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。     

基于多源信息融合的能源需求预测模型研究综述

文章以能源需求预测模型技术提升和预测误差不断改善为线索,从信息源的角度出发,梳理了国内外能源需求预测的相关理论与模型特征.能源需求预测模型经历了单一模型、多源模型组合和智能信息融合三个发展阶段,文章对模型发展阶段的特点和存在问题进行评述,对未来非线性、变权重技术以及多源信息融合模型在能源需求预测方面的应用做出进一步展望.     

中国能源需求结构预测分析

随着中国经济发展方式的不断转变,能源需求结构将不断变化。依据历史数据和能源发展规划数据,分别对能源需求结构进行预测。结果表明：到2040年可再生能源需求所占能源需求总量的比重分别为14.92%和26.3%。同中国面临的各种挑战和压力相比,26.3%的可再生能源需求比重仍然偏低,应该进一步提高能源发展战略目标,加快可再生能源的开发利用。     

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。     

海洋经济预测模型的创新研究

组合预测法综合运用多种预测理论,最大可能地利用可用信息,预测精度高于基于单一模型的预测方法.组合预测模型主要有两种方式:串联型组合预测法和并联型组合预测法.文章以海洋经济的发展趋势预测为例,分别采用不同的预测方法进行实证检验,结果表明串联型组合预测法的预测精度要高于并联型组合预测法.     

中国能源需求影响因素的研究

基于中国1990—2007年的经济数据,通过分析影响能源需求的经济因素,利用通径分析法测算出各相关经济因素与能源需求的直接、间接关系及总影响程度,分析各因素对能源需求的影响路径,并根据测算结果提出相应的对策。     

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.     

国债回购利率预测模型研究

以国债回购利率为研究对象,分别建立ARIMA及GARCH模型,并比较这两种模型的预测能力。研究结果表明：使用传统ARIMA模型,模型ARIMA（0,1,1）配适较好;使用GARCH模型,模型GARCH（2,3）配适效果较好。此外,虽然GARCH模型的预测置信区间的波动性比ARIMA模型要小,但ARIMA模型的预测置信区间更小一些,因此其预测能力比GARCH模型更强。     

基于回归神经网络的长期电力负荷组合预测模型研究

本文研究了用逐步回归、岭回归和偏最小二乘回归方法消除变量间的多重共线性,最后得到三个回归模型。单一预测方法的结果时好时坏,需要通过组合预测来提高预测精度。本文将神经网络技术与回归模型相结合,将预测值作为输入,实际用电量值作为输出,确定神经网络的拓扑结构,最后用训练好的BP神经网络预测江苏省全社会用电量。结果显示,组合预测的精度明显高于单个模型。     

基于时间序列ARIMA与BP神经网络的组合预测模型

文章将时间序列ARIMA模型和BP神经网络算法相结合,设计一种组合预测模型,并将其应用于实际预测中,通过实际预测检验了组合预测模型在实际预测中的有效性.研究发现,组合预测模型在预测精度方面总体上优于这两个单项预测模型,因此这种组合预测模型具有良好的预测效能.     

基于组合预测模型的GDP统计数据质量评估研究

准确可靠的统计数据是把握经济运行情况、进行科学决策的基础.以我国GDP数据的准确性为例,选取1985～2010年间的数据作为样本,根据时间序列自身的变化特点,分别拟合灰色预测模型、回归组合模型和双指数平滑模型.在模型通过统计检验、具有良好统计预测能力的基础上,构建基于误差绝对值和最小的组合预测模型对我国GDP数据进行预测,所得预测值代表“真值”,再从异常值的角度对我国GDP数据的准确性进行分析,结果表明组合预测模型在统计数据准确性检验中较高的实用价值,值得进一步研究.     

基于向量平均投影测度的区间型组合预测模型

区间型组合预测模型的研究核心是各单项方法权重的确定。鉴于向量投影具有更好的综合测度,它可以同时反映两个向量指标之间的距离和夹角,因此文章引入向量投影测度公式,并在此基础上提出了一种新的投影测度公式。对向量投影测度公式加以推广用来描述两个区间数时间序列的接近程度,以平均标准化投影测度为最优化准则,构建出四个不同投影测度的全新区间型组合预测模型;并通过实例分析,将预测结果与已有研究文献中的区间型组合预测优化模型进行对比,表明了所构建的区间型组合预测模型的有效性。     

对预测模型优劣性评价的方法探讨

根据预测的目的建立损失函数，来衡量预测误差给管理决策带来的损失，以损失函数取得最小值可以作为评价预测模型最优准则。文章提出了建立损失函数和对预测模型进行优劣性评价的一般方法     

基于BP神经网络的中国火灾灰色回归组合预测模型

文章根据组合预测的理论和神经网络的非线性性和良好的函数逼近特性,提出了基于人工神经网络的灰色幂模型、多项式回归模型的中国火灾组合预测模型。此模型综合了各单一模型的有效信息,同时也融合了人工神经网络在不确定因素预测领域的优势,能够比较客观地反映火灾的发展趋势,为中国火灾预测提供合理的依据。     

广东省能源需求预测及供需分析

能源是社会发展的重要物质基础,又是影响人类赖以生存的自然环境和生态的重要因素,因此,能源问题成为了可持续发展中的重点问题。广东省要在2010年实现经济上赶上亚洲“四小龙”的目标,需要保持国民     

第三产业从业人员比重的组合预测模型研究

第三产业是国民经济的重要组成部分,其发展水平是衡量生产社会化程度和市场经济发展水平的重要标志。本文应用时间序列分析方法,对延边州1949年以来的第三产业从业人员比重进行建模分析,拟合了确定性加随机性的组合模型,并对模型预测能力作了检验,最后用该模型对延边州2006-2010年第三产业从业人员比重进行了预测。     

基于ARIMA的多元时间序列神经网络预测模型研究

文章基于ARIMA模型具备准确提取时间序列当前值、过去值及误差值之间回归关系的能力,人工神经网络具备对各种变量的感知能力强,非线性逼近、自适应、自学习性等特性,构建了一种多元时间序列预测模型,并进行了理论探讨和实证.该模型能较准确模拟和预测时间序列的变化规律,可较好满足时复杂时间序列的分析预测需求.     

集装箱吞吐量时间序列预测模型

改革开放给我国航运企业带来了机遇与挑战.在激烈的市场竞争中,航运企业必须进行科学的投资决策,合理的资源配置,以及有效的宏观管理,才能把握机遇赢得发展.对运量,运价的有效预测是进行科学决策的基本依据.笔者在运用了多种预测方法对我国某港口集装箱吞吐量历史数据建立模型以后发现,时间序列模型在处理同时具有趋势性和周期性规律的动态数据上具有独到之处.根据叠合模型的拟合结果来看,具有较好的预测效果.     

基于灰色关联度的广义IOWA算子组合预测模型

文章在广义诱导有序加权(GIOWA)算子的基础上,结合关联度指标之一的灰色关联度指标,建立了基于灰色关联度的GIOWA算子的组合预测模型.同时,讨论了该算子的相关概念和性质,给出了该算子权系数的确定方法,并对所建立的组合预测模型中的参数λ进行了分类讨论并给出实例检验,结果表明该组合预测方法的合理性和有效性.