油层聚驱推广提供借鉴。结果表明，二类油层注聚各采出井见聚情况及见聚时间存在较大的差异性。     

关于富士康问题的建模分析及预测

近期富士康公司发生的连续自杀事件引起社会广泛关注,本文逐步建立了微分模型,Logistic模型及其改进模型对这一现象进行分析,并在考虑外在因素的改变之后,对未来的走势加以预测,用logistic回归分析得到最终自杀的比率收敛于1-1/σ,自杀的人数稳定在22左右。     

福建台风极端强降水的时空分布及环流特征

利用福建省1979—2018年国家气象站和2007—2018年区域自动站1h降水观测资料,采用国际上在气候极值变化研究中通用的取某个百分位值作为阈值的方法,确定不同时间分辨率下福建台风极端强降水阈值标准。以6h为例,分析了台风极端强降水的时空分布及环流形势特征,结果如下:①随着2007年以后区域自动站的增多,降水的极值更容易被观测到,极端强降水的阈值也明显提高;②无论是出现极端强降水的台风个数还是台风极端强降水的出现次数,都有随时间增多的趋势,台风极端强降水主要出现在沿海各地市和内陆的局部县市;③极端强降水强度并不随台风强度减弱而减弱,热带风暴、热带低压影响下出现的极端强降水常比强热带风暴和台风强。极端强降水出现前台风中心主要位于福建沿海地市及台湾海峡,其次是江西境内及闽赣交界处、广东东部沿海及南海北部;④极端强降水的产生与台风环流低层不同来向气流之间的辐合、海上气流的水汽输送以及福建沿海地形的抬升作用有关,台湾岛地形对台风外围气流的分流作用也为福建极端强降水的产生提供有利条件。     

南昌餐饮业分布特征及研究

近几年,南昌餐饮业发展非常迅速,餐饮业的增长速度超过了GDP的增长速度,南昌餐饮业发展的规律亟需总结,本文以南昌餐饮业分布特征为研究视点,通过实地调查和资料分析,发现南昌餐饮业的空间分布与城市商业中心的分布有一致的变化规律,菜系分布既与地域文化有关,又与城市商业活动的特点有关。     

时间序列灰色定权聚类模型

本文首先指出了灰色定权聚类模型只能用于时间点而不能用于时间段的局限性,在此基础上提出了时间序列灰色定权聚类模型,并通过实例说明了新模型的应用.本文的结果拓广了灰色定权聚类模型的应用范围,使人们对事物的认识更趋深入.     

四川省CPI的时间序列分析

居民消费价格指数(CPI)是衡量宏观经济发展状况的指数之一。CPI把价格水平对宏观经济的影响概括在一系列可量化的统计数字中。时间序列分析中,基本的分析模型是ARMA模型和ARIMA模型。本文以四川省2009年至2014年的CPI统计数据为基础,借助相关分析软件,建立与现实情况较为吻合的分析模型,对四川省的CPI做时间序列分析。     

基于时间序列数据挖掘的消费者物价指数中食品零售价格分类

随着经济的发展,人民生活水平也日益提升,同时人们对物价关注度也有明显的提高。2011年3月份CPI增幅的再创新高,引起了全社会对物价的普遍关注。本文立足于CPI,以人们生活紧密相关的食品价格走势出发,采用时间序列数据挖掘方法,计算趋势距离,采用分步聚类对其进行了科学分类的基础上,并立足于我国经济这一大环境,针对CPI的涨幅控制得出了合理化的建议。     

股票遴选与投资业绩——基于属性约简及动态时间规整距离

评价风险资产价值的指标(属性)有很多,以少量指标(属性)从数以千计的风险资产中筛选出有投资价值的资产对投资业绩影响重大。本文以股票市场为例,提出了基于属性约简及动态时间规整距离的股票遴选方法。首先利用基于属性重复度的改进属性约简算法筛选出能区分股票投资价值的约简属性集,之后将单指标动态时间规整算法拓展到多指标,建立股票间基于约简属性集的多维动态时间规整距离集,利用聚类技术对规整距离集进行聚类并通过拆分规整距离对股票进行类别划分,遴选收益-风险特征均较好的类别中的股票构建资产池。数值试验表明:随机模拟权重和均等权重投资组合的累积收益率均高于市场基准,且资产的优化配置进一步改善了投资组合的收益-风险特征。该方法通过属性约简降低了投资者评价股票投资价值的难度,通过多维动态时间规整距离度量了不同股票关于各指标(属性)时间序列变动趋势的相似程度;遴选过程基于历史数据,避免了主观因素的影响,且筛选结果具有稳健性。此外,该方法适合于一般风险资产的遴选,还可以将不同市场不同行业考虑在内,以便更好地实现分散化投资。     

