对沈阳市"十五"经济走势的整合预测与量化分析

沈阳市“十五”经济适度增长的量化分析和整合预测我们以1990年-1999年的国内生产总值（按1990年可比价格计算）为观测值（表1）,分别建立沈阳市国内生产总值GM（1.1）预测模型和线性回归预测模型(一)灰色预测模型对于表1 提供的原始数据X(0)(i); i=1、2......10,由累加公式:X (1)(i)= X (0)(K)生成新序列X (1)(i):并由之构造累加矩阵B(9×2阶)及常数项Yn(n=9): 按最小二乘原理解方程组其中　　　则有经计算得最后得即a=-0.1105,u=223.13据此,按灰色预测步骤,应有将a、u的值代入（5）得求导还原得据（6）算得下表：拟合结果,产生较大…     

求解灰色Verhulst模型参数的新方法

将传统"通过代入初始条件x(1)(k1)=x(1)(k1)=x(0)(k1)整理解得α和β"的方法改进为"通过灰色微分方程αea(ki-k1)+β=1/x(1)(ki),再次利用最小二乘法确定α和β"的新方法,对灰色Verhulst模型的参数求解方法进行改进。研究结果表明:新方法的灰色Verhulst模型建模不仅模拟效果较好,而且适用于等间距和非等间距,并通过等间距与非等间距的实例,与传统模型及近期一些优化模型对比分析,说明了新方法的可行性和优越性。     

自回归预测的改进方法:变换数据列

一、引言 已知时间序列资料: 建立自回归模型^x(t)=^α+^βx(t-1)进行预测时,要求数据列{x(k)}(k=1,2,…n)为光滑离散函数,其主要条件是:(A)ε＞0,(E)k0,当k＞k0有:     

对灰色预测模型残差问题的探讨

对利用原始经济序列x0建立的灰色预测模型检验不合格或精度不理想时,要对建立的模型进行残差修正(建立修正模型),以提高模型的预测精度。在对以往的残差模型进行残差检验时常用△(1)=x1-■1衡量,笔者认为利用灰色模型实际预测的是■0的大小,因此对模型进行检验时需用△(0)=x0-■0衡量。本文以灰色预测模型中的GM(1,1)模型为例,对两种残差检验的衡量方法进行了比较分析,并提出了改进灰色预测模型的方法与建议。     

三种灰色系统模型的预测比较

灰色系统模型误差直接影响模型的预测精度。文章在传统灰色系统模型的基础上,重新定义了误差数列q(0)(k),并对误差数列q(0)(k)进行了深入讨论,从而得到了两个修正模型,并与传统模型进行了比较。     

经济模型结构稳定性的统计诊断

1模型结构稳定性的统计描述为分析问题方便起见,我们设在所研究的模型中,内生变量为y,外生变量为x1熏x2熏…,xk,其N个序列观测值yt熏x1t熏x2t熏…熏xkt熏t=1熏2熏…,N来自两个经济环境不同的时期,其中前N0(N0相似文献   

灰色GM(1,1)模型新的改进方法

为了提高灰色GM(1,1)模型的模拟及预测精度,文章考虑对模型的初始条件x(1)(n)增加扰动因素β,把x(1)(n) β作为模型的新初始条件,并对模型的背景值进行优化,从而得到了一种改进的GM(1,1)模型。文章还通过实例验证了新建模型比原有模型具有更好的模拟及预测精度。     

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.     

非线性贝叶斯动态模型及其随机模拟算法

一、引言非线性贝叶斯动态模型定义为观测方程:zk=hk(xk,nk)(1)状态方程:xk=fk(xk-1,vk-1)(2)初始先验:(x0|D0)其中,观测方程描述观测值(或向量)如何随参数变化,状态方程描述参数如何随时间变化。nk和vk-1可以认为是一种随机误差,它们相互独立且各自独立。     

发展系数与预测模型初始值确定的新方法

文章针对用x~(1)(k)、x~(1)(k-1)加权组合来优化背景值的情形,提出发展系数初始值不必通过基本灰色模型x~(0)(k) a[1/2x~(1)(k) 1/2x~(1)(k-1)]=b求解,而是直接令发展系数初始值a_0=ln(1/(n-1)(■ (x~(0)(k-1))/(x~(0)(k))的新方法;然后分析了原始模型响应式中以x~(0)(n)=x~(0)(n)为初始值存在的缺陷,提出了先推导出还原式,再以x~(0)(n)=x~(0)(n)为初始条件确定离散响应式系数的新方法。     

灰色GM(1,1)模型预测精度改进方法新探

灰色预测是灰色系统理论的重要组成部分,而GM(1,1)模型又是灰色预测的基础.笔者在实际应用中发现,用GM(1,1)模型对动态数据进行处理,有时可得到较好的结果,而有时的结果却不理想,研究表明,在某些场合,如时间序列单调增长尤其符合指数规律增长且速度慢的情况下,拟合效果较好,更多场合存在较大的误差,其中一个重要原因是使用最小二乘法估计模型未知参数a、b时,单纯利用差分代替微分引起的误差;另外,动态微分模型得到的时间响应方程初始值用第一个点x(t0),这对外推预测也带来一定的误差.     

