我国能源需求预测模型研究

本文首先比较了不同的能源需求预测方法的特点,并选择确定性加随机性时间序列组合模型对我国能源需求进行预测;然后详细介绍了建模的过程,并对模型预测精度和参数稳定性作了评价,结果表明本文采用的组合模型是一种比较有效的预测方法;最后用该模型对我国2004-2020年能源需求进行了预测.     

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。     

基于ARIMA模型对我国能源需求的预测

本文利用时间序列的建模方法,对我国1987-2006年的能源消费总量数据进行了实证分析,构建了ARIMA模型。经检验该模型能够很好的拟合全社会对于能源的需求趋势。在此基础上作了短期预测,最后给出了结论及建议。     

基于多源数据深度融合的金融时间序列预测

文章提出一种双阶段深度学习的金融时间序列预测模型,研究股民评论、金融新闻资讯与股票指标多源数据对股票市场波动的影响。该模型运用word2vec并结合卷积神经网络对非结构化文本数据进行情感分析,计算情感权重并与股票指数联合;通过双向长短时记忆网络结合注意力机制关注文本重点语义分布,提升全局时序信息敏感度,从而完成非线性、时变性的股指预测。所提模型相比于单一使用股票指数,其均方误差降低0.264,比BiLSTM股票预测模型降低了0.186。实证结果表明,端对端的多源数据融合情感分析模型能够有效解决因多级因素导致的股票市场波动性与不规律性,从而对股票指数进行预测。     

基于多源数据融合的个人信用评分研究

随着信息技术的发展,数据来源越来越多,一方面可以更加精准、科学地刻画个人信用状况,但另一方面,由于数据来源多、结构复杂等问题,对传统的征信技术带来了挑战。本文提出了基于多源数据融合的个人信用模型,可以同时对多个数据集进行建模和变量选择,同时考虑了数据集间的相似性和异质性。通过模拟实验发现,本文所提出的整合模型在变量选择和分类效果方面都具有明显的优势。最后,将整合模型应用于城市和农村两个数据集的个人信用评分中。     

基于贝叶斯PSECM模型的非线性协整能源需求研究

文章通过面板数据平滑转换模型研究影响能源需求的主要因素.针对面板数据平滑转换模型的序列差分容易造成信息缺失的问题,进行误差修正,构建PSECM模型,刻画变量的非线性特征与变量之间的长期稳定的非线性关系.由于非线性最小二乘算法难以收敛,容易造成参数估计不准确,运用贝叶斯方法分析模型结构,估计模型参数;在此基础上,对新兴市场国家进行实证分析,研究结果表明:贝叶斯算法能够准确地估计模型各参数,证明了贝叶斯PSECM模型的有效性,能源需求弹性与经济水平、能源价格、金融发展水平之间存在长期稳定非线性协整关系.     

基于组合预测模型的粮食价格模拟仿真比较

文章构建了基于组合预测模型的粮食价格预测模型,并实例分析了基于组合预测模型的粮食价格预测模型要比基于单一预测模型的粮食价格预测模型精度高.文章分析了现有的粮食价格预测模型的研究成果,并指出研究成果中存在的缺陷,接着建立了基于组合预测模型的粮食价格预测模型,推导出确定组合权重的计算公式,最后通过实证对比分析了基于组合预测模型的粮食价格预测能有效提升粮食价格预测精度,说明所建立模型的可行性和有效性.     

基于新维无偏灰色马尔科夫预测模型的中长期能源消费预测

本文针对中长期能源消费的特点,引入了新维无偏灰色马尔科夫预测模型。该模型充分利用结合了灰色预测与马尔科夫链理论的特点,用无偏灰色预测模型拟合系统的发展变化趋势,并以此为基础进行了马尔柯夫预测,在每一步预测中,不断推陈出新,对原始数据进行等维新息处理。实例结果分析表明,该模型预测准确度尤其是中长期预测准确度良好。     

油气生产成本的组合预测研究

进行油气生产成本预测是增强资源型产业竞争力的有效机制。然而油气生产成本内容的相对复杂性导致单一预测方法存在预测信息不够周全、预测价值有限的弊端,通过实施单一预测结果的误差分析,获取组合预测模型的修正权重,应用组合化模型进行油气生产成本预测,能够有效发挥单一预测方法的优势,获取相对优化的整体预测结果。     

