季节调整的PSO-SVR模型及其在旅游客流量预测中的应用——以海南省三亚市为例

准确的旅游客流量预测对旅游目的地做好事前准备工作至关重要.然而旅游客流量具有明显的非线性和季节性特征,采取季节调整方法对样本数据进行预处理,消除季节性的影响,可以提高客流量预测的准确性.同时SVR(支持向量回归机)是一种良好的机器学习方法,非常适合预测研究,辅以PSO(粒子群算法)选取合适的回归参数可以获得更加精确的预测结果.提出了一种考虑季节影响并通过PSO优化SVR模型的旅游客流量预测模型,并以海南省三亚市为例进行了实证研究.研究结果表明,季节调整的PSO-SVR模型预测精度明显高于SVR、季节调整的SVR和PSO-SVR模型,是进行旅游客流量预测的有效工具.     

基于ARIMA乘积季节模型对阿拉尔市风速变化的分析

利用阿拉尔市近20年风速的观测资料,采用季节指数法和乘积季节模型对风速的变化规律进行分析,结果表明:阿拉尔市的风速具有明显的季节性,以一年为周期,主要集中在4-6月份,5月份达到顶峰,综合考虑季节性和周期性的影响,用乘积季节模型ARIMA(1,0,1)×(0,1,1)_(12)拟合序列的发展趋势,以2016年1月至6月的数据为考核样本,检验结果表明模型对风速的预测效果较好.     

基于改进的SVR模型在年降水量预测中的应用

鉴于降水量数据的高维非线性性和周期性,建立了支持向量回归(SVR)预测模型用于降水量预测,由于对该模型输入特征的选取极为重要,因此提出了一种基于季节自回归(SARI)的输入特征选取方法.利用已有的降水量数据建立SARI模型,通过观察模型表达式提取建立SVR模型所需的输入特征用于训练支持向量机,并通过网格参数寻优法确定SVR模型的参数,进行降水量预测.实例分析中,应用此模型对黄土丘陵半干旱区域的降水量进行预测,将预测结果与季节时间序列(SARIMA)模型的预测结果进行对比,结果表明,模型具有更高的预测精度和拟合优度,可以用于降水量的预测.     

基于季节ARIMA模型的电力系统负荷短期预测

电力负荷是影响电网寿命和可靠度的一个重要因素,其月负荷变化具有明显的周期性.介绍了应用季节ARIMA模型进行电力负荷建模预测的理论和方法,将季节ARIMA模型应用于电力系统负荷短期预测,测试结果证明了方法的有效性.     

中国入境旅游客源量的模型对比分析及预测

根据2000年1月至2009年12月中国入境旅游客源量的月度统计数据,建立了灰色预测GM(1,1)模型和ARIMA乘积季节模型.借助于MATLAB及SPSS软件,对2009年1月至2009年6月中国入境旅游客源量进行分析预测,并将两种模型的预测效果进行比较,从而探索出比较合适的短期预测方法,预测方法和结果对旅游规划具有一定的参考价值.     

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.     

基于时间序列方法的全国铁路旅客周转量的分析与预测

应用两种时间序列分析的方法对全国铁路旅客周转量的月度数据进行分析.运用X-11方法和季节ARIMA模型进行分析并分别对未来5个月的周转量做了预测,结果表明季节ARIMA模型优于X-11方法.通过对全国铁路旅客周转量的定量分析,为铁路部门在计算运输成本,劳动生产率,旅客平均行程等方面提供有效的依据.     

基于ARIMA-LSTM组合模型的原油产量时序预测研究

针对现阶段油田产量预测中所出现的一些预测效果不理想的问题,开展了对全国原油产量的时序预测研究.针对全国原油2011-2020年产量所呈现出来的特点,采用一种基于时间序列自回归移动平均模型(ARIMA)结合长短期记忆网络(LSTM)组合模型的预测方法.首先,运用时间序列ARIMA模型的建模思想,对全国原油产量进行初步预测,再通过LSTM训练拟合残差并进行预测.最后将LSTM的预测结果补偿到初步预测结果中,得到组合预测值.组合模型预测结果显示,预测结果比较可靠,对预估原油产量具有一定的参考价值.     

