最优组合预测线性模型在旅游需求预测中的应用——以中国大陆赴澳门游客量预测为例

研究运用ARIMA、多元线性回归(MRL)、ADL_EC和VEC四种单一模型对中国大陆赴澳门游客量进行预测,运用等权组合、简单加权组合和熵值加权组合三种非最优组合预测及最优组合预测线性模型对单一模型预测结果进行优化,用平均绝对百分比误差(MAPE)和希尔不等系数(TIC)对优化结果进行评价与比较,确定最优组合预测线性模型是比较切合澳门入境旅游实际的预测模型,并运用其进行预测,达到了预期效果.     

基于GA-RS-LR算法的公司财务与个股投资探究

运用遗传算法-粗糙集-逻辑回归方法(GA-RS-LR)探讨我国A股上市公司财务与股票收益的关系.运用GA-RS方法获得财务指标最优约简;运用LR模型探求两者关系.最终,经GA-RS约简,60个财务指标中有17个对股票投资有重要影响;通过LR模型,4个指标具有显著效应;其中,负债与权益市价比为5.82%负效应,其余为正效应.对2015年股票相对波动进行预测得到70%的准确率,验证了GARS-LR模型对中长期投资的有效性.     

收入与物价关系的灰预测分析

利用平移变换方法对灰色预测模型进行改进,对平移变换存在性进行了证明,并给出最优平移步长的求解方法和利用平移变换建立灰色模型的一般步骤;应用优化后的灰色模型对收入与物价关系进行预测分析,与线性回归模型作了相应比较,从结果可看出,对于收入物价系统,优化后的灰色模型计算简单,模型更加精确可靠,用于对未来收入与物价关系的预测,能提供更有效的数据依据,具有很好的实际应用意义.     

股票波动率模拟及对中国市场预测效果的实证研究

利用实际波动率衡量标准和损失函数评价指标对GARCH类模型的波动率进行模拟并对中国市场的预测效果进行了实证研究,得出:1)在模拟期,EGARCH模型的模拟效果相对最优;2)在预测期,没有一个模型的预测效果表现相对出色;3)以实际波动率为标准,模拟和预测效果均显得不足,预测效果更是不容乐观.     

注采比方法在油田精细注水中的应用——以牛心坨油田为例

在低渗透油田合理配注量研究的基础之上,建立了油藏数值模型,进行了历史生产数据不同含水阶段注采比合理性分析.根据牛心坨油层上层系矿场实际资料,建立牛心坨油层综合含水与水油比、综合含水与耗水量的数学模型,并推导出不同含水率的注采比模型,对油田注采比进行了预测;为研究单一因素对注采比的影响,建立理想模型,应用数值模拟方法以定液量生产制度预测不同含水时期不同注采比条件下开发指标变化,并与油藏工程方法结合得出最优注采比.目的在于直接得出注采比与含水率的关系,对于低渗透油田预测注采比具有很好的推广应用价值.     

公共图书馆投入产出效率及影响因素研究

公共图书馆等公共文化机构的投入产出效率不仅与内部的运营管理有关,同时也受到人口、经济等外部环境因素的影响。本文以2015年我国31个省份的公共图书馆数据为例,利用DEA模型、最优子集回归模型和主成分回归模型对公共图书馆投入产出效率及其影响因素进行实证分析。效率评价结果显示:我国省域公共图书馆整体效率不高,投入冗余率达到20.7%;不到1/4的省份公共图书馆效率达到有效,并且区域差异性明显,东部最优、中部次之、西部较差。最优子集回归结果显示:人口规模、地区经济发展水平、地区居民收入水平以及高等教育程度是最优的影响因素变量子集,对公共图书馆投入产出效率都具有显著的影响。对于地区经济发展水平和居民高等教育程度回归系数为负与实际意义不符的情况,分析发现是因为变量之间存在多重共线性所致,通过主成分回归建模后,对回归系数进行了修正。     

城市火灾次数与气象因素的Adaptive-Lasso分析

为研究城市火灾次数与气象因素的关系,以天津市的火灾数据为例,建立月度火灾次数与温度、风速、降雨量、日照、湿度等相关的各月气象因素及上月火灾起数间的线性回归模型.通过Adaptive-Lasso方法对上述变量进行选择并估计其参数,并对所得模型进行了分析比较,同时预测分析了2008年上半年火灾发生数.研究表明,通过Adaptive-Lasso方法建立的线性回归模型能够更好地预测火灾次数.     