灰色系统模型在我国人口数量预测中的应用

一、基本理论与方法 灰色系统建模的思想是直接将时间序列转化为微分方程,从而建立起抽象系统发展的动态模型,对于原始序列X(t),t=0,1,2,……,N;最常用的预测模型是GM(1,1)模型:     

时间序列的多项式模型及其应用

对时间序列作预测一般采用移动平均法 ,指数平滑法。本文利用拉格朗日插值公式及最小二乘法给出时间序列的多项式模型。一、拉格朗日插值公式及多项式模型传统的拉格朗日插值公式指的是 :如果 ｙｉ=ｆ(ｘｉ) ,ｉ=0 ,1,2 ,… ,ｎ ,则存在唯一的ｎ次多项式Ｐｎ(ｘ )满足Ｐｎ(ｘｉ) =ｙｉ　 (ｉ=0 ,1,2 ,… ,ｎ) ,并且 :Ｐｎ (ｘｉ ) =Σｎｉ=0 ｙｉｌｉ(ｘ) ,其中ｌｉ(ｘ)= (ｘ -ｘ0 )… (ｘ -ｘｉ-1 ) (ｘ -ｘｉ 1 )… (ｘ -ｘｎ)(ｘｉ-ｘ0 )… (ｘｉ-ｘｉ-1 ) (ｘｉ-ｘｉ 1 )… (ｘｉ-ｘｎ)因此 ,对于时间序列 {ｘｉ,Ｔｉ},ｉ =1,2 ,… ,…     

基于神经网络灰色Verhulst算法的CPI预测模型

为了提高居民消费价格指数的预测精度,对于呈近似S形的CPI时间序列,利用灰色Verhulst模型对其预测.构造基于时间序列的人工神经网络输入输出模式,利用BP神经网络对原始数据与灰色verhulst预测值的残差进行训练.仿真实例表明,该组合算法预测结果比单纯使用GM(1,1)模型、灰色Verhulst模型和文献[1]的总体误差要小,将神经网络引入到灰色Verhudst模型中能较好地提高预测精度.     

对误差序列相关模型参数估计方法的探讨

一、引言经典线性回归分析的一个基本假定是模型的随机误差项之间互不相关,然而,对经济数据进行计量分析时,经常发生的问题是模型中误差项之间存在着序列相关。在误差项序列相关模型中最简单的一种是以下的自相关表示形式:Yt=α βXt μt(t=1,2,…,n)ut=ρut-1 εt|ρ|<1(1)其中εt满足经典假设条件E(εt)=0E(ε2t)=σ2εE(εtεs)=0(t≠s;t,s=1,2,…,n)(2)如果对式(1)直接使用最小二乘法(OLS法)进行参数估计,虽然OLS估计具有无偏性和一致性,但不具有有效性,不再是系数的最优估计。对此,通常采用的解决办法有两种①:第一种是广义最小二…     

基于新陈代谢GM(1,1)模型的我国人口城市化水平分析

一、灰色预测模型 (一)GM(1,1)模型 GM(1,1)模型可以弱化原始序列X(0)的随机性和波动性,为灰色模型提供更加有效的信息,所揭示的原始序列呈指数变化规律.     

关于最小二乘法的稳健性分析

一、问题的提出 用ψ(x)拟合m对数据(xk,yk)(k=1,2,…,m),使得误差平方和m∑k=1[yk-ψ(xk)]2最小,这种求ψ(x)的方法,称为最小二乘法.     

我国旅游业接待规模预测分析

旅游产业是我国的支柱产业之一，作为新的经济增长点的旅游业也是主要的创汇产业之一。2000年我国旅游入境人数为8344.39万人，国内居民国内旅游人数已达7.44亿，全国合计出游率达到59.1%。笔者在此采用灰色预测方法，样本选取的期间为1995年至2000年，并对今后几年的情况作出预测。对入境旅游人数的模型预测表一列出了1995年～2000年我国旅游入境人数的资料，根据表一的资料可以建立灰色预测模型GM（1，1）如下:首先，令序列X(O)为{46.39，51.13，57.59，63.48，72.80，83.44}，对应的累加生成序列X(1)为{46.39，97.52，155.11，218.59，…     

无偏灰色Verhulst模型初始条件的优化

针对传统无偏灰色Verhulst模型初始条件的选取问题,分别提出了以x（1）（1）和x（1）（n）为初始条件的优化模型,使得原始序列的一阶累加生成序列与其模拟值的误差平方和达到最小。在此基础上,给出了最优初始条件下的无偏灰色Verhulst模型的预测公式,并通过实例验证了优化模型的有效性和实用性。     

多变量灰色模型在经济预测中的应用

一、引言 灰色预测是一种对含有不确定因素的系统进行预测的方法.它通过鉴别系统因素之间发展趋势的相异程度,对原始数据的生成处理来寻找系统变动的规律,从而建立模型来预测事物未来的发展趋势状况.目前社会经济领域应用比较广泛的是单变量一阶模型,即GM(1,1)模型.我们考虑系统总是由多个变量,多个因素构成,因此本文应用多变量一阶预测模型GM(1,N),对江苏省国民经济发展的趋势进行预测.