基于组合预测模型的煤炭能源消费总量预测

文章以2000—2016年的煤炭能源消费总量为原始数据,分析改进灰色预测模型,同时引入逻辑斯蒂预测模型,以组合模型与原始数据的残差平方和最小为目标函数确定组合模型权重系数,建立组合预测模型,通过验证3者的预测结果,得出组合模型比单一预测模型预测效果更好,适用性更强,对于煤炭能源消费总量的预测具有较好的指导意义与可行性。     

基于拉开档次法组合模型在物流需求预测中的应用——以江苏省为例

为了对物流需求进行科学预测,文章在主成分分析的基础上,选取了对物流需求影响较大的3个主要因素:人均社会商品消费额、人均GDP和商品零售价格指数为自变量.分别建立了多因素灰色预测模型、ARIMA预测模型、多元回归预测模型,并运用拉开档次法建立了组合模型。通过该组合模型对江苏省物流需求进行了预测。结果表明,江苏省物流需求每年以近9.5%快速增长。与其他预测模型相比,该预测模型具有更高的预测精度。     

沿江开发下的水质、水量的优化配置

本文根据沿江流域水(资源)环境状况,首先建立经济增长与水环境污染模型,运用单变量时序方法,研究污染指标等单变量数据与该地区的经济增长的内在相关度;其次,在分析江苏经济增长方式的条件下,建立新一轮增长周期下江苏总用水量Logistic预测模型,预测江苏用水趋势和走向;最后预测全省以及沿江八市的将来水资源所面临的问题,并提出合理的沿江开发水资源优化配置方案。     

基于时间区间时序逻辑的实时系统统一模型检测

在同一个逻辑框架内无法自动验证实时区间模型的实时区间性质。为此,该文使用一个离散时间区间时序逻辑公式建立实时系统模型,使用另一个离散时间区间时序逻辑公式描述实时系统需要满足的性质,在此基础上,离散时间区间时序逻辑统一模型检测问题即可归约为目前已解决的离散时间区间时序逻辑可满足性判定问题。该文证明了新方法的有效性以及正确性,为区间实时逻辑这一类的模型检测问题提供了方法。     

基于灰色系统模型的粮食供给分析

文章基于灰色系统理论,以1978~2006年的粮食总产量的数据为基础,建立粮食产量的动态GM(1,1)灰色预测模型,对未来10年中国的粮食产量进行动态预测,为我国今后粮食的生产提供科学决策依据.     

基于VAR和GM组合模型的电力消费预测

组合预测模型较单一模型具有更准确的预测精度,利用中国电力消费1978年～2007年的年度数据,将VAR模型与灰色预测的GM(1,1)、无偏GM(1,1)两种模型有机组合,建立灰色VAR组合预测模型,对2008年～2015年的电力消费量进行预测。结果表明,该模型平均相对误差为4.88％,拟合精度较高,具有较好的应用价值。     

智能异构模型在电机故障诊断中的研究

提出以测试电机的三相电流噪声为电机故障特征信号的诊断方法,建立电机电流噪声多元时序模型,将时序模型的多元残差序列化为一元序列作为故障总体检测指标。针对多元时序模型参数φi的特点,提出了多层NN的故障类型识别模型,应用APEX网络提取初始模式向量的分类信息,利用前馈网络建立其识别函数,实践证明该诊断方法是正确的。     

农村居民粮食消费量的影响因素及变化趋势

随着我国的经济的快速发展、农村居民生活水平的逐步提高,农民的粮食消费状况出现一些新的特点和发展趋势。采用1993--2009年的国家统计年鉴数据,运用统计分析与计量分析相结合的方法对我国农村居民粮食消费情况进行历史状况分析、实证分析及预测模型的构建,预测了我国农村居民未来20年的人均直接、间接粮食消费量以及总量,据此提出提高我国农村居民基本营养水平、改善营养结构和保障粮食安全的政策措施。     

时序知觉的认知与神经机制

时序知觉是个体对直接作用于感觉器官的客观事件顺序性的知觉.当前关于时序知觉的认知机制有两种观点,中枢计时机制认为存在一个共同的中枢加工器对不同刺激所包含的时序信息进行加工,主要包括一般阈限模型和两阶段模型;而特定特征机制则认为时序知觉取决于具体的感觉通道和刺激属性.时序知觉涉及颞一顶区、额叶、基底神经节和小脑等脑区,这也为时序知觉的中枢计时机制提供了一定的支持.时序知觉的认知机制与神经基础还有不少重要问题有待进一步探究.     

