基于CEEMD-Elman-Adaboost组合模型的国际原油价格预测研究

针对国际原油价格序列的高度非线性、非平稳性和时变性等复杂特征,提出用互补集合经验模态分解(CEEMD)和Elman-Adaboost神经网络的组合模型对Brent原油价格序列进行预测。首先,利用CEEMD将Brent原油价格序列分解为10个IMF分量和1个残差分量;其次,将各分量序列以滑动窗口的形式训练数据,利用Adaboost算法优化的Elman神经网络对各个分量进行预测;最后,将各个分量的预测结果进行求和得到Brent原油价格序列的最终预测结果。实证结果表明:该方法对Brent原油价格序列预测的均方根误差、平均相对误差、平均绝对误差均比PSO-BP、CEEMD-PSO-BP、EEMD-Elman、CEEMD-Elman模型小,新组合模型是一种预测精度更高、更有效的预测方法。     

基于混合模型的国际原油价格预测研究

由于国际原油价格的剧烈波动,使得准确的原油价格预测极具挑战。为此,提出一种基于变分模态分解、季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机的混合模型。利用变分模态分解方法将国际原油价格序列分解成一系列模态分量;针对周期性和非线性特征分量,分别建立季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机模型进行预测;将各分量的预测值求和作为最终的预测结果。实证研究结果表明:所提混合模型相较对比模型能够明显提高国际原油价格的预测精度。     

基于SWOT-AHP模型的网约车发展策略研究

网约车出行作为一种新型的交通模式,其发展水平与人民生活质量息息相关.运用SWOT分析法从多个维度确定显著影响网约车发展的因素,并将其作为AHP模型的指标层,利用专家评价结果构造相应判断矩阵,以获得量化的各指标重要性程度及排序.结果表明:"能提升行业竞争力"的优势因素位列第一,重要性程度为0.1530.结合战略决策模型可知,网约车发展应实施开拓型战略.由此,从政府、平台和乘客三方面提出合理提议.     

基于小波变换和时间序列法考虑随机分量的短期风速预测

为提高短期风速预测的准确性,本文结合小波变换和时间序列法,考虑随机分量进行短期风速预测.利用小波变换对风速时间序列分层,将高频变化的风速时间序列利用自回归滑动平均模型(ARMA)进行预测,低频变化的风速时间序列利用持续法进行预测,最后将预测结果叠加并通过随机阵列对结果进行修正.通过实例验证以及与时间序列方法进行对比,结果证明该方法的预测精度和预测稳定性都有所提高.     

基于EEMD模型的固定资产投资周期识别与预测

集合经验模态分解(EEMD)模型可根据数据特点,将时间序列分解成一系列不同频率的分量,能提供多尺度研究视角,更加精准地把握周期波动规律.本文利用EEMD模型将1996—2017年我国固定资产投资季度数据分解为5个不同频率的本征模态函数(IMF)分量和1个趋势项,根据分量特征赋予不同经济含义,在多个尺度上进行分析.结果发现:IMF1和IMF2分量整合通过白噪声检验,可认为是外部因素的随机冲击;IMF3分量周期长度约为3年,可认为是企业库存量变化引起的存货周期;IMF4分量周期长度为5年,可认为是政治周期;IMF5分量周期长度约为20年,可认为是建筑周期.随后在分量分解基础上建立ARIMA模型进行拟合与预测,通过与其他模型对比,发现EEMD-ARIMA模型表现更优.结论表明,EEMD模型在类似固定资产投资这种波动性较大的经济时间序列周期识别和预测中更具优势.     

基于三方演化博弈的网约车出行市场规制策略

网约车出行市场规制已经成为急需解决的重要问题,有必要考虑所涉及的主体对网约车出行市场的规制策略进行研究。在系统分析网约车出行市场多方主体构成的基础上,基于演化博弈理论构建了网约车出行市场规制的三方演化博弈模型,通过模型推导和数值仿真分析了政府管理部门、网约车出行平台和司机三方的演化路径及稳定策略。结果显示:政府、平台和司机单方的演化策略会同时受到其他两方主体策略的影响;政府采取"规制"策略需要考虑政府成本、出行者及司机社会福利、网约车行业稳定和社会公正等因素;平台企业采取"积极管制"策略需要考虑企业收益及成本、平台用户规模以及政府惩戒等;司机采取"合规经营"策略所考虑的因素包括司机收益及成本、用户规模、政府及平台惩戒等。     

