混沌时间序列分析法在生产总值预测中的应用分析

国内生产总值是国家经济建设中一个重要的参数,是衡量国家经济实力和经济发展规模的重要指标,利用混沌动力学原理,采用相空间重构技术的混沌时间序列分析法,对改革开放以来(1978-2004年)我国国内生产总值(GDP)时间序列进行了分析,计算了时间序列的嵌入维数、延迟时间等关键参数,建立了局域预测模型。并且把预测结果和用灰色系统预测结果进行了比较。结果表明,用混沌时间序列分析法预测国内生产总值具有较好的精度。     

基于灰色GM(1.1)的邯郸市城镇化水平预测

灰色GM(1.1)模型适合少量数据的系统预测.当随时间序列的数据只有少量几个时,无法采用统计和其他的预测方法时,它作为一种少量数据的系统预测十分有效.将1999~2003年5年中的邯郸的城镇化水平作为灰色预测的原始数据,建立邯郸市城镇化水平灰色预测模型,并采用残差估计进行模型检验,成功地建立了邯郸市城镇化水平灰色预测模型.     

科学数据时间序列的预测方法

针对传统的时间序列分析方法预测科学数据效果较差的特点,提出了一种结合自组织神经网络和灰色理论的时间序列预测方法。该方法利用度量时间序列相似性距离函数,将时间序列按照其变化规律分成不同的类别,并在GM算法中针对白化参数进行优化,对科学数据时间序列进行自组织聚类,针对各类别采用灰色理论建立预测模型。试验表明,该模型适合科学数据的变化特点,提高了预测精度。     

港口吞吐量预测影响因素筛选方法研究

物流预测指标的筛选是物流需求预测工作的首要步骤。对港口吞吐量及其影响因素进行了分析,提出了预测指标的筛选原则和筛选方法,并以广西北部湾港口为例,利用2000—2008年的统计数据,采用灰色关联分析法和DPS数据处理软件工具求出各因素与港口吞吐量以及各因素之间的灰色关联度,最后根据筛选原则选出一组相关性强、结构合理的港口吞吐量预测指标。     

烟台港货物吞吐量灰色预测模型研究

结合现有港口吞吐量预测理论和烟台港口的实际情况,对烟台港口货物构成及影响进行了分析,建立了烟台港货物吞吐量灰色预测模型,对未来五年的货物流量进行了预测,为烟台港的发展提供了依据.     

基于灰色马尔可夫组合模型的福州港吞吐量预测

灰色马尔可夫组合模型是将灰色预测模型与马尔可夫模型进行组合优化,通过其对福州港2012-2016年货物吞吐量及集装箱吞吐量进行预测,并利用残差模型检验,证明了灰色马尔可夫组合模型能够解决单一模型的局限性、粗糙性和不稳定性问题,预测精度高,符合事物的发展规律,对业界预测港口吞吐量具有实践意义和参考价值。     

基于灰色GM(1,n)模型的河北物流货运量预测

在分析河北省货运量影响因素的基础上,提出了基于灰色关联分析的灰色GM(1,n)预测模型。在国家统计局指标分类基础上,将河北省货运量影响因素分为国民经济、固定资产投资和房地产、对外经济贸易、能源、运输和邮电、社会消费六类18个指标,采用灰色关联分析法对18项指标与河北省货运量进行相关性分析,根据灰色关联系数与排序,筛选灰色GM(1,n)预测变量,减少预测模型输入工作量,计算模型参数。通过对河北省1993—2012年货运量实例分析表明,该预测方法具有运算快、精度高的优点。     

大学生消费结构的灰色关联分析及趋势预测

利用灰色系统理论中灰色关联分析的方法,根据大学生各项消费行为的数据序列,计算相关因素的灰色关联度,在此基础上分析大学生消费行为的特征;建立一个关于大学生各项消费的灰色GM（1,1）预测模型,对大学生消费结构进行预测和分析,并提出合理化建议。     

基于灰色GM(1，n)模型的河北物流货运量预测

在分析河北省货运量影响因素的基础上，提出了基于灰色关联分析的灰色GM(1,n)预测模型。在国家统计局指标分类基础上，将河北省货运量影响因素分为国民经济、固定资产投资和房地产、对外经济贸易、能源、运输和邮电、社会消费六类18个指标，采用灰色关联分析法对18项指标与河北省货运量进行相关性分析，根据灰色关联系数与排序，筛选灰色GM(1,n)预测变量，减少预测模型输入工作量，计算模型参数。通过对河北省1993—2012年货运量实例分析表明，该预测方法具有运算快、精度高的优点。     