基于ARIMA-GM组合模型的邮电业务总量预测

对传统预测具有波动性及季节性双重趋势时间序列的模型—ARIMA乘积季节模型进行了改进,先用ARIMA乘积季节模型对邮电业务总量历史数据进行识别和拟合,然后用GM(1,1)模型对其带阀值的残差序列进行修正,最后结合二者得到ARIMA-GM这一组合预测模型.利用此模型对09年上半年中国邮电业务总量进行了预测,结果表明,组合预测方法比单项ARIMA乘积季节模型预测具有更高的精度.     

LSTM的季节性注意力及在文本情感分类中的应用

长短期记忆网络(LSTM)在序列建模中存在梯度消失的情况,其降低了模型在时序预测任务尤其是中长期多步预测中的精度,同时降低了模型对于序列上下文中关键信息的注意力.梯度消失的根本原因在于LSTM的门控记忆机制对在循环层反向传播的梯度失去控制,故考虑对循环层的门控单元结构进行调整,并专门对于含有特定成分(如季节成分)的序列进行训练使改进后LSTM模型在序列预测任务中具备针对季节性成分的注意力.文章研究在LSTM模型的基础上采用将已有的单支路的遗忘门调整为具有双支路的季节门,并引入输入序列的极差作为划分支路的选通器的方法,改进得到季节型LSTM (S-SLTM).经实验,在英文电影评论IMDB的文本二分类情感分析中,单层的S-LSTM较单层LSTM的预测准确率提升了9.8%.     

国际原油价格预测的双层随机整数规划模型、算法及应用

根据国际原油价格近期数据及原油价格变化量,给出了国际原油价格改变量的状态转移概率(或频率)矩阵.依此提出以国际原油价格预测误差的期望与方差最小为最优目标,建立国际原油价格预测的双层随机整数规划,并论述该优化问题最优解的存在性, 根据约束特性构造了优化算法.同时按照国内现行成品油定价机制, 提出的优化算法,对国内成品油调价进行了预测,实证分析表明提出的模型与优化算法具有一定的预测精度和较好的实用性.     

基于混合模型的原油价格混沌预测方法

针对原油现货价格的非线性和时变性特征,提出一种小波变换结合Elman神经网络和广义自回归条件异方差(GARCH)模型的混沌预测方法。首先利用小波变换将原油现货价格序列分解和重构成概貌序列和细节序列。其次对概貌序列和原油期货价格序列进行相空间重构,建立Elman神经网络的混沌时间序列模型预测概貌序列的未来值;同时以细节序列为历史数据,构建GARCH模型预测细节序列的未来值;最后将概貌序列和细节序列的未来值求和作为最终的预测值。实验证明该方法能够提供更准确的预测结果。     

中国成品油定价机制的实证分析

随着原油对外依存度的提高,我国的成品油价格受国际油价的潜在影响也逐步增大.为了平衡油价高企对国内各方面的影响,2009年我国推出了新的成品油定价机制,以期在一定程度上能够与国际原油价格接轨.使用Granger因果关系分析、ECM等计量经济学方法,对我国成品油价格特征及其与国际原油市场的互动关系进行定量分析,进而探讨2009年定价机制改革的效果.研究结果表明国际原油价格是国内成品油价格的Granger原因,二者之间存在长期的协整关系,但在现有的定价机制下,短期内国际原油价格的波动难以影响到国内成品油价格.现有的定价机制并没有有效地提升国内成品油价格与国际原油价格的接轨程度.     

基于C-STGARCH模型的大庆原油现货价格波动研究

引用Dueker等(2011)提出的同期门槛平滑转换广义自回归条件异方差(C-STGARCH)模型对我国大庆原油现货价格的波动状态进行了实证分析,以求对大庆原油现货价格的波动有一个新的、更深刻的量度.研究显示:第一,大庆原油现货价格的波动是不稳定的,并且存在显著的非对称和非线性现象;第二,CSTGARCH模型能很好地刻画大庆原油现货价格波动的这些现象,并且发现油价的波动以3.738%为门槛点存在高波动区和低波动区两种状态,低波动区的波动持续性比高波动区强,然而,对平滑转换持续性的影响方面,高波动区要略大于低波动区.     

