增长型经济预测模型优选与识别方法的运用

文章以湖北省支出法生产总值预测为例,探讨了经济序列预测中增长型曲线预测模型的优选途径和参数识别方法。在增长曲线模型数学性质及序列特性研究基础上,结合实测资料分析,分别采用增长特征法进行模型优选以及三和法进行模型参数识别,确定了湖北省支出法生产总值修正指数曲线预测模型。经验证,外推预测性能优良,表明基于增长特征和三和法的模型优化设计适于经济时间序列外推预测问题。     

医疗统计周期性预测问题的比较研究

文章立足医疗统计领域周期性预测问题,以门诊人次为例进行建模方法比较,为类似研究提供方法参考.采用方式为:方式1:门诊人次季度数据由X11法时序分解后提取季节指数消除季节波动,用ARIMA法和抛物线拟合外推.方式2:周期差分提取季节信息,二阶差分提取长期趋势,直接用季节ARIMA法建模.季节波动和短期相关间交互影响不清,试用简单季节或乘积季节模型.得出结论:方式1对周期时序资料分解后,由组合方法依次直观反映;方式2直接用季节模型拟合预测,乘积季节模型性能并非有替代性,简单季节模型更优.算例为载体用几类方法比较研究,对于医院统计领域周期性预测问题有借鉴意义.     

六种时间序列组合建模及应用

文章立足卫生支出等趋势预测问题的时间序列组合建模研究,以实证算例进行验证和比较.根据政府卫生支出时序资料,将曲线拟合法和ARIMA法纳入模型,建立线性加权组合模型(残差平方和倒数法、灰色关联法、相关系数法、待定系数法和等权法)以及残差修正模型;计算拟合序列和残差序列,讨论拟合性能.并建立修正指数曲线模型和ARIMA模型,发现拟合及预测效果不错;五种组合建模技术均优于单种方法拟合性能.曲线法、ARIMA法及其组合技术对于趋势预测问题有适用意义.     

基于五种直觉模糊数TOPSIS的多属性群决策方案设计

文章以直觉模糊数或得分函数为基础研制决策模型.引入直觉模糊数距离、相似度或得分函数距离、夹角余弦投影、灰色关联度,构造理想方案并比较排序,在群决策环境下探讨多种集结算法.结果发现:直觉模糊数的距离或相似度,以及得分函数值的距离、投影或关联度可用于属性值分析、理想方案构造、优劣排序比较;群决策环境下集结算法有相关理论依据.直觉模糊数或得分函数与TOPSIS法结合,基于群决策的集结算法及流程明确,多属性决策应用有方法指导意义.     

基于改进BP神经网络的时间序列补缺及预测

对BP神经网络的改进方式和网络参数确定进行分析,以青海省各月份经济统计中的时间序列问题为实验对象,分别采用动量项自适应学习率法和LM-BP算法,利用神经网络完成数据补缺及数据预测。该方法无须确立时间序列模型,便捷高效。最后对两种方法的训练情况和实验结果进行了比较和分析。