基于无偏灰色PSOMarkov优化模型的加油站便利店零售销量预测方法研究

加油站便利店是一种新兴的零售业态,准确地预测其零售销量具有重要意义.以往的销量预测模型多为单一模型,提出了一种基于粒子群优化的无偏灰色PSOMarkov预测方法.首先,基于灰色系统理论建立了无偏GM(1,1)预测模型,消除了常规GM(1,1)预测模型的固有偏差.其次,利用Markov理论对无偏GM(1,1)预测模型的相对残差进行了修正,模型能较好地体现数据的波动特征.最后,利用改进的粒子群优化算法白化无偏GM(1,1)-Markov预测模型灰区间的参数,得到无偏灰色PSO-Markov预测模型.通过云南昆明市红瓦副加油站便利店的零售销量案例表明,模型能提高预测模型的精度.模型可用于加油站便利店的商品销售预测,并为企业的经营决策提供依据.     

基于灰色理论的恐怖袭击事件预测与分析

鉴于恐怖袭击事件的破坏性和危害性,对恐怖袭击事件进行分析和预测能够为相关部门组织反恐行动提供有效的理论支持,基于恐怖袭击事件发生的时间和地区因素,分析恐怖袭击事件的时空特性,建立了基于灰色理论的恐怖袭击事件预测模型,并根据恐袭事件季度性的特点,分季度对建立的模型进行了案例分析,通过计算和Matlab仿真证实了该模型的可行性,对反恐措施的制定具有一定的参考和指导意义.     

短时交通流混沌预测模型的比较研究

短时交通流预测是实现交通流诱导的关键技术之一.针对目前短时交通混沌预测模型预测结果差异较大的问题,归纳了4种基于混沌理论的短时交通流预测模型:RBF神经网络模型、最大Lyapunov指数模型、局域线性模型和Volterra滤波器自适应预测模型,并对这4种预测模型进行了比较研究.应用4种预测模型对几个典型的非线性系统进行预测,验证了算法的准确性.然后用这4种预测模型对微观实测交通流的时间序列进行实证分析.仿真结果表明,4种预测模型对典型混沌时间序列具有很好的预测效果;而对实测交通流预测,其预测精度和稳定性较差,但可以满足实时交通流预测的需要.     

基于最小二乘法的灰色组合预测模型及其应用

根据GM(1,1)模型原理,构建了灰色增量模型和灰色组合预测模型.分别利用中国和河南1986-2015年的人口数据建立模型,采用最小二乘法求解灰色组合预测模型的最优权系数.通过GM(1,1)模型、灰色增量模型和灰色组合预测模型对上述算例进行误差分析,实验结果表明灰色组合预测模型预测精度明显的优于其它单项预测模型.     

基于模糊聚类分析的小波神经网络模型在径流预测中的应用

提出了一种在对预报因子集进行模糊聚类分析基础上构建径流预测模型的新方法:先通过模糊C-均值聚类将历史径流数据进行分类,然后利用小波神经网络分别建立预报因子集类别变量特征值与观测值之间的局部预测模型,并设计了特征值分类识别器,自动搜寻相适应的局部网络模型进行预测.通过西南某水库2011年日平均入库来流的计算实例对简单小波神经网络预测模型和所建的基于FCM与小波神经网络的预测模型进行了比较,结果较为满意.     

正权重组合预测模型及其在经济中的应用

介绍了组合预测的方法,并利用最优组合和递归方差倒数方法对组合预测方法进行改进;提出通过GMDH方法首先对影响经济预测模型的各变量进行筛选然后再建立回归模型、神经网络模型等单项预测模型的思想;最后结合GMDH方法建立的时间序列模型,建立正权重组合预测模型．     

基于灰色模型的辽宁省海洋渔业产量、产值预测北大核心

灰色预测模型因其对数据要求低,中短期预测精度较高等特点,具有广泛的应用.依据2005—2011年辽宁省海洋渔业的相关数据分别建立了辽宁省海洋渔业产量和产值的灰色预测模型,并利用模型对海洋渔业产量和产值进行了预测.通过预测值和原始值比较说明模型可用.更进一步,通过对比海洋渔业产量和产值数据,发现辽宁省海洋渔业发展中产量和产值不对应成比例这一问题,最后给出了结论和建议.     