红细胞分布宽度与心房颤动负荷的关系研究

目的观察病态窦房结综合征患者心房颤动负荷与红细胞分布宽度（RDW）的关系。方法选择病态窦房结综合征植入永久性人工心脏起搏器的患者81例，回顾性分析患者入院时基本资料、血常规及生化指标。记录术后3个月起搏器记录的心房颤动负荷。根据患者心房颤动负荷分为高负荷组及低负荷组，比较分析两组患者RDW及相关临床资料。结果心房颤动高负荷组患者RDW（15.61±1.23）%，高血压比例71%，明显高于低负荷组的（13.50±1.03）%、46%（P＜0.01或0.05）。高负荷组左心房直径、左心室舒张末期内径、WBC、TG、TC均大于低负荷组（P＜0.01或0.05）。心房颤动负荷影响因素的logistic回归分析显示，RDW是心房颤动负荷高的预测因素（OR=10.32，P＜0.01）。高TG、高血压、高胆固醇也是心房颤动高发的预测因素。结论心房颤动负荷除与年龄，高血压有关外，还与RDW明显相关。RDW可成为病态窦房结综合征患者心房颤动负荷的预测因素之一。     

基于最大相关熵准则回归模型的大盘指数预测

大盘指数是衡量股票市场运行情况的“晴雨表”,是投资者洞察股票市场发展态势和制定投资策略的重要依据.大盘指数的变化趋势与经济发展状况、宏观经济政策、投资者心态等诸多复杂因素密切相关,具有明显的随机性和不确定性,这导致精准预测大盘指数的变化趋势成为一个富有挑战性的问题.文章基于最大相关熵准则,使用一种新的回归预测模型,该方法将实际输出与理想输出视为两个随机变量,并采用相关熵度量它们之间的相似程度,进而基于最大熵准则构建一种新的回归模型优化函数,用于指导回归系数的确定.在实际操作中,通常基于有限样本,采用高斯核函数的Parzen窗方法估计两个随机变量的相关熵,因此可借助高斯核函数的核宽调节,解决最小均方误差准则回归模型对异常数据和随机噪声敏感性问题,从而提升预测精度.基于实测数据的实验结果表明:与自回归模型、差分自回归模型以及深度学习方法等相比,文章所提方法能有效降低异常数据对预测精度的影响,预测误差小,鲁棒性强.     

影响我国人寿保险保费收入的因素实证分析

本文对影响我国人寿保险需求的因素进行了分析,并建立了非线性回归模型;同时,采用数学软件MATLAB对此模型进行了分析、改进、检验以及预测.     

我国就业的影响因素分析

在经典就业理论的分析基础上,结合中国实际情况,从宏观因素、财政政策、货币政策、结构性因素、人力资本和其他随机因素等六大方面提炼出可能影响就业的指标.分别选取指标的全国年度数据和季度数据,运用逐步回归方法提取出影响整体就业情况的长期短期因素.运用多元回归模型对年度指标进一步进行长期关系分析;采用VAR模型对季度数据进一步进行短期关系分析;并运用所建立模型进行了预测.     

最佳灰色回归组合模型及其在中国火灾预测中的应用

火灾每年给国家和人民生命财产造成巨大损失.火灾现象具有随机性、模糊性,是个复杂的灰色系统行为.研究火灾发生规律及发展趋势,具有实用价值.为此,首先给出最小二乘估计(LSE)意义下的最佳组合预测模型的定义,并求得组合模型的权的公式和证明权的唯一性.其次,用回归分析方法建立多个回归模型,并按以下三条标准:①回归指数(或相关系数)r大、②系统误差s小、③模型精度p高,选定最佳非线性回归模型;用灰色理论建立多个灰色模型,并按以下三条标准:①后验差比值c小、②小误差概率P大、③预测关联度ξ大,选定最佳灰色模型;再用最小二乘法将最佳回归模型与最佳灰色模型有机地结合起来建立的中国火灾最佳灰色回归组合预测模型.最佳灰色回归组合预测模型综合利用前两者提供的不同的有用信息,改善了单一模型的局限性,提高了模型的预测精度,减少了预测误差,使预测效果更佳.组合模型预测中国年火灾起数处于动态增长过程.     

灰色关联方法的分析与应用

选取某油田某区块为试验区,应用灰色关联方法分析影响压裂效果的主要因素,分别采用均值变换和极差变换方法对样本库的16口井的日增油量进行预测,并通过多元回归方法建立预测模型,预测结果显示极差变换方法预测结果较为准确,预测井的绝对误差平均值为0.52 t/d,能够满足现场压裂工艺的实施要求.     

