渭干河-库车河三角洲日照时数变化特征

根据渭干河-库车河三角洲3个气象站50年(1960-2009)逐月日照时数资料,建立渭干河-库车河三角洲年日照时数序列,利用线性趋势估计、3年滑动平均、距平与累积距平、滑动t检验和灰色预测等方法,全面分析了渭干河-库车河三角洲50年来日照时数变化的基本特征。结果表明:(1)50年间,渭-库三角洲年日照时数呈增多趋势,其变化倾向率为0.75h/10a,增多趋势不明显。春季、秋季和冬季日照时数呈减少趋势,其变化倾向率分别为-14.53h/10a、-3.86h/10a和-6.29h/10a;夏季日照时数呈增加趋势,其变化倾向率为8.65h/10a。(2)年日照时数在1974年发生了由多到少的突变,在1996年发生了由少到多的突变。(3)建立灰色预测GM(1,1)模型对渭-库三角洲2010～2012年的年日照数进行预测,发现在今后3年内渭-库三角洲的年日照时数将会有所增加,年日照时数在2012年达到2874.5h,超过50年来的极大值。     

基于灰色BP神经网络的员工需求预测

人员配置直接影响企业的生产经营活动,一份科学合理的员工需求预测对企业的作用不言而喻。以某制造业为研究对象,搜集整理2005—2017年数据。利用SPSS做相关性分析,选取固定资产、开发支出等6项员工需求影响因素。运用灰色BP神经网络理论,预测未来3年员工需求。结果表明：灰色BP神经网络比灰色预测模型具有更高的精确度;虽然灰色BP神经网络具有较高的精确度,但其结果受参数影响较大,如何确定参数则是未来研究的一个方向;灰色BP神经网络的预测结果对企业招聘、员工关系管理等模块具有一定的指导意义。     

基于神经网络的投资基金周净值预测

利用神经网络理论的辨识特性,建立了基金周净值预测的BP神经网络预测模型.通过对具有代表性的投资基金“基金金泰”的实证分析,表明该模型具有很好的非线性反映能力和学习能力,能准确预测基金周净值的变化趋势和上升与下降趋势的转折点,为预测基金净值未来走势提供了一个有效的方法.     

2001年～2010年湖北省高级人才需求预测

根据湖北省经济发展速度与目标 ,从人才资源开发利用的现状出发 ,对 2 0 0 1年～ 2 0 1 0年湖北省高级人才需求总量与各产业需求量进行了预测 ,并从社会经济发展目标的角度分析了教育培养能力和财政承受能力的可行性     

企业财务报表分析中的模糊数学方法研究

财务报表分析无论对于企业自身还是银行、政府监管部门和中介机构都是至关重要的。从财务报表数据的模糊性与传统分析方法的主观性问题出发，利用模糊多项式时间序列模型以及基于模糊聚类的模糊预测模型，进行财务报表的趋势分析和综合分析。实证研究表明，模型的精度较高，利用上述模型进行财务报表分析符合财务数据本身的特性，与已有文献相比，较好地解决了模糊参数的估计问题和模糊聚类模型的动态预测问题，将其应用于企业财务报表分析的实践是有一定实用价值的。     

铁路工程建设水土流失预测研究

随着铁路建设步伐的加快，铁路建设过程中引起的水土流失问题日益受到重视，以包兰线包头至惠农段电气化改造工程为研究对象，分析了沿线水土流失形式，确定了流失量，并对预测结果进行了总结。     

基于多尺度特征和支持向量机的股市趋势预测

应用支持向量机方法对股票市场趋势性变动进行预测是金融市场行为研究领域里一个重要的研究课题。为了提高股市趋势预测的准确率,现有文献中基本将研究重点集中在改善支持向量机参数上,而没有对输入数据的特征进行深入研究。股票市场时序数据是不同时间尺度因素非线性作用的结果,因此具有本质的多尺度特性。据此构建了股票市场多尺度时序特征趋势预测方法,该方法首先基于小波多分辨分析对股市时序数据进行多尺度分解,然后提取了股票市场数据的记忆性和趋势性特征,最后应用支持向量机对股票市场趋势进行预测,预测结果表明该方法提高了股市趋势预测的准确率。     

运输供给的品质特性

在分析运输供需理论缺陷的基础上,将运输供给的品质特性重新界定为能被消费者感受到的、以运输过程为主体的、系统描述运输供给品质的指标体系。提出运输供给的品质特性由可达性、时效性、技术经济保障、经济性以及舒适性5个方面构成,并重新建立评价指标体系加以量化描述。鉴于运输供给具有鲜明的异质性,提出了区分不同类型运输需求(价格敏感型、品质敏感型和基本运输需求)、揭示运输供需关系和采用分类预测法预测运输需求的基本思路。     

时间序列的新息预报

根据实际问题，针对有限个数据ｗｋ，ｗｋ－１，…，ｗ１，给出了Ｗｋ＋ｌ的严格的线性最小方差预报和实现这种预报的适时递推公式和计算方法，并与平稳预报进行比较，得到两者有渐近相等的一步预报误差方差。     

Dynamic factor models

Summary Factor models can cope with many variables without running into scarce degrees of freedom problems often faced in a regression-based analysis. In this article we review recent work on dynamic factor models that have become popular in macroeconomic policy analysis and forecasting. By means of an empirical application we demonstrate that these models turn out to be usefu in investigating macroeconomic problems.