天然气消费量自组织数据挖掘预测研究

文章通过分析天然气长期消费的影响因素及变化特点,认为天然气消费量和影响因素时间序列均存在一个或多个相似期;运用自组织数据挖掘的相似体合成预测方法构建天然气消费量预测模型,并通过北京地区天然气消费量预测进行模型精度检验,结果验证运用自组织数据挖掘的相似体合成方法进行天然气消费预测是科学可行的。     

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.     

基于灰系统主成分的话题趋势预测模型

话题趋势预测影响因素众多,为了降低因影响因素多带来的计算复杂度,文章中利用主成分分析将多个可能相关的变量化为几个互不相关的主成分变量,并对这些不相关的变量运用GM(1,1)模型分别进行预测,并将预测之值代入GM(1,N)预测模型中,从而得到灰系统主成分话题预测模型,有效降低了热门话题预测的复杂度,最后实证了方法的可行性。     

基于SSA-MGF的偏最小二乘回归预测模型

本文利用奇异谱分析和均生函数方法,对原始序列重构延拓作为自变量,原始序列作为因变量,建立偏最小二乘回归预测模型,并与主成分最小二乘回归预测模型比较分析.实例结果表明,该方法具有预测精度高、稳定好的特点.     

基于正交迭代的有监督的稀疏主成分分析

主成分分析是经典的无监督的数据处理工具,近年来关于稀疏主成分和有监督的主成分研究受到较多关注。基于正交迭代和距离相关系数,提出一种有监督的稀疏主成分分析方法 SSPCA,该方法考虑了自变量与因变量之间的相关性,并在迭代求解的过程中将一些与因变量Y相关性很弱的自变量对应的系数变为0,使所求的特征向量只保留预测能力较强的自变量信息;在数值模拟与实例分析中,相比其他四种方法,SSPCA方法均能取得较好效果。     

区域物流需求预测模型研究

为了提高区域物流需求预测的能力,文章从区域经济等影响因素指标与区域物流需求之间的内在关系的角度,利用主成分分析对各影响因素指标进行处理,构造了基于主成分分析-SVR的"影响因素-区域物流需求"预测模型.在选择适当的参数和核函数的基础上,对上海市物流需求量进行仿真,通过与标准的-SVR方法和线性回归方法进行了对比,发现该方法能获得较小的训练相对误差和测试相对误差.     

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.     

基于som网络-主成分-BP网络的股价预测

文章提出一种基于som网络-主成分-BP网络预测模型,用于股市收盘价的实时预测。首先采用som神经网络将特性分散的样本划分成不同的子类,然后采用主成分分析方法对影响目标数据的众多变量进行降维处理,在此基础上,构建了股市收盘价的BP神经网络预测模型,大大改善了预报的精度和效率,通过对采集的股市数据进行测试,表明本文提出方法的有效性。     

统计预测模型在北京蔬菜需求量中的应用

统计预测模型可分为因果关系模型和时间数列模型,对于蔬菜需求量的分析和预测也可以从这两方面入手。 一、因果关系的分析和预测 回归模型是进行因果关系分析及预测的有效手段。在建立模型时,首先要确定自变量,即因变量的影响因素。 北京市蔬菜需求总量的影响因素很多,主要是消费人口和人均需求量两个因素决定的。     

现阶段保险业与经济发展的适应关系——基于主成分回归方法的实证研究

文章利用主成分分析回归模型将经济社会发展状况的复杂指标进行主成分分析,进而得到保费收入与主成分变量的多元回归模型,得到影响现阶段保费收入的主要经济社会影响因素并进行定量分析。     

我国农村居民口粮消费的组合预测

随着农村人口向城镇转移以及农村居民收入的增长,我国农村居民口粮需求逐年下降.预测农村居民口粮消费量不仅有助于把握农村居民消费结构的变动轨迹,而且对指导粮食生产也有重要的意义.文幸针对单一的预测模型可能存在的问题,利用时间序列和线性回归的组合模型对近30年我国农村居民口粮消费量进行了拟合.通过比较单一预测模型和组合预测模型的精度发现:相对于单一的预测模型,组合预测模型预测精度较高.利用组合预测模型,文章预测未来10年我国农村居民的口粮消费量会继续下降.     

