基于主成分分析的LS-SVM非线形预测模型应用

天然气消费量的预测对于四川省这样的一个天然气资源大省有着非常重要的意义。影响天然气消费量的因素很多,并且影响机制比较复杂,传统的线形预测模型必然会存在较大误差。文章在考虑影响四川省天然气消费量众多影响因素的基础上,选择出比较有代表性的自变量体系,利用主成分分析方法对自变量体系进行降维及去噪,并将生成的主成分作为四川省天然气消费量预测模型的自变量体系,采用最小二乘支持向量机(LS-SVM)建立非线形预测模型。结果表明,该模型性能明显强于其它预测模型,具有一定的应用价值。     

我国石油消费与经济增长关系研究

本文通过对国内生产总值(GDP)、石油消费、石油产量和石油工业产品出厂价格指数进行分析,建立向量自回归模型(VAR)并进行因果关系检验,模拟了GDP、石油产量和石油价格对石油消费量的影响,并预测了今后我国的石油消费量.     

能源消费结构统计特征研究

采用移动平均、HP滤波、VAR模型等方法对中国能源消费结构的循环及趋势特征进行研究,结果表明：化石能源消费对新能源消费影响通过GDP波动而发生作用,强化能源利用效率,维持GDP的稳定增长有助于中国能源消费结构优化,克服循环因素波动的影响。从强化提升新能源消费水平的角度看,煤炭／石油消费量的上升会拉动新能源／天然气消费量的增加,而新能源消费量上升会抑制煤炭／石油消费量的上升。因此,在中国能源消费结构上,新能源与煤炭／石油之间存在一种制衡机制,这也印证了中国产业政策取向和能源消费结构优化政策的合理性。基于此,针对性的提出了相关能源消费结构优化对策。     

我国能源消费构成的分析及预测

从灰色理论出发,运用logratio变换对成数数据处理的方法,对我国能源消费构成进行预测,预测结果较好.通过预测值我们可以看出煤炭的消费比例仍然高居不下,并有缓慢上升趋势,石油,电力等能源消费比例变化不大,天然气的消费比例有大幅度提高.     

西安市天然气阶梯价格城市家庭门槛消费量的估计

以西安市为例,通过分层随机抽样获取样本,对家庭天然气阶梯定价初始档的消费量及决定因素进行分析。通过调研发现,在燃气灶、燃气热水器和壁挂锅炉三个主要用能终端中,壁挂锅炉家庭和非壁挂锅炉家庭的消费特征显著不同。运用He和Reiner的能源消费门槛值(Threshold)模型,对这两类家庭样本进行估计,得到壁挂锅炉和非壁挂锅炉家庭天然气阶梯价格门槛值消费量分别为898.07立方米/年和182.74立方米/年,证实西安市实施中的天然气阶梯价格划定的门槛值(一档线)过高,不能实现高收入家庭交叉补贴低收入家庭的收入再分配效果。     

中国能源消费系统预测模型的构建

文章采集了大量能源消费量的历史数据,在此基础上首先利用灰色预测和多项式曲线趋势外推的方法建立了我国能源消费系统的单项预测模型;其次,通过标准差法进行权重分配,建立了我国未来能源消费量的组合预测模型,并应用此模型对2007～2011年的能源消费量进行了预测.     

基于主成分分析基础上的中国蔬菜家庭消费预测

文章在对中国蔬菜家庭消费的现状进行论述后,通过主成分分析法分析影响中国蔬菜家庭消费的五个因素,再利用回归得出城镇和农村居民的不同家庭人均蔬菜消费量的模型.在此基础上,以城镇人口和农村人口为因变量,建立人口的时序模型.结合这两个模型对我国蔬菜的家庭消费量,以及全国蔬菜家庭消费市场总容量进行未来年份的预测,以期为中国蔬菜产业发展中的政策制定和战略调整提供依据.     

中国能源消费的ARIMA模型预测分析

文章利用Box-Jenkins法的ARIMA模型,对1953～2007年中国能源消费总值数据序列进行分析,建立了1953～2005中国能源消费的自回归移动平均模型ARIMA(3,1,3).检验结果表明,ARIMA(3,1,3)模型对原始数据序列有着较好的似合效果,模型的预测效果良好,可用于短期内中国能源消费量的预测.根据建立的模型预测结果,中国能源消费量仍将保持较高的增长.     

我国经济增长、经济结构与能源消费关系之研究

本文在研究我国能源消费的过程中,通过对经济学理论和以往学者研究成果的总结分析,得出了经济发展、经济结构、城镇化率、研究与实验发展经费支出等四因素直接影响能源消费的结论。文章利用2003-2008年六年间国内30个省（区、市）的相关数据构建了四个因素对能源消费影响的固定效应面板数据模型,有效地分析了不同要素对能源消费的影响程度。同时,利用自回归移动平均模型对我国2010年的能源消费进行了预测。本文认为,在今后一段时期内,我国的能源消费量将持续增长。加大科技投入和科技创新,提升产业技术水平,提高能源的利用效率,是强化我国在能源领域的竞争力,促进中国经济可持续发展的有效路径。     

基于自组织数据挖掘的区域物流需求预测

文章将自组织数据挖掘方法应用于区域物流需求预测,建立了参数GMDH输入输出模型和非参数模糊规则归纳区域物流需求预测模型,鉴于单个模型预测的局限性,以最小二乘法为最优化准则,建立了最优线性组合预测模型。实证分析表明组合预测结果比较满意,自组织数据挖掘方法是区域物流需求预测的有效工具。     