基于混频数据的宏观经济组合预测模型与实证

文章利用我国日度金融数据和月/季度宏观经济数据,从伪样本外预测的角度,构建混频数据抽样模型(MIDAS),并加入金融、经济领先因子,对比四类组合预测模型对宏观经济的预测精度。结果显示:组合预测模型能减少对宏观经济预测的系统误差,提高预测精度。其中,日度金融数据可以提高单变量的预测精度;无论在MIDAS还是在传统预测模型中,月/季度宏观经济数据均能提高对宏观经济的预测精度;月/季度宏观经济数据对宏观经济的预测效果与日度金融数据对宏观经济的预测效果相当,甚至优于日度金融数据对宏观经济的预测效果;月/季度宏观经济数据的领先项对我国宏观经济的预测效果较好。     

多分类器融合框架下的模糊积分方法

随着信息融合技术的发展,多分类器融合技术逐渐由基于数据的融合向基于知识的融合发展。在基于知识的多分类器融合研究中,模糊积分方法是三大发展方向之一,它相对于其他两种方法具有独特的优势。本文对多分类器融合现状进行了分析,指出了模糊积分方法的进展和发展方向。     

基于ARMA-GM-BP组合预测模型及应用

文章介绍了ARMA、GM(1,1)模型并建立了ARMA-GM-BP组合预测模型;通过对中国2005～2013年(DP的预测和检验,表明该组合预测模型的拟合及测试效果比单独利用ARMA、GM(1,1)模型的效果有很大改善;最后运用ARMA-GM-BP组合预测模型,对中国2014年、2015年的GDP作出了预测.     

基于GMDH的小样本数据预测模型

对于样本数据少的情况,文章中利用SPSS曲线估计的方法选取三次曲线和二次曲线两种模型进行预测,同时用GMDH自回归模型进行分步预测,最后利用GMDH组合模型将三种模型进行组合预测。预测结果表明:GMDH自回归模型对于小样本数据的预测结果优于其他模型,效果更好、更稳定。     

基于ARIMA-GMDH的GDP预测模型

文章先对四川省GDP分别建立了ARIMA时间序列模型和GMDH变量自回归模型来进行预测;然后利用GMDH自组织建模方法建立ARIMA-GMDH组合预测模型来预测;最后使用Bonferroni-Dunn方法对三个模型的稳定性进行分析检验。模型预测结果和稳定性检验结果表明:基于ARIMA-GMDH组合的GDP预测模型的拟合和预测都优于另外两种单预测模型。相比之下组合模型在拟合和预测效果具有较高的可靠性、准确性和稳定性。     

结合景气指数的GDP组合预测模型研究

文章首先对中国季度GDP序列建立了AR-GMDH预测模型;然后加入对GDP相关性较大的景气指数,建立了ARCH模型;最后利用GMDH自组织建模方法提出新的组合预测模型.对比分析各模型预测结果表明:两种单一模型预测误差均在可接受范围之内,基于GMDH组合的GDP预测模型的拟合和预测效果比单一模型更优.     

基于投影寻踪和BP神经网络的多因素预测模型

文章运用投影寻踪方法,在不改变训练样本分类质量的条件下,按照输入影响因素相对于输出的重要度的大小,确定BP神经网络的输入层变量维数。通过对样本的学习,建立投影寻踪BP神经网络(PPCBPN)多因素预测模型,将其用于国际黄金价格预测。结果表明,该方法减少了网络的训练时间,改善了学习效率,具有较高的预测精度,是可行和有效的。     

基于BP神经网络的信息商品价格预测模型

从信息商品价格的特点和BP神经网络的功能出发,借助样本训练集和改进的BP算法提出了基于BP神经网络的信息商品价格预测模型,并对模型的泛化精度进行了讨论,最后进行了仿真实验.     

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IOWA算子的税收组合预测模型

文章引进诱导有序加权平均(IOWA)算子的概念,建立诱导有序加权平均新的组合预测模型.该模型与传统的组合预测方法的区别在于组合预测的赋权系数与单项预测模型无关,而是与单项预测模型在各时点上的预测精度的大小密切相关,这是组合预测方法的一种新的可变赋权方法.文章给出了基于IOWA算子的税收组合预测模型,实例分析结果表明该模型是可行和有效的.     

绩效信息自适应融合的熵模型

本文提出了一种用于绩效信息融合的熵模型,依据融合的几个步骤即绩效信息提取、关联与决策,描述了基于熵模型进行绩效信息自适应融合的新方法。该方法可对从各对象源(如数据库、知识库等)中提取的绩效特征属性信息进行模型化,对这些模型化的绩效属性信息进行关联后,得到准确的决策。本文为了实现多对象源的绩效信息融合,还提出了EAA算法。