主成分分析中的统计检验问题

主成分分析已经越来越成为人们广泛应用的多元统计分析方法。但应用中盲目套用主成分分析方法的情况很多,而对主成分分析的适用性,主成分个数的合理性等问题重视不够,更谈不上对主成分分析进行统计检验。为此,为了更好应用主成分分析,就应对主成分分析结果进行统计检验并建立统计检验体系。主成分分析统计检验体系主要包括:主成分分析的适用性检验;等相关性检验;主成分方差的假设检验和选取主成分数目检验。     

黑龙江省空气质量数据的分析和预测

本文分别基于ARMA模型,主成分分析模型和神经网络模型对黑龙江省空气质量数据进行了分析和预测。首先,基于ARMA模型,本文对黑龙江省未来的空气状况数据进行预测并检验了其预测精度。其次,采用主成分分析对大气污染物等自变量进行降维,选取了有效的主成分,并对AQI进行一定刻画。最后,借助神经网络的计算机手段,对数据中变量的复杂关系做深入挖掘,以对前面的分析结果进行合理补充。     

江苏省全社会用电量预测

本文建立了江苏省全社会电力需求量的主成分回归模型,得到主成分后,根据数据自身的特点,分别选择了二次多项式、三次多项式和生长模型,将主成分与全社会用电量两个变量进行回归,得到预测模型,然后根据江苏省十一五规划的要求,对江苏省2006-2010年的全社会电力需求量进行了预测。     

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。     

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.     

四川省“十一五”期间万元GDP能耗分析

四川省情四川省在编制“十一五”规划过程中,按照中央提出的建议,力争在未来5年使万元GDP能耗降低20%左右,即每年平均下降4.4%以上。为判断实现这一目标的可行性有多大,我们对此进行了初步的分析和测算。万元GDP能耗变动趋势四川省能源消费总量及消费结构2004年,四川省能源消费总量为10699.98万吨标准煤,其中,终端消费量为9844.43万吨,损失量855.5万吨。在终端消费总量中,第一产业消费量为257.02万吨标煤准,占2.6%;第二产业消费量为6803.48万吨标准煤,占69.1%,其中工业消费量为6663.48万吨标准煤,占67.7%;第三产业消费量为1165.68万吨标…     

中心城市综合实力的主成分分析

本文采用主成分分析法,对中心城市综合实力进行定量分析,并以四川省为例,将定量研究与定性研究结合,阐述四川省中心城市的现状、综合实力以及发展趋势.     

一种面向动态发展系数a的新灰色预测模型

既有灰色预测模型发展系数a是在满足原始序列模拟误差最小约束下,通过最小二乘法来求解的,当建模系列确定之后,发展系数a即随之确定,而缺乏与外部系统状态的同步变化,这是造成现有灰色模型性能不稳定的重要原因.文章通过离散灰色预测模型对发展系数a的动态性进行了研究,并在此基础上构建了一种发展系数a可动态变化的AGM(1,1)预测模型,最后应用该模型对我国天然气消费量进行了模拟及预测,且取得了较好的效果,从而进一步验证了基于动态发展系数a的新模型AGM(1,1)的有效性与实用性.     

能源需求组合预测模型的构建及应用

随着中国经济的快速发展,能源消费不断提高。文章利用能源消费量的历史数据,建立了我田能源消费系统的ARMA模型和灰色预测模型的组合模型,通过组合模型和ARMA模型、灰色预测模型的具体比较分析,证明组合模型更为易行、有效。结论可以作为我国及地区未来能源消费量预测的有效工具。