基于灰色模型的辽宁省海洋渔业产量、产值预测

灰色预测模型因其对数据要求低,中短期预测精度较高等特点,具有广泛的应用.依据2005—2011年辽宁省海洋渔业的相关数据分别建立了辽宁省海洋渔业产量和产值的灰色预测模型,并利用模型对海洋渔业产量和产值进行了预测.通过预测值和原始值比较说明模型可用.更进一步,通过对比海洋渔业产量和产值数据,发现辽宁省海洋渔业发展中产量和产值不对应成比例这一问题,最后给出了结论和建议.     

用改进的模糊AR(p)与指数平滑组合模型预测油田产油量

在模糊AR(p)与指数平滑组合预测模型的基础上,通过对传统指数平滑模型的分析,提出了动态平滑参数的概念,并由此建立了平滑权重对时间序列能够适应的新的指数平滑模型,较完整地解决了传统模型初值难以选取,平滑参数适应性差和系统预测偏差大等问题,从而较传统指数平滑模型有较高的预测精度.并将这两种模型结合起来构成新的改进的模糊AR(p)与指数平组合预测模型,并应用于预测油田产油量.应用实例证明,改进的模糊AR(p)与指数平滑组合预测模型具有更高的预测精度.从而表明该组合预测模型是一种非常有效的预测新方法.     

电视广告效果预测模型

本文通过引入电视广告影响力指数 ,利用主成分分析和多维偏好线性规划方法 ,结合广告理论 ,构建了电视广告效果的预测模型 ;对模型的基本原理和求解方法作了分析和讨论 ,并通过一真实的广告案例对模型进行了检验 .     

基于改进灰色GM(1,1)马尔柯夫模型的煤矿事故百万吨死亡率预测

煤矿安全事故预防和控制是煤矿安全评价和决策的基础.灰色预测适合于时间短、数据量少和波动不大的系统对象,而马尔可夫链理论适用于预测随机波动大的动态过程.结合灰色预测GM(1,1)模型和马尔可夫链理论的优点,提出了一种改进的灰色马尔可夫GM(1,1)模型.利用改进的GM(1,1)模型进一步拟合煤矿人因失误事故的发展变化趋势,并以此为基础进行马尔柯夫预测,提高预测效果.以2000-2010年全国煤矿事故百万吨死亡率为例进行了预测分析,结果表明模型既能揭示煤矿人因失误事故百万吨死亡率变化的总体趋势,又能克服随机波动性数据对预测精度的影响,具有较强的工程实用性,并对煤矿人因失误安全事故的预测和控制有一定的实际意义.     

基于RLS算法的多项式预测模型及其应用研究

为了提高经济领域统计数据的预测精度,代数多项式预测模型的建模方法应运而生.该方法使用代数多项式模型拟合给定的经济统计数据,并使用递推最小二乘法(RLS)对多项式拟合模型的加权系数进行递推计算以获得最优模型参数,然后通过获得的最优多项式模型计算未来预测数据.文章以实际统计的经济数据为例进行了仿真计算,研究结果表明,该方法不仅能实现统计数据的高精度拟合,而且具有很好的预测能力,在经济领域具有广阔的应用前景.     

一线救治伤员后送资源配置策略研究

参考国内外历史案例和数据,构建战场伤员产生的仿真模型。基于该模型,利用综合评价、资源配置优化算法,研究探讨连抢救组及营救护站的救治、后送运力配置及路径规划策略。利用假设战例验证模型,基于减员预计模型计算减员情况,分析了相应的营、连救治策略。结果验证一线伤员收拢后送运力配置及路径优化模型可靠,可为一线救治信息化、自动化、智能化发展提供技术支撑。本研究为一线伤员救治、收拢、后送力量配置及路径规划提供理论方法。     

基于灰色理论的温州房价预测模型

以温州统计局有关房地产销售数据为分析对象,用销售总面积和销售总额折算成价格指标,采用灰色系统GM(1,1)建立数学模型对房屋价格指标进行分析和预测.基于投资回报周期和预期心理,对2007至2010年的房价作两次平移整理后再进行建模,效果更为理想.利用模型对.2011年上半年房价进行预测与市场行情吻合性程度高.     