基于交通流数据修复的GA-RF方法研究

城市道路交通中交通检测器获得的数据往往不完整,存在缺失现象,需要对其进行修复,以保证交通流预测模型的实际应用精度。现阶段随机森林(RF)方法主要应用于交通流预测方面,在交通流数据修复方面的应用和研究较少。针对低缺失比例的交通流数据修复提出了GA-RF模型的缺失数据修复方法,采用遗传算法(GA)对RF模型进行优化调参,用优化后的GA-RF模型修复交通流缺失数据,并将修复效果和其他修复方法进行比较。实验结果表明:在少量数据缺失情况下,所提出的GA-RF方法能很好地实现路段交通流缺失数据修复,且修复精度高于同等缺失比例的RF方法、历史均值法以及历史相邻加权法。     

基于熵权TOPSIS法的短时交通流预测模型性能综合评价

对于同一路段,在不同评价指标下,不同短时交通流预测模型的预测及效果评价结果往往存在差异,为从不同模型中寻求最适用于目标路段的预测模型,提出了一种基于熵权TOPSIS法的短时交通流预测模型性能综合评价模型。模型运用熵权法确定各评价指标的权重,然后依据确定的权重,选用TOPSIS法计算有限个评价对象与最优向量的贴近度,根据贴近度大小,对各模型预测性能进行排序,从而确定最适用于当前研究的预测模型。最后,以实际交通流数据为例,选用神经网络等5种模型,分别对路段未来时刻短时交通流进行预测,利用构建的综合评价模型,对各预测模型的预测性能进行综合评判。结果表明:在综合考虑均方根误差等7个评价指标的情况下,XGBoost的预测效果较好,LightGBM次之,然后依次为Catboost、线性回归以及神经网络。     

高速公路尾撞事故预警

为对高速公路尾撞事故进行有效预警,提出一种宏观交通流尾撞事故预警模型。首先考虑不同车辆类型制动反应时间的影响,建立空余安全间距模型,以空余安全间距■为尾撞事故临界条件,建立尾撞事故预警模型,依据车辆类型（液压或气压）计算不同车辆比例下制动反应时间的取值范围,确定其置信区间,通过所允许的平均制动反应时间最大值对交通流状态进行预警分级并确定等级概率;然后利用长短时记忆神经网络模型对预警特征参数交通流量q、速度v_s进行预测;最后通过实例验证,将预测数据代入尾撞事故预警模型,得到不同车辆类型比例下预警等级的概率,且概率值远大于50%,验证了尾撞预警模型的适用性,对预警等级较低且概率较高的情况及时进行管控,减少多车连环追尾事故的发生。     

移动互联网时代网约车平台监管策略——以滴滴平台为例

网约车作为共享经济的典型,代表了新的经济增长形式。尽管网约车在各个国家遭遇不同命运,但2016年我国成为世界上第一个给予网约车合法地位的主要经济体国家。滴滴是我国网约车平台中的佼佼者,正改变着出行市场格局。前期经历一番野蛮扩张后,随着接连两起人身伤亡事件的曝光,滴滴的企业形象跌入谷底。文章以滴滴网约车平台为研究对象,试图从政府、企业两个维度探讨网约车平台监管策略,以期为规范网约车治理提供可行的政策路径。     

基于PSO-SVM模型的网络流量预测研究

针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机(SVM)模型进行预测.针对SVM模型中参数难以确定的问题,采用粒子群(PSO)算法进行参数寻优,保证预测的精确度.将PSO-SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO-SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律.     

基于时空相关性和遗传小波神经网络的路网短时交通流预测

根据城市路段交通流在时间维度的变化规律和在空间维度的分布特征,以及智能算法对交通流数据的较强适应性和降噪能力,提出了基于时空相关性和遗传小波神经网络(GA-WNN)的路网短时交通流预测。首先,分析了路网交通流的时空特性和数据特征,建立了适用于交通路网的空间邻接矩阵;其次,以时空相关性函数量化不同时间延迟下路段与周边相邻路段交通状态之间的影响程度,并将其作为交通流预测模型输入变量的判断指标,结合遗传算法的全局搜索及小波神经网络的自适应学习优点构建了交通流预测模型;最后,通过实例验证表明,基于GA-WNN的交通流预测方法比其他方法更有优势,对比单一时间序列和空间序列预测方法,考虑了交通流时空相关性的预测方法能提高短时交通流预测精度。     

共享经济背景下网约顺风车的行政监管研究

作为共享经济的典型代表,近年来,网约车蓬勃发展,为公众带来出行便利,其中,兼顾各方利益的顺风车是最典型的共享出行网约车业务类型。粗放式的发展和盲目扩张,给网约车埋下了种种安全隐患,尤其是顺风车,存在严重的监管漏洞。根据现行法律法规,顺风车尚未被纳入网约车监管范畴,对车辆、司机没有具体的准入门槛,平台需承担的责任亦不明确。为此,政府应当加强对网约顺风车的监管,改变监管模式,从经济行政法的角度平衡各方利益,建立更科学完备的合力监管体系,从而更好地保障公众的安全和促进网约顺风车的长效发展。     