基于冷负荷需求的空调节能控制模型

针对商场中央空调的节能控制问题,首先建立了基于空调运行模式、经验值的冷负荷计算模型,给出了4种计算方法,并得出了人体冷负荷和照明电气设备冷负荷值的范围;然后对人流量分布进行合理假设,得出了商场冷负荷的函数表达式,讨论了冷负荷的误差范围,并用最小二乘方法对表达式进行了修正;再根据冷负荷的表达式建立了基于能量需求的空调节能模型,得出了制冷机组的控制策略,并给出了节能效果;最后计算出了基准冷负荷的值以及当商场温度升高1度基准冷负荷的减少比例.     

传统离散型报童决策模型的一个问题及其改进方案

实践表明 ,对状态变量的递增量较大的报童问题 ,应用传统的离散型报童模型所确定的最优决策量与实际最优方案之间可能存在较大偏差 .分析了这一偏差出现的原因 ,提出了状态变量递增量较大的情况下的离散变量报童模型和求解方法 ,并证明这一模型比原模型得出的求解结果更为精确 .最后 ,通过算例验证了新模型对原模型的改进 .     

空气中PM2.5问题的建模研究

是针对空气中PM2.5的相关因素分析、分布与演变及应急处理和空气质量控制管理的问题.首先,运用数理统计与分析的相关知识,建立PM2.5含量与5项指标间的相关性分析模型和多元线性回归方程模型,并采用SPSS软件和最小二乘法对其求解;然后,通过建立Shepard二维插值模型、多元线性回归方程模型以及偏微分方程模型研究了PM2.5时空分布、演变及预测评估的一般性规律;最后,引入效用函数建立了以满意度最大为目标的非线性规划模型和以投入总费用最少及PM2.5减排计划实施满意度最大为目标的多目标非线性规划模型,并结合LINGO软件求得最优解,给出了空气质量控制管理的治理计划.     

Thermal behaviour prediction utilizing artificial neural networks for an open office

This study investigates a neural network-based non-linear autoregressive model with external inputs (NNARX), a non-linear autoregressive moving average model with external inputs (NNARMAX), and a non-linear output error model (NNOE) to predict the thermal behaviour of an open-plan office in a modern commercial building. External and internal climate data recorded over one summer, autumn and winter season were used to build and validate the models. The paper illustrates the potential of using these models to predict room temperature and relative humidity for different time scales ahead (30 min or 2 h ahead). The prediction performance is evaluated using the criteria of goodness of fit, coefficient of determination, mean absolute error and mean squared error between predicted model output and real measurements. To obtain an optimal network structure (avoiding overfitting) after training, a pruning algorithm called optimal brain surgeon (OBS) was used to remove unnecessary input signals, weights and hidden neurons. The results demonstrate that all models provide reasonably good predictions but the NNARX and NNARMAX models outperform the NNOE model. These models can all potentially be used for improving the performance of thermal environment control systems.     

Universal optimality of digital nets and lattice designs

This article considers universal optimality of digital nets and lattice designs in a regression model. Based on the equivalence theorem for matrix means and majorization theory,the necessary and sufficient conditions for lattice designs being φp-and universally optimal in trigonometric function and Chebyshev polynomial regression models are obtained. It is shown that digital nets are universally optimal for both complete and incomplete Walsh function regression models under some specified conditions,and are...     

突发事件中对嫌疑犯有效封堵的模型与算法

基于CUMCM-2011 B题中关于嫌疑犯的封堵问题的研究.通过建立描述市区交通网络图的权矩阵,采用求最短路的Dijstra算法求出市区任意两节点的最短路径及路长,构作最佳路径阵和距离矩阵,以此为基点建立封堵路口的最优调度方案模型,再在此基础上建立封堵住嫌疑犯的最优模型,并设计了模型求解的算法.将算法应用于CUMCM-2011 B题中关于嫌疑犯的封堵问题,获得最优封堵方案.     

Estimating bank default with generalised extreme value regression models

The paper proposes a novel model for the prediction of bank failures, on the basis of both macroeconomic and bank-specific microeconomic factors. As bank failures are rare, in the paper we apply a regression method for binary data based on extreme value theory, which turns out to be more effective than classical logistic regression models, as it better leverages the information in the tail of the default distribution. The application of this model to the occurrence of bank defaults in a highly bank dependent economy (Italy) shows that, while microeconomic factors as well as regulatory capital are significant to explain proper failures, macroeconomic factors are relevant only when failures are defined not only in terms of actual defaults but also in terms of mergers and acquisitions. In terms of predictive accuracy, the model based on extreme value theory outperforms classical logistic regression models.