林业生态、产业和民生系统耦合协调的动态演进——以黑龙江省国有林区为例

通过构建黑龙江省国有林区林业生态、产业和民生系统协调发展评价的指标体系,结合变异系数法测算出林业生态、产业和民生各子系统及综合发展指数。在此基础上引入二元和三元系统耦合协调模型,并借助灰色系统GM(1,1)预测模型预测2017—2020年三系统耦合协调发展水平。结果显示:黑龙江省国有林区林业生态、产业和民生各子系统发展指数表现出阶段性差异,但综合发展指数呈现出向好态势;三系统耦合协调度实现由低到高的梯度演进,但目前仍处于协调发展的一般水平;预计到2020年,三系统耦合协调发展水平将接近于中级协调,但距离优质协调还有一定差距。     

基于灰色系统技术的随机振荡序列预测模型的改进

文章对传统的随机振荡序列的直线喇叭带预测模型提出了疑问,分析了产生随机振荡序列的主要原因;采用平均弱化缓冲算子弱化随机振荡序列的峰值,将随机序列取值带由直线喇叭带转换成指数包络带;根据弱化后的数据序列峰值所连直线计算新序列,求出了该序列GM(1,1)模型的发展系数和灰色作用量,并进一步计算包络带的上缘点和下缘点;时上缘点和下缘点序列再次使用GM(1,1)模型,得到了随机振荡序列预测区间的上限、下限及基本预测值.     

新疆R&D人才队伍发展现状与未来需求分析

文章对R&D人员整体情况、分布特点和存在问题进行分析研究,通过R&D人员与GDP回归预测模型的建立,阐述新疆未来R&D人员的需求趋势,并提出R&D人员队伍建设的对策与建议。     

基于互联网搜索信息的预测模型研究--以余额宝产品需求为例

基于百度指数，以余额宝资产规模为例，运用ARIMA模型构建引入互联网搜索量的市场需求预测模型，同时建立不含互联网搜索量的预测模型，并将二者进行对比研究，发现包含互联网搜索量数据的预测模型的预测准确度更高，说明互联网搜索量数据包含一些在传统模型中未能考虑到的因素，该变量的引入有利于提高模型的预测准确度，为产品或服务的市场决策提供更加精确的预测结果。     

我国通货波动特征及其与经济增长关系的实证分析

文章选择CPI时间序列进行建模,运用ARCH模型和基本统计分析方法,研究了我国通货波动的特征,得出以下结论:通货波动周期在48个月左右,外界对通货波动负的作用要大于正的影响效应,我国近年来通货波动不稳定性开始增加以及经济高速增长对通货波动有显著影响而反之却没有。     

电子商务客户网络购物行为挖掘

电子商务已经成为越来越多的消费者购物的一个重要途径，分析网络购物客户的个人特征及其购物行为，对商业的成功有着至关重要的作用。然而电子商务还是一个崭新的商业领域，很多的业界人士仍忙于技术方面的考虑，却很少分析客户的网络购买行为。而使用真实网络购物KDD Cup 2000数据，分析Gazelle．com公司客户的个人特征和网络购物行为，并应用数据挖掘的购物篮模型对各商品之间的关联性进行分析，才能更确切地预测模型预测客户的忠诚度。     

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。     

辽宁省2005-2020年GDP预测模型的建立与应用

在对辽宁省经济发展进行历史回顾和展望的基础上,构建综合集成预测模型和经济增长模型,并得到辽宁省2005-2020年GDP的预测结果。拟合检验表明,模型的预测精度高。     

草地高光谱植被指数与叶面积指数的关系研究

本研究在采集呼伦贝尔草原高光谱数据和叶面积指数数据的基础上,综合分析了8种常见光谱植被指数与草地叶面积指数的相关性及其预测性。结果表明,修改型二次土壤调节植被指数MSAVl2对LAI建立的预测模型最佳。     

数控铣削能耗预测及切削参数多目标优化研究

为了研究数控铣床节能优化问题,首先以316L不锈钢为加工对象,设计了数控铣削实验方案,并进行了实验数据分析;然后以实验数据为样本,运用BP神经网络建立了数控机床能耗预测模型,并利用蜣螂优化算法(DBO)对BP神经网络结构进行优化,建立基于DBO-BP神经网络的数控机床能耗预测模型。通过对比优化前后两模型,选择具有更高的预测精度和稳定性的DBO-BP神经网络模型与以加工成本为目标而建立的铣削参数多目标优化模型,并运用NSGA-Ⅱ对模型求解,得到最优解集,最后运用熵权TOPSIS法对最优解集进行决策,得到最优解。通过对比优化前后比能耗和加工成本,优化后的切削参数使比能耗和加工成本分别下降了33.84%和5%。研究结果表明,优化后的切削参数更加节能和节约加工成本。