我国网约车保险困境及其应对

网约车的出现便利了民众的出行需求,符合节能减排的国家政策,但存在许多安全风险隐患。在我国网约车类型复杂的现状下,建立健全网约车保险制度,合理防控和化解道路交通事故中的风险,确保司机、乘客、第三人的人身、财产安全成为网约车深入发展亟待解决的问题。借鉴英国、美国等发达国家在网约车保险立法方面的有益经验,并结合我国的国情,可选择UBI的保险模式,规定分段式强制投保义务,从而完善我国网约车保险立法。     

网约车侵权责任主体的认定

我国《网络预约出租汽车经营服务管理暂行办法》确定了网约车运营的合法地位,但实践中暴露的问题是其发生交通事 故后的侵权责任应如何认定,这是现有制度规范存在缺位的地方,有必要深入研究,解决问题的关键是确定网约车侵权责任的 承担主体。目前,网约车平台公司的出行业务模式主要有“出租车”“快车”“专车”“顺风车”“代驾”,相应的网约车主与网约车 平台公司也存在“居间合同”“劳动合同”“挂靠”等法律关系,根据具体情况,可以由网约车主、网约车平台公司或者网约车主与 网约车平台公司共同承担责任。     

结合大气污染特征的VOCs聚集区识别方法

为实现VOCs聚集区的精准感知识别,提出一种结合大气污染特征的VOCs聚集区识别方法。首先,划分区域网格,利用IDW空间插值方法得到VOCs网格数据集;其次,利用HYSPLIT计算后向气团运动轨迹并引入VGG提取轨迹特征,同数据集输入TCN-BiLSTM模型,预测各网格VOCs浓度;最后,根据预测结果进行聚集区识别。以西安市碑林区为例,对VOCs浓度值进行预测,并将聚集区识别结果可视化。结果表明：该组合预测模型能够有效提高识别精度,VOCs浓度预测结果的MAE、MSE、RMSE、R²分别为6.657、103.657、10.181、0.976,预测效果优于对比模型。消融实验证明考虑气团污染特征能提高VOCs预测准确性,实现VOCs聚集区的精准感知识别。     

基于分层分布法的衡阳市公交出行预测

在城市公交出行预测分析所常用的重力模型基础上,文章运用分层分布法对不适用重力模型的公交出行特征进行了修正,并据此提出了近期（2010年）和远期（2020年）衡阳市的公交出行强度（总量）、分布、方式结构等方面的预测结论。该结论可为衡阳市公交线网优化及道路场站建设等提供决策参考。     

基于CBR的化妆品销售组合预测模型

预测是销售企业面临的至关重要的问题,预测精度会直接影响到企业的利润及长远发展。考虑到化妆品销售独特的生命周期特点,提出基于案例推理技术的化妆品销售组合预测模型。基于案例推理技术能够弥补短生命周期产品数据不足的问题,根据"最相似"产品的数据对目标产品属性进行推理计算,既提高了预测精度,又便于实际操作。在此基础上,提出了改进的BASS模型及季节性趋势增长模型,充分考虑数据序列波动的季节性、趋势性及其完整的生命周期特征。为了进一步提高预测精度,提出AFTER-GA组合预测算法,并添加PSOWv-SVM模型作为组合预测的模型之一,利用模型处理外界影响因素的能力,使得各模型取长补短,更有效地突出各模型的优势,从而取得更精确的预测结果。实例分析表明,AFTER-GA组合预测算法在精度上要明显优于其他方法;基于CBR的组合预测模型在化妆品销售预测方面,能够达到令人满意的精度要求,具有实际应用价值。     

连续交通流模型的建模与数值模拟

在元胞自动机交通流模型-FI模型的基础上,通过观察实际交通,建立交通流车辆速度与前方车距的解析函数关系,并建立连续交通流模型.研究了平衡态交通流和非平衡态交通流的流量-密度关系.数值模拟与解析结果一致.     

基于LSTM与时空结合的共享单车站点需求量预测

由于不同站点的车辆需求存在着时空分布不均衡现象,特别是早晚高峰期人流量大和车辆使用量波动性大的站点,以往的基于历史系统出行数据、时间和天气数据进行预测的模型预测性能下降.为此,本文提出了一种基于LSTM与时空结合的方法对不同类型站点的车辆需求量进行细粒度预测,并与HA、BP神经网络和GBDT模型的预测结果进行比较.实验结果表明,在加入时空结合特征后,LSTM模型针对借还车辆较大和波动性大的站点预测误差小,能够很好地在站点需求量变化大时跟踪其变化趋势.