安徽省煤炭资源消费需求预测分析

文章在对安徽省煤炭资源进行详细调查的基础上,结合影响矿产资源消费需求的因素,运用时间序列趋势预测和多元线性回归预测,对安徽省煤炭资源需求关系进行分析;预测安徽省自今至2020年的煤炭资源需求量,认为届时将达到1.03亿吨-1.08亿吨。     

基于GM（1，1）模型的新疆人力资源需求预测分析

根据灰色预测模型,并运用残差检验、关联度检验和均方差检验进行模型检验,以保证预测结论的可靠性,研究表明：新疆未来十年人力资源数量呈现不断增长的趋势,这将为新疆经济社会实现跨越式发展提供强大的人力资源;人力资源受教育年限的不断增加,意味着新疆教育水平的提升,人力资源整体素质的提高,这为新疆的发展提供了智力的支持人力资源结构也发生了很大的变化,男女比例趋于平衡、镇人口比例与乡村人口比例不断趋于平衡。     

基于支持向量回归机的中国煤炭长期需求预测

本文运用支持向量回归机(SVR)对我国煤炭1985—2008年需求量进行模拟与仿真,预测我国2009—2020年煤炭长期需求,并模拟解释变量不同增长率下煤炭的需求量,最后根据预测结果给出政策选择。研究结果表明,在基本情景下中国煤炭需求从2009年的20.648亿吨,到2017年将出现峰值,达到24.592亿吨,随后缓慢下降至2020年的23.186亿吨。说明在现有的能源消费情景下,中国高速经济增长依然要严重依赖煤炭。同时还发现,经济增长是煤炭需求增长的主要原因,影响最大,是能源政策的一个重要影响变量;工业结构(第二产业)影响次之,即便是微调,也会对煤炭需求有较大的抑制作用;城市化也是影响煤炭需求的一个重要因素,但影响相对较小。     

正态模糊数时间序列的回归预测问题研究

讨论了一类不分明时间序列的线性回归预测问题,通过模糊数空间中的距离,建立了模糊环境中最小二乘回归模型,证明了回归模型的解的存在性和唯一性,并给出了确定模型的模糊参数及检验模型拟合度的计算公式。     

基于系统动力学的城市公交投资需求预测

运用系统动力学的理论与方法建立了城市公交投资需求预测模型,以成都公交为例,根据相关的历史数据进行了检验,相对误差百分比小于5％,有较高的可信性.并以此对2012-2022年城市公交的投资需求和公交出行分担率进行预测,发现随着对城市公交的不断投资,公交出行分担率将会在2020年达到33.1％左右.从投资的结构来看,购车资金和场站建设所占比重最大,解决它们的资金来源能有效地解决城市公交企业现存在的融资难问题.     

基于多元线性回归的物流需求预测分析——以安徽省为例

基于多元线性回归思想,选取安徽省2000—2019年货运量、三次产业总值、固定资产投资总额、社会消费品零售总额、进出口总额等统计数据,运用EVIEWS9.0软件进行多重共线性检验、异方差检验、自相关检验与经济意义检验,旨在构建最佳的物流需求预测模型.结果表明,第二产业与第三产业发展对安徽省物流需求影响最为显著,前者正相关,后者负相关.总体上看,模型的预测精度较好,尤其是对近期的预测精度较高,可以使用该模型对安徽省物流需求进行预测分析.     

安徽省城镇居民消费情况实证分析

文章根据《安徽省统计年鉴》中的相关数据 ,运用时间序列线性回归等模型对 1 995 -1 999年安徽省城镇居民的消费支出情况进行实证分析 ,以揭示近几年来安徽省城镇居民的消费支出的结构及特点 ,以及消费不旺局面的内在原因。同时文章还探讨了一些与消费密切相关的经济热点问题     

神经网络和卡尔曼算法在石油需求预测中的应用

分析中国1978—2009年影响石油需求的8个相关指标数据。将指标分成3组,通过每组指标的数据分别用广义回归神经网络和误差反向传播神经网络（GRNN和BPNN）方法对2013年的中国石油需求量进行预测,并对其预测结果进行比较。进一步采用神经网络平均影响值（Mean Impact Value,MIV）方法,从影响石油需求时间序列的相关指标数据中筛选出对石油需求影响最大的5个变量。用选出的5个变量,根据AIC准则确定了时间序列的阶数,并建立了石油需求的AR时间序列模型。采用卡尔曼滤波算法和Rauch-Tung-Striebel（RTS）算法对AR模型进行了后验估计。卡尔曼滤波算法使得模型参数得以更新,且相关仿真结果表明,对于AR模型的输出起到较好的修正作用,从而提高了模型的预测精度。     

国内外物流需求预测研究趋势可视化分析

借助Scopus和CNKI检索了物流需求预测的相关文献,通过文献可视化软件CiteSpace对国内外研究文献进行关键词共现、突现、时区图等图谱分析。结果表明：研究热点方面,国内研究多集中于中微观层面,从经典统计学模型、优化算法到神经网络预测模型及其改进等方面对具体行业的物流量进行预测,而国外则更关注智能网络模型等方法在宏观区域物流上的应用。研究前沿方面,国内近三年在智能优化算法与多元回归模型的组合研究较多,国外则更关注大数据发展下人工智能方法及其组合的应用,且对物流供应链中企业库存、备件的资源优化配置较为重视。最后对新的研究方向提出了展望。     

