基于灰色马尔科夫模型的陕西省铁路客运量预测

随着我国高铁客运的快速发展,从铁路客运历史趋势中探寻规律、把握铁路客运发展趋势,旨在对中国铁路公司及相关企业的决策提供科学依据.基于2005-2016年陕西省铁路客运量数据,在灰色GM(1,1)模型预测的基础上,运用马尔科夫过程对预测值进行修正,并对2017-2022年陕西省铁路客运量进行预测.结果表明:经过马尔科夫过程修正的灰色预测模型平均绝对误差由原来的4.64%降低到2.94%,预测效果明显.经检验,灰色马尔科夫模型的精度等级为一级,说明了方法对陕西省铁路客运量预测的有效性.     

北京市交通运输、仓储和邮政业增加值的灰色马尔科夫预测模型

将2000-2017年北京市交通运输、仓储和邮政业产值作为原始数据系列,应用灰色模型对时序数据的总体趋势进行拟合,选取相对误差作为随机波动过程,对预测结果进行修正,最后运用灰色马尔科夫模型对未来5年北京市交通运输、仓储和邮政业的产值进行实例预测.结果表明:经过马尔科夫过程修正的灰色预测模型平均预测精度由原来的90.82%提升到97.14%,预测效果明显,说明了方法对北京市交通运输、仓储和邮政业增加值预测的有效性.     

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.     

基于动态无偏灰色马尔科夫模型的煤炭需求量预测

煤炭消费系统是一个复杂的非线性系统,具有随机性、非线性、动态性等特点,科学地预测煤炭消费量及其结构对于优化配置能源有重要意义.传统的单一预测方法预测精度较低.在对陕西省煤炭消费历史数据分析的基础上,构建了煤炭消费总量的GM(1,1)模型、灰色GM(1,1)预测模型和动态无偏的马尔科夫结构预测模型.拟合结果表明,动态无偏灰色马尔科夫模型既能消除传统灰色GM(1,1)模型的固有偏差,又能提高预测精度,其平均相对误差为2.10%,分别低于传统灰色GM(1,1)模型和一般灰色马尔科夫模型的17.37%和6.37%,可用于煤炭需求的预测,在此基础上对陕西省2017-2025年煤炭消费进行了预测,为未来能源消费发展规划提供依据.     

基于产品生命周期的闭环供应链回收量预测方法

针对马尔科夫预测方法存在的误差,根据产品在生命周期不同阶段的特点,提出了产品生命周期转化系数和状态转移矩阵,并利用该系数和矩阵对马尔科夫预测方法进行了改进:当相邻两期的产品处于不同的生命周期阶段,用产品生命周期转化系数修正预测值.在此基础上,结合闭环供应链的物品回收特点,提出了相应的预测方法,通过算例对模型的验证与分析得出:改进后的预测方法在一定程度上提高了预测精度.     

基于动态数据驱动的改进灰色马尔科夫模型黄金价格预测

将黄金数据的尖峰厚尾、异方差性及杠杆效应等统计特征与马尔科夫概率转移矩阵所具有的动态变化规律结合,提出一种改进的灰色马尔科夫模型.模型首先对数据进行统计分析,建立相应的概率统计模型并用此模型对系统发展变化趋势进行拟合.在拟合序列的基础上利用马尔科夫链的动态转移变化建立状态转移概率矩阵,采用动态数据驱动原理对未来每一步数据进行动态预测.模型既是统计方法与数据动态驱动的结合,克服了传统的灰色马尔科夫模型中对数据内在统计规律的忽视,实证表明其预测精度较灰色马尔科夫模型预测高,具有较好的实用性.     

基于跳跃、好坏波动率和马尔科夫状态转换的高频波动率模型预测

基于跳跃、好坏波动率的视角,采用比ABD检测更稳健的ADS检测法进行甄别跳跃,提出HAR改进模型,进一步考虑到实际波动率的非线性和高持续性动态,文章引入马尔科夫状态转换机制以构建对应的MRS-HAR族模型,推导其参数估计方法,并运用滚动时间窗预测技术和MCS检验评估预测模型结果,并采取不同的窗口期进行稳健性检验.以上海期货交易所的黄金连续(AU0)期货合约为研究对象,实证研究表明:结合马尔科夫状态转换机制,跳跃波动在上涨行情时会抑制未来波动性;结合马尔科夫状态转换机制,好坏波动率在上涨行情时正负冲击相对平衡,而在下跌行情时好(坏)波动率抑制(加剧)未来波动性;MCS检验证实,结合马尔科夫状态转换的MRS-HAR族模型相比于HAR族模型具有更优的预测精度,进一步考虑由ADS检测修正的好坏波动率和符号跳跃能够改善波动率模型的预测能力,其中基于符号跳跃和马尔科夫状态转换的MRS-HAR-RV-SJ模型展现了最高的预测精度.     

