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.     

基于灰色关联理论的阿拉尔市城镇化水平评价及预测

从社会发展指标、经济建设指标、社会稳定指标和生态环境指标四个方面选取16个指标作为评价阿拉尔市城镇化水平指标,运用灰色关联理论法,计算各指标之间的关联度并排序.选取排名前面的指标,运用灰色GM(1,1)预测模型,建立阿拉尔市城镇化水平灰色预测模型,通过残差分析检验了模型的可行性.     

基于灰色神经网络的企业风险特征指标动态预测方法研究

根据企业风险特征指标预测问题的特点,提出将灰色系统GM(1,1)模型与神经网络结合建立一阶灰色神经网络预测模型,以实现系统预测的动态性及提高系统的预测精度.但该模型具有一定的局限性,从模型参数的角度给出了该模型只适用于具有"单调"性数据的证明,进而提出了三阶灰色神经网络预测模型,以适应预测数据"非单调"或摆动的情况.但随着系统建模过程中阶数的增加,预测精度会有所下降,因此应根据数据特点选择预测模型.最后,通过实证分析验证了上述模型及证明结论.     

灰色系统理论在粮食产量预测中的应用

应用灰色系统理论的基本原理,建立灰色预测模型,并以2010-2015年甘肃省的粮食产量为统计资料,运用GM(1,1)模型进行预测,取得了较好的预测效果.     

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.     

部分线性模型在贵州省公路货运量预测中的应用

运用部分线性模型对贵州省公路货运量进行预测研究.首先运用灰色关联度分析法确定影响贵州省公路货运量的主要影响因子;然后运用主成分分析法将选取的影响因子指标数据进行降维处理,通过分析处理后的数据得到部分线性模型;最后,以2010-2012年的公路货运量作为验证值,将部分线性模型、多元线性回归模型及灰色预测模型的预测结果进行比较.研究结果表明:部分线性模型能较好地拟合贵州省1990-2009年公路货运量;三种模型的预测结果显示,部分线性模型预测结果优于多元线性回归模型和灰色预测模型的预测结果.     

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.     

基于灰色线性回归组合预测模型的牡丹江旅游人数预测研究

针对牡丹江旅游人数预测问题,考虑到旅游人数变化是受多种因素影响的信息不完全灰色系统,利用单一模型预测处理,效果往往并不理想.因此,本文通过建立灰色线性回归组合预测模型来研究这一问题.研究结果表明,所建立的组合预测模型的拟合效果优于所选单一模型,具有较好的预测精度及稳定性.并利用此组合预测模型对牡丹江2019年-2021年的旅游人数作了短期预测,可为牡丹江市未来旅游规划提供较科学的数据资料依据.     

混沌理论和灰色系统在农机总动力预测中的应用

农机总动力的预测可以为农业装备需求规划提供数据参考,以黑龙江省农机总动力数据作为研究对象,应用混沌理论中G-P算法计算农机总动力的关联维数,将求出的关联维数与灰色系统理论中的灰色关联分析法相结合研究其影响因素,建立了农机总动力灰色多变量预测模型GM(1,m).计算结果:应用Matlab软件编程计算得到了农机总动力7个具体的主导影响因素,并建立了农机总动力的灰色多变量GM(1,7)预测模型,模型的平均相对误差为2.14%,由结果对比可知该预测模型的预测结果高于GM(1,1),方法具有一定的预测精度与科学性.     

GM(1,1)模型在高校选修课开课规模中的应用

针对多所高校普遍存在的选修课供求比例失衡、课程资源配置不够合理等问题,笔者以浙江某高校的历史选课数据为例,利用GM(1,1)灰色预测模型对高校选修课开课数量及其规模进行了预测,并对比了四种模型的预测误差,结果表明二阶算子作用序列下的预测数据可信度较高,并以此为基础讨论了不同类型选修课布局及课程计划管理.     

基于灰色系统理论的新疆综合地价预测及影响因素分析

根据新疆维吾尔自治区2006-2010年综合地价,利用灰色预测理论及灰色关联理论,建立预测新疆综合地价的GM(1,1)预测模型并寻找影响新疆综合地价的主要因素,以期为控制综合地价提供科学依据.由模型结果我们可以得到,房地产价格指数与城镇化率是当前促使新疆综合地价上升的两个主要因素.预测结果显示,房价打压政策下,新疆综合地价短期内不会下跌,且仍会平稳上升.     