基于GED—GARCH模型的中国原油价格波动特征研究

本文采用中国大庆原油价格日平均交易数据,建立了基于GED分布的GARCH(1,1)、GARCH-M(1,1)和TGARCH(1,1)三个模型,描述了中国原油价格与国际接轨以来的波动特征。实证结果表明,与国际油价类似,中国原油价格的波动也存在显著的GARCH效应,但其波动冲击的半衰期要比国际油价短,为5天。而且,中国原油收益率受到预期风险的负向影响,表明中国原油市场并非完全市场化运作,当然这种负向影响程度较小,约为8%。另外,中国原油价格的波动存在显著的杠杆效应,相同幅度的油价下跌比油价上涨对未来油价的波动具有更大的影响,前者是后者的1.7倍左右。最后,基于GED分布的GARCH模型比基于正态分布的GARCH模型能够更好地描述中国原油价格的波动特征,并且具有较好的预测能力。     

Application of the largest Lyapunov exponent and non-linear fractal extrapolation algorithm to short-term load forecasting

Precise short-term load forecasting (STLF) plays a key role in unit commitment, maintenance and economic dispatch problems. Employing a subjective and arbitrary predictive step size is one of the most important factors causing the low forecasting accuracy. To solve this problem, the largest Lyapunov exponent is adopted to estimate the maximal predictive step size so that the step size in the forecasting is no more than this maximal one. In addition, in this paper a seldom used forecasting model, which is based on the non-linear fractal extrapolation (NLFE) algorithm, is considered to develop the accuracy of predictions. The suitability and superiority of the two solutions are illustrated through an application to real load forecasting using New South Wales electricity load data from the Australian National Electricity Market. Meanwhile, three forecasting models: the gray model, the seasonal autoregressive integrated moving average approach and the support vector machine method, which received high approval in STLF, are selected to compare with the NLFE algorithm. Comparison results also show that the NLFE model is outstanding, effective, practical and feasible.     

基于行为金融的国际原油价格波动机理分析

国际原油价格高低对我国经济平稳增长意义重大。本文从行为金融视角,在引入理性套利者和假设正反馈交易者与理性交易者数量之比是变化基础上,构建了包含四类交易者的国际原油期货市场正反馈交易模型,揭示了理性投机者操纵市场并与其他类市场参与者的交易行为导致油价波动的机理,最后用数值模拟验证了结论。结果表明:国际原油市场供求变化提供了理性投机者操纵油价的基础,但理性套利者会反方向对冲油价波动,于是,消极投资者数量成为决定油价上涨或下跌的砝码。此外,若理性投机者主导市场,其会利用正反馈交易者关于油价波动形成的正反馈效应加大对油价操纵力度,最终扩大油价波动幅度。因此,从国际原油期货市场交易者行为角度可以预测油价波动。     

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．     

基于不确定理论的原油海运网络连通可靠性研究

原油海运网络是原油进口国的海上生命线,为科学衡量网络中节点受到突发事件影响后的原油海运网络的连通可靠性,本文采用不确定变量来描述突发事件发生后各节点的连通性,引入不确定理论对原油海运网络连通可靠性进行评估,并建立了不确定原油海运网络的最可靠路径选择模型。本文不确定变量的引入不再依赖较多的历史数据去描绘节点失效的概率分布,而且提出的最可靠路径选择模型可以确保突发事件发生后原油的及时运输。本文还提出了α-最可靠路径和最大测度最可靠路径选择问题,给出不确定原油海运网络最可靠路径风险值的不确定分布,为突发事件发生后决策者的路径选择提供依据。本文以中国进口原油海运网络为例作案例分析。     

事件对国际石油价格影响的时间序列分析

用近来经济分析中应用较多的现代时间序列分析方法 ,以虚拟变量描述突发事件 ,用 ARMAX模型分析事件对国际原油价格的影响 ,并对今年海湾战争后原油价格的趋势进行预测