中国人均生活电力消费量的等维新陈代谢-加权Markov-SCGM(1,1)_c预测模型

以1970-2008年我国人均生活电力消费量作为原始数据序列,首先应用SCGM(1,1)_c模型模拟原始序列的总体趋势;然后将所得到的相对误差作为随机波动过程,将原始序列的归一化自相关系数作为权重,应用Markov链原理预测2009年的状态,进一步预测2009年电力消费量,并与实际数据比较,检验预测精度;同样地,应用等维新陈代谢思想,对2010-2012年电力消费量进行了预测,并检验预测精度,达到了滚动建模和动态预测的目的.结果显示,等维新陈代谢-加权Markov-SCGM(1,1)_c模型的平均模拟精度为98.3%,平均预测精度为96.0%.最后对2013-2017年我国人均生活电力消费量进行了预测.     

基于移动优化灰色马尔科夫的道路交通事故预测

针对事故预测精度受预测数据时效性影响问题,引入移动优化策略,建立移动优化灰色马尔科夫动态预测模型.用灰色预测来揭示道路交通事故发展变化趋势,通过马尔科夫预测发掘状态间的转移规律,从而提高随机性时间序列的预测精度.案例分析表明,提出的方法在一定时段内具有较好的预测精度和实用性,可为道路交通事故预测分析及交通安全预警提供参考.     

基于GRNN模型的鲜猪肉市场日度价格预测与实证研究

应用广义回归神经网络(GRNN)模型对上海市某区菜市场2011.3.1-2014.3.25期间鲜猪肉的日度价格(合计732组数据)进行建模预测研究,用逐步减小光滑因子值的办法确定其合理值范围.建模结果表明:训练样本、检验样本和测试样本(简称三类样本)的均方根误差和平均绝对误差非常接近,模型具有较强的泛化能力,绝大部分三类样本的误差都在土0.33元范围内,最大相对误差都小于3%,平均百分比相对误差小于0.45%,预测未来10日鲜猪肉价格的最大绝对误差为0.14元,最大相对误差为0.82%,平均百分比相对误差为0.44%,表明建立的GRNN模型具有很好的鲁棒性、可靠性和较高的预测精度,可用于上海市某区菜市场鲜猪肉日度价格的实际预测,为政府和有关物价部门进行市场调控提供决策依据.     

基于HP-ENN-MC模型降雨量预测

综合HP滤波、Elman神经网络、马尔科夫链的优点建立HP-ENN-MC模型对某地区10年内降雨量进行预测.以某地区1990-2015年植物生育期(6-10月)的降雨量数据作为实验训练样本,以2010-2015年(6-10月)的降雨量数据为实验的测试样本,证明HP-ENN-MC模型的实用性.由最后实验结果得到,预测平均相对误差为3.83%.所建模型能够对降雨量准确预测,与Elman、ENN-MC模型相比,HP-ENN-MC模型对降雨量预测更有效.     

基于新维无偏灰色马尔科夫模型的围栏草场面积的预测

草原上围栏草场建设已成为一种趋势,围栏草场面积的预测,可以为草原的评价、管理、规划、和决策提供重要的基础数据.灰色预测适合于数据量少的对象,而马尔科夫链适用于随机性强、波动性大的动态过程,通过有效结合这两种预测方法,采用新维无偏灰色马尔科夫模型,预测围栏草场的面积.用无偏灰色模型拟合围栏草场面积的发展变化趋势,用马尔科夫模型对拟合的数据分析预测,在每一步的预测中,利用新信息优先的原则,对原始数据进行等维处理,经过反复的预测,最后得到预测精度较高的结果.实例结果分析表明:此模型预测误差小,精度高,尤其适合中长期预测.     

一种基于季节指数的灰色马尔科夫气温预测模型

提出一种根据气温历史数据的年际周期性和季节性变化规律建立的基于季节指数的灰色-马尔科夫气温预测模型.模型将纵向与横向分析相结合方法运用到气温预报之中,通过季节指数修正气温的横向季节性变化,再用灰色模型进行预测,最后通过马尔科夫进行误差修正.实例运用中,对广州市的2000年月平均气温进行预测,在与历史数据的对比中表明,模型预测结果较为准确,可靠性较好.并讨论说明该模型也可推广到其他具有周期特征的非平稳时间序列的预测中,并大大提高预测精度.     

智能制造模式下基于改进BP-ARIMA组合模型产品需求预测方法

为有效预测智能制造模式下的不确定性需求,提出自回归移动平均模型ARIMA和改进BP神经网络的组合模型,对预测数据中包含线性规律的Lt以及非线性规律的ε_t进行模拟和分析,以解决预测有效性和精度问题.通过数据样本构建,对ARIMA模型结构进行辨识,确定p,d,q参数,并对模型进行诊断和检验;在此基础上进行需求数据一次预测;通过连接权值的修正降低BP神经网络学习误差,并对一次预测结果与原需求数据样本存在的误差进行二次预测.实例数据分析表明:组合模型的预测精度较ARIMA模型有显著提高,因此组合预测模型在预测效果上具有合理性和有效性.     

