灰色理论和BP神经网络在大学生就业信心指数预测中的应用

采用大学生就业信心指数来分析预测其就业信心是值得研究的问题.提出一种灰色理论和BP神经网络相结合的方法对大学生就业信心指数进行预测.首先对影响就业信心的主要因素建立不同的灰色模型,然后将每个灰色模型的预测值作为神经网络的输入,利用神经网络进行组合预测以作为其最终的预测值.结果表明组合模型的预测值相对误差更小,精度更高.     

不等时距灰色组合预测模型的研究

在不等时距序列灰色预测的基础上,建立了最优组合预测模型和BP神经网络组合预测模型.通过实例对比分析,表明这两种灰色组合预测模型都较各单项模型具有更高的预测精度和较高的理论实践价值.     

基于遗传算法的灰色Elman神经网络预测模型及其应用

针对少数据、贫信息、非线性、动态性的时间序列,采用遗传算法对Elman神经网络的初始权值进行优化以避免陷入局部最小值.建立灰色GM(1,n)模型对其进行预测,使用优化后的神经网络对预测结果进行修正.通过实例拟合、预测,对比灰色GM(1,n)模型、灰色神经网络模型和基于遗传算法的灰色神经网络模型结果,验证预测模型的有效性.结果表明,基于遗传算法的灰色Elman神经网络预测模型能够扩大搜索范围,稳定网络结构,提高解的精度.     

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.     

基于分数阶GM(1,1)与BP神经网络的电力负荷预测

传统的灰色GM(1,1)和BP神经网络模型存在对原始序列依赖高,收敛速度慢等缺点.将分数阶累加的思想引入GM(1,1)模型,再用逐层训练算法改进传统的BP神经网络.基于我国2010-2014年的电力数据,构建分数阶GM(1,1)与BP神经网络组合模型,预测2015年和2016年的总发电量.实证结果表明,该组合模型比GM(1,1)模型,分数阶GM(1,1)模型以及GM(1,1)与BP神经网络组合模型具有更好的数据拟合效果,更高的预测精度.     

基于LS-SVM的管道腐蚀速率灰色组合预测模型

为提高管道腐蚀速率预测精度,建立了一种基于最小二乘支持向量机的灰色组合预测模型.以各种灰色模型对管道腐蚀速率的预测结果作为支持向量机的输入,以管道腐蚀速率的实测值作为支持向量机的输出,采用最小二乘支持向量机回归算法和高斯核函数对支持向量机进行训练,利用训练好的支持向量机进行组合预测.预测模型兼具灰色模型所需原始数据少、建模简单、运算方便的优势和最小二乘支持向量机具有泛化能力强、非线性拟合性好、小样本等特性,弥补了单一预测模型的不足,避免了神经网络组合预测易于陷入局部最优的弱点.模型结构简单、实用,仿真结果验证了其有效性.     

基于非等时距加权灰色模型与神经网络的组合预测算法

非等时距预测算法在不等时间间隔序列的趋势分析与预测方面具有重要作用．在传统灰色预测理论的基础上,提出一种基于非等时距加权灰色模型和神经网络的组合预测算法．通过构建非等时距加权灰色预测模型,将原始数据序列的平均值作为累加序列初值,将连续累积函数的积分面积作为背景值,对累加序列进行加权处理,以真实反映时间序列发展对预测结果的影响．在此基础上,引入BP神经网络对灰色预测的残差序列进行修正,进一步提高了预测精度．经算例验证,该算法预测精度达到1级,且高于类似算法．     

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.     

基于改进BP神经网络的组合预测模型设计

为提高预测精度,解决非线性组合预测中的困难,利用改进BP神经网络对非线性组合预测模型进行了设计.讨论了模型设立的原则和一般程序,比较其与传统的组合预测方法之间的优劣,并给出实例加以验证.结果显示,基于改进BP神经网络的非线性组合预测模型能够准确描述系统中的非线性,提高预测精度.     

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.     

Morgan-Mercer-Flodin模型和Weibull模型的拟合

Morgan-Mercer-Flodin模型和 Weibull模型是两个著名的四参数 S形生长模型 .在一定的正则变换下 ,它们的隐函数方程及未线性化参数与拐点特征之间的联系都非常相似 .从而可用完全相同的方法对它们的未线性化参数初始值进行搜索 ,以拟合隐函数曲线的 GNL法对它们进行最小二乘拟合 .还用实例对这种算法进行了验证 .     