罗源湾春季营养盐分布及潜在性富营养化分析

根据2006年3月底对罗源湾进行的海洋化学—生物要素的调查资科,分析了罗源湾春季营养盐和叶绿素a(Chl-a)的分布特征,进行了潜在富营养化评价,讨论了影响罗源湾春季营养盐和Chl-a分布的主要因素及其相互关系。调查发现,罗源湾营养盐和Chl-a分布具明显的空间区域性,罗源湾内湾春季水体为氮氮限制中度营养水平。影响罗源湾海区P偏高的原因是多方面的,水产养殖是重要的因素。     

基于LSTM神经网络的金融时间序列预测

本文提出将小波分析与纳入时间序列依赖特征的长短期记忆(LSTM)神经网络相结合,构建金融时间序列数据预测模型,以克服现有模型对金融时间序列数据非平稳、非线性、序列相关等复杂特征以及数据间非线性交互关系无法反映的缺陷。同时,以道琼斯工业指数日收盘价为例,探究LSTM神经网络对实际金融时间序列数据的预测能力,比较其与多层感知机、支持向量机、K近邻、GARCH四种模型的预测效果。实证结果表明LSTM神经网络具有更高的预测精度,能够有效预测金融时间序列数据的长短期动态变化趋势,说明了其对金融时间序列数据预测的适用性与有效性。此外,对金融时间序列数据进行小波分解与重构,可有效提高LSTM预测模型的泛化能力,以及对长短期动态趋势的预测精度。     

董事会特征与公司业绩的相关分析——基于我国上市公司的实证研究

董事会是股东和管理层之间的桥梁,担任着双重的角色,在公司治理中有着举足轻重的地位。而公司的一个重要目标即是提高公司业绩,那么董事会的各特征会对公司业绩有何影响,如何建立更为有效合理的董事会治理机制,从而促进公司更好的发展?本文通过对我国上市公司董事会特征和公司业绩之间关系的实证研究,试图找出一些规律,为我国上市公司的董事会治理机制的完善提供一些思路。     

基于重现时间间隔分析的极端收益预测及交易策略研究

极端收益的预测在金融风险管理中非常重要。本文系统研究了极端收益重现时间间隔的统计规律,提出了一种基于重现时间间隔分析的早期预警模型,并对极端收益的重现进行预测,检验了模型在样本内外的预测性能;最后分别针对极端正收益和极端负收益的样本外预测结果,设计了看涨和看跌的两种交易策略,并以中国上证指数、法国CAC40指数、英国富时指数、香港恒生指数和日本日经指数为例,对交易策略的日均收益率进行了统计显著性检验。研究结果表明,极端收益的重现时间间隔具有右偏、尖峰厚尾和强自相关等典型特征;极端收益预测模型在样本内和样本外检验中都具有良好的预测能力;看涨和看跌交易策略在卖出区间均能有效地避开下跌阶段,看涨策略有更显著的盈利水平。     

集成k-means聚类和有监督特征选择的混合式协同过滤推荐

为了提高协同过滤推荐质量,提出了集成k-means聚类和有监督特征选择的混合式协同过滤推荐框架和KDICF算法。利用有监督特征选择的方法和技术,找出与待预测项目强相关的项目集,将高维稀疏的用户-项目评分数据集转为低维用户-项目评分数据集,并运用k-means聚类,在此基础上寻找近邻用户对目标用户未评分项目进行评分预测。实验结果表明,混合式KDICF算法有着优异的性能。     

基于符号时间序列方法的金融收益分析与预测

引入符号时间序列分析方法从大尺度的角度分析收益变化的特征,提出了确定收益变化的主要模式并预测收益水平的方法。首先将收益序列转化为符号序列,由符号序列中不同的字代表不同的收益变化模式,根据符号序列直方图,可以确定收益变化的主要模式。然后,根据各收益变化模式的概率分布,在前几个时点收益水平确定的情况下,可以推知下一个或几个时点处于不同收益水平的概率,从而实现对收益水平的预测。对上证综指、深证成指以及上证工业股指数、上证商业股指数、上证地产股指数、上证公用事业股指数共六个股票指数的收益序列进行了实证分析,确定了各指数收益的主要变化模式,并基于主要变化模式进行了收益水平的预测,从而说明了该方法的有效性和可行性。