基于模型平均方法的基金绩效预测研究

基金绩效的预测分析对基金市场的发展具有重要作用.文章运用S-AIC,S-BIC,JMA和OPT 4种模型平均方法对基金绩效进行预测,通过平均绝对误差、最优率和均方误指标来判断预测精度的优劣.研究表明:根据平均绝对误差,最优率和均方误这3个评价指标,基于OPT准则的模型平均方法所得到的基金绩效预测精度最优,并且具有很好的稳定性.     

基于动态隶属度的模糊时间序列在我国居民消费水平预测上的应用

准确预测我国居民消费水平对促进经济持续协调发展具有重大的理论和现实意义。根据1952～2013年我国居民消费水平数据,本文提出了一种基于动态隶属度的模糊时间序列预测方法。首先对数据聚类并模糊化处理得到隶属度序列;然后再对隶属度序列进行时间序列分析建模得到预测值;紧接着对其去模糊化实现我国未来三年居民消费水平的预测;最后,将预测结果与传统时间序列方法预测结果相比较,新方法的预测平均绝对误差(MAE)、均方误根差(RMSE)较传统时间序列方法分别减少了23和28。结果表明,本文的预测方法相对于传统时间序列预测方法具有较高的预报精度,可用于居民消费水平的预测。     

基于优化的灰色-权马尔科夫模型的径流量预测

采用滑动平均法处理1990-2013年沣河秦渡镇水文站径流量数据序列,建立灰色模型GM(1,1)和权马尔科夫链(WMCP)模型组合预测模型,并利用模糊集理论的级别特征值解决了预测结果为区间状态的问题,将模型进行了优化.结果表明,相较于传统的灰色-马尔科夫模型,在结合了WMCP之后的优化模型预测结果与实测资料比较吻合,模型预报精度有所提高.     

基于神经网络算法的海南旅游需求测估模型

在详细调查海南旅游相关数据的前提下,先建立模型对海南旅游需求进行了预测,然后分析了影响旅游需求的主要因素.先用GM(1,1)灰色模型对海南省旅游人数进行预测,并用马尔科夫链修正误差,在灰色模型的基础上进行了优化.进一步,我们将灰色模型与BP神经网络模型结合起来进行预测,并针对BP网络输入层提供了2种方法:三年滚动预测、多因素预测.得出结论:海南旅游人数还将会逐年递增.同时,通过比较相对误差发现,对于问题的预测精度:BP神经网络灰色模型.最后,我们利用灰色关联度模型得出各因素对旅游需求的影响:服务交通景观发展消费环境.     

基于改进灰色verhulst模型的稠油产量预测

稠油油田开发是一个复杂的过程,在地下信息较少的情况下可以将其视为灰色系统.以辽河油田某稠油研究区为例,基于Verhulst模型建模理论对该区2005-2011年的年产油量建模发现后期预测误差呈增大趋势.在Verhulst模型的基础上结合G(1,1)灰色建模理论建立了残差修正年产油量Verhulst模型,模型精度由原来的96.0994%提高到97.6763%.2012-2014年的年产油量预测结果显示残差修正模型的预测精度达到了99.2281%,且关联度检验结果显著提高.将模型预测结果与数值模拟预测结果进行了对比,结果表明残差修正的Verhulst模型是一种快速、简洁、精准的预测方法,在一定的条件下使用残差修正Verhulst模型,不仅可以预测稠油油田近期的年产油量,还可对研究区后期开发方案调整等问题提供决策依据.     

基于隐马尔科夫模型的复杂碳酸盐岩岩性识别——以苏里格气田苏东41-33区块下古气藏为例

测井数据是进行岩性分类的最主要资料,但因为碳酸盐岩低孔,各向异性,非均质性的特点,造成石灰岩、白云岩和其过渡岩性的测井资料内在属性复杂,单从测井资料的数据分布结构较难解决岩性分类问题.为了降低岩性反演的多解性,需要对岩性资料进行空间相关性的研究.研究表明,采用隐马尔科夫模型,开展以转移概率为基础的垂向空间岩性序列展布规律探索,利用垂向展布规律作为约束,结合动态求解策略,能够提高岩性分类的预测精度.使用该模型对苏里格气田苏东41-33区块下古气藏复杂碳酸盐岩进行岩性识别,和传统统计学方法高斯混合模型相比,该方法能提高预测准确度5.89%以上.同时,该模型能够揭示某种沉积环境,避免最终的预测结果产生实际工区未曾出现的岩性序列.