Gompertz模型和Logistic模型的拟合

常见的三参数 S形生长模型有 Gompertz模型和 L ogistic模型 .它们在拐点处的坐标、导数与它们的参数是能够相互唯一确定的 .当利用拟事隐函数曲线的 GNL 法对这两种模型进行最小二乘拟合时 ,可根据这一性质对单个未线性化参数的初始值进行搜索 .有时也可对该初始值直接进行搜索 .最后以几个实例成功地对这种算法进行了验证     

Interaction Model and Model Selection for Function-on-Function Regression

Regression models with interaction effects have been widely used in multivariate analysis to improve model flexibility and prediction accuracy. In functional data analysis, however, due to the challenges of estimating three-dimensional coefficient functions, interaction effects have not been considered for function-on-function linear regression. In this article, we propose function-on-function regression models with interaction and quadratic effects. For a model with specified main and interaction effects, we propose an efficient estimation method that enjoys a minimum prediction error property and has good predictive performance in practice. Moreover, converting the estimation of three-dimensional coefficient functions of the interaction effects to the estimation of two- and one-dimensional functions separately, our method is computationally efficient. We also propose adaptive penalties to account for varying magnitudes and roughness levels of coefficient functions. In practice, the forms of the models are usually unspecified. We propose a stepwise procedure for model selection based on a predictive criterion. This method is implemented in our R package FRegSigComp. Supplemental materials are available online.     

模型界面组合—一种模型组合法则

本文主要是通过模型的组合,构造一个物体的模型,它研究的是以Zeigler的模型方法DEVS为基础的模型组界面组合。     

Logistic模型的改进——双S形曲线模型的研究

在Logistic模型的基础上,对一类空间饱和容量会随着时间发生变化的问题进行了讨论,指出了Lo-gistic模型应用在这类问题上的局限性,建立了解决该类问题的双S形曲线模型.对一组实际数据进行了拟合,结果表明双S形曲线模型能够更好地刻画实际问题,相对准确地预测未来的发展趋势.     

基于积累线性模型的证券单笔交易模型

积累线性模型是处理自变量为连续变量、因变量为离散变量时的常用方法。而单笔交易中证券价格的变动为离散变量,本文采用积累线性模型为其建模,得到了在一定的交易方向和交易量下,证券价格变动的条件概率分布。理论与实证结果均显示,积累线性模型更适合用于建立单笔交易模型;其中序次Logisic回归又比序次Prob it回归的拟合效果更好。使用积累线性模型建立的证券单笔交易模型具有良好的应用前景。     

具有年龄结构的传染病SIR流行病模型的研究

给出美国流感监测网络统计的2008年10月至2009年9月流感症状患者数在四个年龄段的分布,结合当前H1N1新型流感发病的特点,提出一年龄结构型的流感传播模型,讨论了这个模型的应用和优点.     

基于自残行为的捕食者-食饵年龄结构模型

提出了一个新的考虑自残的有年龄结构的捕食者-食饵模型,并研究了模型的渐近行为.假设捕食者从幼年转化为成年的转化率依赖于幼年个体的密度,且成年个体对幼年捕食者存在捕食行为.在此假设下,给出了捕食者灭绝和持久生存的条件.     

Generalized Evolutionary Point Processes: Model Specifications and Model Comparison

Methodology and Computing in Applied Probability - Generalized evolutionary point processes offer a class of point process models that allows for either excitation or inhibition based upon the...     

结构方程模型与联立方程模型的比较

本文首先介绍了结构方程模型和联立方程模型的一般形式、典型实例及其在我国的研究现状。通过将结构方程模型与联立方程模型进行比较,发现结构方程模型具有能直接处理潜变量和测量误差等优点,在管理学、心理学等社会科学中具有广泛应用;但是结构方程模型对样本量要求大、对抽样、问卷设计和调查过程的缺陷以及忽略变量等模型的设定错误不能弥补;而且,结构方程模型的参数不如联立方程模型的含义那么具体而直观。