融合多变量主成份与因子分析算法的犯罪率研究

基于犯罪过程的不确定性结构,融合多变量主成份分析与因子分析算法,分析了影响犯罪率的城市化率、失业率、客运量、人均GDP、城市基尼系数、农村基尼系数等多个相关变量因素,由MATLAB仿真建立了犯罪率的多元回归模型,并采用MINITAB数学软件对浙江省1988-2007二十年样本数据进行了实测,获取了影响犯罪率的潜在因子与方差贡献率,讨论了多元回归模型的统计检验及相对误差,解决了犯罪率各相关变量的权重分布及信息相互重叠问题.     

工业化、城镇化进程中电力需求分析及预测

随着工业化、城镇化进程的不断加快,我国电力需求量将持续上升。电力的充足供应是我国经济稳步发展的重要保证,故合理准确的对电力需求进行分析及预测具有重要的现实意义。基于此,分析我国电力需求现状,利用通径分析筛选电力消费需求的核心驱动因素。在模型选择的基础上,基于单变量(ETS、ARIMA模型)和多变量(情景分析)两个维度进行电力需求量分析及预测。结果表明:GDP每提高1%使得电力需求量提高0.5249%;工业化水平每提高1%使得电力需求量提高2.2146%,城镇化水平每提高1%使电力需求量相应提高1.0076%。“十二五”末中国电力消费需求量将近61425.96KW/h,2020年中国电力消费需求将近81410.10KW/h。     

An adaptively managed dynamic portfolio selection model using a time-varying investment target according to the market forecast

In this paper, we propose an adaptive investment strategy (AIS) based on a dynamic portfolio selection model (DPSM) that uses a time-varying investment target according to the market forecast. The DPSM allows for flexible investments, setting relatively aggressive investment targets when market growth is expected and relatively conservative targets when the market is expected to be less attractive. The model further allows investments to be liquidated into risk-free assets when the market forecast is pessimistic. By dynamically determining the investment target, the DPSM allows construction of portfolios that are more responsive to market changes, while eliminating the possibility of the model becoming infeasible under certain market conditions. When the proposed DPSM is implemented in real-life investment scenarios using the AIS, the portfolio is rebalanced according to a predefined rebalancing cycle and the model’s input parameters are estimated on each rebalancing date using an exponentially weighted moving average (EWMA) estimator. To evaluate the performance of the proposed approach, a 7-year investment experiment was conducted using historical stock returns data from 10 different stock markets around the world. Performance was assessed and compared using diverse measures. Superior performance was achieved using the AIS proposed herein compared with various benchmark approaches for all performance measures. In addition, we identified a converse relationship between the average trading volume of a market and the value of the weighting parameter prescribed to the EWMA estimator, which maximizes cumulative returns in each market.     

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.     

非等间距组合灰色预测模型

对于非等间距原始数据序列,根据灰色预测模型建模特点,提出了一类非等间距灰色组合预测方法,弥补了传统非等间距原始数据预测模型的不足,提高了灰色预测的精度.实例表明结果理想可靠,有较好的实际意义.     

基于多因素SVM的油价预测模型研究

准确预测国际原油价格,对于维护经济稳定和规避风险具有重要意义.由于国际油价的波动是由多种因素引起的,本文采用误差修正模型确定原油价格与因素的关系.将结果作为SVM回归预测模型的输入模式,建立基于多因素SVM的油价预测模型.通过实证研究,发现基于多因素SVM的油价预测模型相对于误差修正模型和基于国际油价本身的自回归SVM预测模型具有更好的拟合和预测效果.     

上海市PM2.5浓度的分析与预测

针对上海市PM2.5的浓度进行动态分析及预测.通过使用Page检验分析了上海市PM2.5浓度近几年的变化趋势;然后建立时间序列ARIMA模型对PM2.5浓度日数据进行拟合分析与预测.在此基础上通过引入影响PM2.5浓度的其他因素建立带时间序列误差的回归模型以及引入波动率因素建立带波动率方程的模型改进原时间序列ARIMA模型;通过比较样本外预测的效果,结果表明改进后的两个模型其结果均优于已知文献中的ARIMA模型.