基于灰色马尔科夫模型的平顶山市空气污染物浓度预测

选用平顶山市2005—2009年各空气污染物浓度作为原始数据序列,建立灰色马尔科夫预测模型,对未来10年的污染因子浓度进行预测.模型检验结果表明:均方差比值和小误差概率均为一级;运用灰色关联分析法计算各污染物原始数据序列与预测数据序列之间的关联度,定量描述灰色马尔科夫预测模型对于空气质量预测的精确度,平均精度达到99.9%,表明灰色马尔科夫预测模型对于空气质量预测有很高的实用性.     

基于Lasso+SVM的制造业上市公司财务风险组合预警模型

根据组合预测思想构建了基于Lasso+SVM的制造业上市公司财务风险组合预警模型,包括串联型组合和信息融合型组合两种,并选取22个财务指标建立了财务预警指标体系,对我国86家制造业上市公司的财务状况进行了预测,还与单一风险预警模型预测效果进行了比较,结果发现:财务风险组合预警模型的预测效果明显高于单一预警模型,用第t-1年的财务数据进行预测的准确率达到了95%以上;串联型组合预警模型的预测效果最优,用第t-1和t-2年的财务数据进行预测的准确率分别达到了100%和90%.     

基于PCA-GM-BP神经网络的猪肉价格预测分析

针对猪肉价格上下波动呈非线性关系和影响因素复杂等难以预测的问题,提出了基于PCA-GM-BP神经网络预测模型对猪肉价格进行有效预测.以2010年1月-2018年12月的月度价格数据作为样本,共计108组数据,利用PCA对影响猪肉价格变化的12种因素进行降维处理,选用对猪肉价格的主要累积贡献率超过96%的5个主成分,构建PCA-GM-BP神经网络猪肉价格预测模型.结果表明:与传统的BP神经网络、GM-BP神经网络预测模型相比,PCA-GM-BP神经网络预测模型在提高聚类效果的同时,增加了预测结果的精确性,对我国猪肉价格预测具有更高的适用性与参考价值性.     

The Prediction of Industrial Mail-Survey Response Rates

Mail-survey response rates and their prediction are important issues for researchers. The conceptual differences between industrial and most non-industrial populations raised doubt about the applicability of the Heberlein and Baumgartner model for the prediction of industrial mail-survey response rates. A test of their model using data from industrial mail-survey studies revealed a low level of predictive ability. A new model, based upon a linear logit specification and data from industrial populations, was developed and validated using a hold-out sample. The results suggested that the model based upon the new specification was superior to the simple linear alternative. The model identified a number of variables which were associated with response rates from industrial populations, and allows researchers to test and refine alternative survey designs.     

3标度层次分析法下盘锦人口预测方法的优选

基于目前我国人口数量预测方法繁多,优缺点不一的现状,以盘锦市1978～2008年人口数据为基础,分别采用曲线回归、GM(1,1)与等维递补灰色模型、BP神经网络与RBF神经网络、马尔萨斯模型与费尔哈斯模型、宋健模型与Leslie矩阵方法分别对盘锦市2030、2050、2070、2090年人口进行预测,并根据预测结果设置了盘锦市人口预测方法的多目标定量优选体系,并采用Matla,b2009b软件运用3标度层次分析法方法进行了预测方法的优选.优选结果显示在盘锦市人口预测中,径向基网络(RBF)为最优方案.     

改进型LOBNN & AR-GARCH模型在股票预测中的应用

为实现对股票价格的短期预测,本文在Laguerre正交基神经网络 (LOBNN)模型的基础上,提出了一种新的组合预测模型来预测短期股价的变化。该模型先通过改进LOBNN模型的权值求解算法,用以增强模型的通用性。接着在其基础上设计新的迭代算法,进一步提高模型的预测精度,进而得到新的LOBNN模型。之后将股价数据分别代入AR-GARCH模型和改进后的LOBNN模型,得到输入数据的两组预测值。最后通过不同的权重来组合两种预测结果,生成最终股价的预测结果。文末的仿真结果表明该组合模型在预测精度与通用性上较原始模型有较大的提升,是一种高效的预测模型。