公路货运价格与需求动态关系的实证分析

为从理论上探索经济转型时期公路货运价格形成机制,基于2006年1月至2007年12月中国公路货运行业的运价和运输量时间序列数据,运用时间序列分析方法实证分析了中国公路货运行业运价与需求之间的动态关系,包括长期趋势、季节变动以及货运需求与运价之间的相互作用关系。统计分析表明,平均运价是一个常数,不随货运需求和供给而变化;季节因素是造成运价短期波动的主要因素,产业生产成本特性、需求的数量和质量是影响运价与需求量之间作用关系的重要因素。     

国内需求对出口贸易影响的实证分析

根据1990—2009年我国的出口额、最终消费支出额、固定资产投资额、外国各国国内生产总值以及人民币对美元实际有效汇率的数据,利用单位根检验、协整分析、格兰杰检验和建立误差修正模型等方法,就内需对我国出口贸易的影响进行实证研究和度量并得出结论：内需扩大总体上对我国出口贸易的发展具有显著的促进作用,而内需中的消费和投资对出口贸易有着不同的影响,消费需求的扩大对我国出口贸易的促进作用不及投资大。就此提出相关政策建议。     

基于Internet信息服务模式的电子商务模拟软件需求分析

为了提高信息服务电子商务人才的全面素质,本文提出了电子商务模拟软件开发的重要性和必要性,并重点给出了模拟软件的系统分析.     

时间序列建模、预报的原理

本文介绍时间序列理论的基本内容,以及各种基本模型。最后对各类时序模型做预报公式。     

高等教育人才供求总量的预测研究

规划高等教育人才发展需要考虑到人才需求水平与人才供给能力两个方面 ,本文以浙江省为分析对象 ,选用非线性模型法预测了人才总需求 ,采用时间序列分析法 (自回归模型 )预测了其人才总供给 .在此基础上揭示高等教育人才供给与需求存在的矛盾 ,并实证性地分析了至 2 0 2 0年高等教育发展模式的选择 .最后 ,提出了几个的政策建议 .     

国内大中型客车市场需求预测

为从理论上探析大中型客车市场需求问题,运用图表分析法和直线趋势预测法分析了近几年中国大中型客车市场的销售情况和市场特点,同时预测2008年大中型客车的市场需求。分析认为：在公交优先政策的实施、旅游业的快速发展等一系列相关因素影响下,大中型客车市场将稳步发展,但竞争也会日趋激烈。分析结果表明：大中型客车企业应当建立完善的销售网络和售后服务体系,生产适销对路的产品,努力拓展海外市场。     

以广义回归神经网络预测共同基金报酬

鉴于近年来许多相关文献成功地运用广义回归神经网络进行财经方面的预测,以及国内共同基金净值之预测与报酬率评估。通过搜集国内基金资料,以灰关联分析法进行各基金投资绩效分析,挑选投资绩效良好的共同基金作为投资标的;再以广义回归神经网络建立预测模型,与灰预测模型、多元回归模型进行预测能力及报酬率的比较分析。5种预测绩效评价指标、5组数据交互验证散布图及报酬率分析表明:广义回归神经网络在预测能力及预测报酬率上均有很好的表现。     

城市化需求潜力与效应实证分析

从定量角度,采用协整检验和向量误差修正模型,分析城市化与居民消费、投资间的相互关系以及城市化的需求潜力与效应对我国经济增长的贡献。实证分析结果表明:城市化与投资、消费存在长期稳定均衡关系;城市化是消费、投资增长的格兰杰原因;城市化短期内对消费和投资产生波动性影响且作用较小,但长期却能够通过需求累积效应促进经济增长。     

老年人慢性病健康教育方式需求分析

通过调查南京市中老年人慢性病相关状况、健康养生方式、健康教育投入费用支出等情况,分析目前慢性病健康教育的效果及需求,探讨有效可行的健康教育推广方式。问卷调查及分析。中老年人基本生活方式较健康,健康投入愿望强烈,但健康养生途径比较单一,缺乏科学指导。不同医保形式的人群健康教育需求差异很大。健康教育可以有效防止慢性病健康费用开支,预防和减少慢性病的危害,目前中老年人获得健康养生途径单一,这显现出以专业医学工作者为指导和以政府为主要推动力量的社区健康教育方式的稀缺,而中老年居民普遍关注自身健康,且有增加自身健康投入的愿望,但缺乏科学合理的投入渠道与正确引导,国家相关部门应为健康教育的实施提供财力、物力和政策等方面的保障,可根据不同人群的性别、收入、居住状况、职业背景等差异方面,实施有针对性的、梯度定价方式设计的健康教育产品。     

基于SVR的股市预测与择时研究

本文首先阐述支持向量回归机原理,在此基础上建立了SVR预测模型,以HS300指数数据为测试样本,分析了SVR模型在时间序列预测问题中的优势,并在此基础上进行了交易实验.结果表明：支持向量回归机适用于预测股市大盘的短期走势,并能够得到比较好的预测效果.