基于灰色理论和回归分析的中长期电力负荷组合预测研究

本文建立基于灰色预测和多元回归预测的电力负荷组合预测模型,结合实例,对组合预测模型的预测结果与单独采用灰色预测、线性回归模型预测的结果进行了分析和比较。     

全社会固定资产投资分析预测的多因素相关模型及优选研究

投资、消费和出口被称为拉动经济增长的三驾马车。固定资产投资作为投资的重要组成成分,是社会经济发展的一个重要推动力。本文从多因素相关模型入手,从纵向和横向两个方面对各个模型进行了优化比选,为固定资产投资的分析预测提供依据。     

农产品市场价格超短期预测研究——基于西红柿日批发价格的现代时间序列法建模

为科学分析与预测农产品市场日价格走势,研究农产品市场日价格波动的随机性特征,增强价格的预见性和市场的调控性,选择全国西红柿日批发价格为预测对象,基于价格序列数据的ADF检验和ARCH效应检验,结合2008—2009年间731天日价格数据分析,利用ARIMA、ARCH、GARCH等现代时间序列法,分别建立西红柿日批发价格预测模型,并选取2010年1月1—10日进行样本外区间的评估预测。研究表明,3个日价格预测模型的平均绝对百分比误差（MAPE）都在2％以内,其中GARCH模型在预测中具有更高的精度;农产品市场价格超短期预测中,在没有突发性因素干扰的情况下,所建立的3个模型预测结果的精度比较理想,但对于突发性事件等引起的价格急剧变化难以定量化模拟和预测。     

现代粮食物流的综合预测模型

粮食物流涉及许多因素,关键是物流的流向、流量、动力、流速等参量。依据这些基本的要素可以构造主要的物流变量,如粮食产消差量、粮食品种结构调剂量、特殊物流量和冗余物流量等。在理想的情况下,上述4个量之和可以表明总的粮食物流量。据此完成粮食物流预测模型的构造,可以达到简化的预测目的,为物流规划和物流管理提供便捷工具。     

产值单耗法在负荷预测中的应用

用产值单耗法预测渑池县2010年用电量,利用年均递增率法、电力弹性系数法、自然增长加大工业负荷法等3种预测方法对产值单耗法预测结果进行了校验．在适用条件、计算难度和适用期限等方面对这几种预测方法进行了分析、比较,重点对产值单耗法的适用范围、优缺点进行了分析评价,提出了一些有益结论,为县级供电企业短中期负荷预测提供了参考．     

基于Lasso和支持向量机的粮食价格预测

首先利用Lasso方法在影响粮食价格波动的众多因素中选出了粮食储备、粮食生产成本、粮食产量、粮食政策、生产需求、贸易需求、心理预期等7个主要影响因素;然后在Lasso变量选择的基础上利用支持向量机进行粮食价格的回归与预测,同时,把Lasso、支持向量机、Lasso-支持向量机及ARIMA方法的拟合预测效果进行比较。实证结果表明：Lasso-支持向量机组合预测方法的拟合预测效果要优于另外三种预测方法。     

基于GARCH模型的品类供货量、交易量、流拍率与价格的波动性分析

论文分析了同一品类产品交易日的价格、供货量、交易量和流拍率的波动特征。研究了拍卖市场各时间序列波动的随机性特征。以昆明国际花卉交易中心为实例研究,选择其2009年2月16日至2010年2月12日的交易数据进行分析,利用GARCH类模型,分别建立收益率、供货量变动率、交易量变动率、流拍变动率的预测模型,拟合最佳分布,并分析杠杆效应。研究表明：四个波动序列预测模型的Theil不等系数值均介于0和l之间,具有较高的预测精度,供货量、交易量负冲击大于正冲击,而流拍率仅存在正冲击。     

中国股市已实现?系数的特征分析与建模研究

利用已实现波动方法对上海股市404 只股票的周?系数进行实时估计，分行业对已实现周?系数进行了统计分析，结果表明。高科技行业的?系数同其他行业的?系数有显著性差异。探讨了股本与行业因素对不同模型预测?系数结果的影响，研究表明，平均绝对预测误差MAE和均方预测误差MSE表明预测精度有随着股本增大而减小的趋势，并且保守型行业预测精度要普遍好于高科技行业的预测精度。     

福建省社会消费品零售总额的预测

以2004年1月至2010年12月福建省社会消费品零售总额月度数据为样本,建立了时间序列季节模型和单整自回归移动平均(ARIMA)模型,并分别应用它们对2011年各月的指标值进行了预测。在此基础上进行组合预测,得出了2011年1-12月福建省社会消费品零售总额的预测值。预测结果对更好地引导消费具有重要作用,模型建立的过程和方法能为相关研究提供借鉴。     

中国民用汽车保有量的短期组合预测

国内外对中国汽车保有量预测的研究很多,但由于各种假设不同而偏差较大。组合预测方法的出现,结合了不同预测方法的优点,提高了预测精度。文章运用Logistic模型拟合中国汽车保有量的增长,将其增长期划分为三个阶段,低速增长期,快速增长期,平稳增长期,以此指导灰色预测合理选取数据,对中国的汽车保有量进行短期预测。该预测方法只涉及市场最大汽车保有量的估计,尽可能地避免了传统预测模型中预测参数选取主观化的缺点。预测结果显示我国汽车保有量已经进入快速增长期,2015年将突破1亿9千万辆。     

城镇化背景下农户储粮意愿及影响因素研究--基于江苏中部地区农村的调查

农户粮食储备对国家粮食安全有着重要作用。近年来农户储粮数量不断递减,对我国粮食安全保障产生威胁,研究农户储粮的具体影响因素存在必要性。本文通过问卷调查对江苏省中部地区14个主要县市的农户进行统计分析,发现农户储粮数量呈递减趋势,并且预期未来仍有减少。通过构建 Logistic 模型,发现务农人数、农业劳动力平均受教育年限、人均粮食年消费量、距离最近的粮食购买点的距离、储备时间以及作为核心变量的储备方式均为农户储粮意愿的影响因素。