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。     

Multiscale Combined Forecast of Carbon PriceBased on Mixed Structure Data

Accurate forecast of the carbon trading price is of great significance in promoting the scientific and rational development of carbon trading market. Therefore, this paper proposes a multi-scale combined forecasting method for carbon price based on mixed structure data. First, the Google Index is used to extract the unstructured data related to the carbon price.The dimensions of unstructured data are reduced based on principal component analysis. Then, EMD is employedto the structured data,unstructured data and the carbon trading price to obtain different IMFs, which are reconstructed by the Fine-to-Coarse technique to get low, high frequency sequence and trend sequence. Furthermore, the three items are predicted respectively by using ARIMA, PLS and neural networks according to the features of each scale in time series. Finally, the forecasting results are summed to get the carbon price forecast sequence. The proposed method is used to forecast carbon price in EU. The empirical results show that the prediction accuracy of the model is higher than that of the single prediction method and the prediction method that time series aren’t decomposed by EMD, which is of great applicability.     

新疆农业生产现状及发前景预测研究

本论文通过分析历年农业数据的变化规律,建立了一个多元回归计量经济学模型,运用先进的预测方法预测了今后新疆农业发展态势,并提出了模型基础上的对策建议.     

基于广义IOWA算子的安徽省税收组合预测模型

先引进广义IOWA算子，建立广义IOWA算子组合预测模型.该模型与一般的组合预测方法的不同在于组合预测的赋权系数与预测精度有着紧密联系而与单项预测模型关系不大.这是组合预测方法的一种新的可变赋权方法.在此基础上建立基于广义IOWA算子的税收组合预测模型，并通过与指数平滑方法、线性回归预测方法和灰色预测方法进行比较，发现组合预测模型既稳定又精确.     

基于主成分分析和贝叶斯正则化BP神经网络的GDP预测

选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985～2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明:通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。     

基于SVM的股票时间序列的预测研究

支持向量机（support vector machine,SVM）是以统计学理论为基础的一种新的模式识别方法,目前已广泛应用于股票价格的预测中。在股市投资问题的研究中,股价作为时间序列数据是复杂的、非线性的,并且极不稳定。文章将支持向量机引入到股价预测的建模中,并对效果进行了分析。     

新疆生产建设兵团城镇化水平的变权组合预测

科学预测城镇化水平，对城镇化政策的制定、制度的改革、城市配套设施的建设以及就业问题的解决都具有重要意义。为了预测新疆生产建设兵团的城镇化发展水平，给出了一类基于组合权重的变权重组合预测方法，将该组合变权重组合预测模型应用于新疆生产建设兵团城镇化发展水平预测。计算结果表明组合变权重组合预测模型在时间序列数据的预测中具有一定的优势。     

口感预测型食品物性仿生检测系统

针对目前在使用质构仪进行食品物性检测时，存在的检测数据准确性较差，操作系统功能单一，测试结果与口感 评价间无关联性分析等缺点，提出了基于六自由度并联机器人的口感预测型仿生检测系统。设计了仿生咀嚼检测平台； 利用数理统计原理和最小二乘法建立了物性检测数据与口感评价之间的数学模型，实现了仿生检测系统的口感预测功 能。实验结果表明，利用数学模型获得的口感预测值与人口感评价结果之间的误差小于9%，满足实际应用的需要，验 证了口感预测数学模型构建的正确性及口感预测功能的可行性。     

运用基于数据包络分析的交互式预测方法进行财政预测

对基于数据包络分析法的预测方法进行简化,并将数据包络分析法与交互式方法相结合,得到基于数据包络分析的交互式预测方法.基于该方法得出的预测结果,不仅是技术有效的,同时也是规模有效的.最后利用该方法对财政政策的有效预测进行了实证分析.     

股票指数模糊随机预测与灰色预测实证比较研究

灰色预测和模糊随机预测是两种不同的对股票指数进行预测的方法。灰色预测模型出现的较早,模糊随机预测模型是近年来才被应用在对股票指数的预测当中。为了找出能够更加准确和能够得到更接近于真实值的较优预测模型,分别依据灰色预测模型和模糊随机预测模型,以2009年全年的每日60分钟沪深300指数为样本进行了实证研究。研究发现,采用模糊随机预测模型得到的预测结果中有71%比采用灰色预测模型得到的预测结果更接近于真实的股票指数。研究结果表明,在对股票指数实时预测准确度方面,模糊随机预测模型优于灰色预测模型。