基于ARIMA模型的中国煤炭消费量增长预测

我国煤炭消费量序列是一组依赖于时间变化的随机变量,可用ARIMA模型予以近似描述。文章运用1965～2006年我国煤炭消费数据建立了ARIMA(2,1,4)模型,经诊断检验与实证检验发现,预测精度较高,可用于我国煤炭消费量预测。预测结果表明:2007～2010年我国煤炭消费量将不断增长,但增速会有所回落。科学的煤炭消费量预测结果可为国家合理规划煤炭生产和进出口提供重要依据。     

基于遗传算法优化的LS-SVM模型的应用研究

文章介绍了最小二乘支持向量机及遗传算法的原理,利用遗传算法优化参数后的最小二乘支持向量机建立四川省天然气消费量的时间序列预测模型.并利用两个性能指标将其与BP神经网络模型进行了对比,结果表明,在样本有限保证一定精度的情况下,遗传算法优化参数后的最小二乘支持向量机模型的范化能力较强,能够利用该模型对四川省天然气消费量进行预测,并在最后利用该模型预测2007～2009年四川省天然气消费量.     

基于系统动力学的中国石油需求系统模型及预测

建立了基于系统动力学的我国石油需求系统模型,然后利用GM(1.1)灰色模型对部分因素进行预测,再将灰色系统模型的预测值导入模型.从而对2008～2020年我国石油消费对外依存度和石油需求量进行了预测.预测结果表明,我国石油消费对外依存度以年均1.51%的速度增长,2020年战略石油储备完成后,石油消费对外依存度将达到62.5%.我国石油总消费量将2.5%的速度增长,到2020年将达到5.28亿吨.通过政策模拟,预测了不同经济发展速度下我国的石油需求量,结果表明,经济的发展速度对我国的石油需求量影响比较大.     

基于SARIMA-GMDH的CPI组合预测模型

文章以2001年1月至2015年2月的我国CPI定基指数为样本数据,首先构建季节乘积SARIMA模型与GMDH自回归模型对CPI进行预测;然后通过自组织数据挖掘理论构建SARIMA-GMDH组合模型再次对CPI进行预测;最后通过模型拟合优度检验与预测能力分析综合评价这3个预测模型,探索各个模型预测效果的差异性,总结评价组合预测法在经济现象中的预测优势.     

基于DFA方法的自组织组合预测模型的应用

文章运用消除趋势波动分析(DFA)方法,计算了四川省工业增加值季度数据的标度指数,该指数表明四川省工业增加值的时间序列值具有长程相关特性,其预测模型有较好的拟合效果.在此基础上根据自组织数据挖掘的理论与方法,提出了自组织组合预测模型.模型预测结果及与ARIMA、GMDH自回归、SPSS曲线估计等三个单项预测模型及最优线性组合、人工神经网络组合等常用的组合预测模型的对比表明,自组织组合预测模型不仅改善了对数据样本的拟舍精度,而且显著提高了模型的预测能力.     

运用统计指标与景气指数对工业经济的组合预测

本文应用GMDH中的相似体合成预测方法,建立了工业增加值预测模型,对比分析了引入景气指数前后该经济预测模型的预测效果,实证分析结果证明引入景气指数做工业经济预测效果更好。     

基于BP神经网络与修正GM(1,1)模型的能源消费组合预测

随着我国经济社会的进一步发展,能源需求逐步增大,且消费量的增长与多种因素相关.能源消费预测存在与多因素的关联.文章在基础GM(1,1)模型框架下,以重新累积生成累加后序列预测值的方式进行GM(1,1)的无偏化修正,并按照加权平均背景值重设进行pGM(1,1)模型修正;并以各种非线性参变量间的映射纳入组合BP神经网络的能源消费预测.结果证实,无偏GM(1,1)、pGM(1,1)模型有效降低了GM(1,1)的预测平均相对误差,再与BP神经网络组合预测,形成了较好的能源消费预测精度.     

居民家庭水产品消费需求影响因素分析与预测

文章基于2000-2012年的历史数据,尝试构建含有多个影响因素变量的多元灰色预测模型MGM(1,n),并结合等维灰数递补技术,对2013-2017年的居民家庭水产品消费需求进行预测分析,结果表明:2013-2017年我国居民家庭水产品消费需求将延续近些年波动增长的趋势,预计到2017年居民家庭水产品消费量将达到1669.4万吨,年均增长率约为3.21％.     

中国碳排放影响因素的分析与预测

文章采用灰色系统理论中的灰关联分析讨论了中国碳排放及其与各影响因素之间的关系(1995～2004年).发现人口数量、煤炭能源消费和水电能源消费在各影响因素中对我国碳排放的关联度高;其次为石油消费和天然气消费因素:最后为核电与GDP.表明,人口增长对碳排放贡献最大:经济活动中能源消费结构的合理选择远比经济增长本身对碳排放的影响更为重要.同时.采用灰色系统理论中的灰预测方法对我国碳排放的可能量做出了相应预测(2010～2015年).结果说明.如果在人口政策不变的前提下,不调整现有的能源消费结构,我国的碳排放将会持续增长,而且对气候变化的负面影响也将会愈加严重.     

房地产市场价格的此较建模研究

近几年,我国房地产市场价格逐年攀升,引起了人们的广泛关注.研究房地产市场价格的变化趋势具有重要的理论和实践意义.笔者主要采用经济基本面数据,通过自回归、多元线性回归、RBF神经网络、自组织数据挖掘以及组合预测的方法来建立模型,然后对这些模型进行评价,并从中找出最能反映现实房地产价格变化趋势的模型.