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.     

部分线性模型在空气质量指数细颗粒物PM2.5中的分析应用

主要是研究细颗粒物PM2.5与其它影响空气质量指数的因素之间的相关性.首先运用主成分分析法对影响细颗粒物PM2.5的五个指标进行降维,然后对降维过后的数据拟合部分线性模型,拟合的效果比一般线性模型与多项式回归模型所拟合的效果更好.     

多指标可加模型及在医疗费用预测中的应用

对医疗费用的建模分析与合理预测是医疗保险费用厘定的基础与根本.医疗费用中的高维附加信息在长期预测中具有重要作用.然而,传统的统计建模方法不适用于处理高维纵向数据下的医疗费用.本文提出部分线性多指标可加模型,对具有高维特征的纵向医疗费用数据进行拟合与预测,并且使用两种不同的降维估计方法进行模型估计,并将该模型应用于一组含...     

基于稀疏自编码器的金融市场指数预测模型

针对高维数据"维数灾难"问题,降维是最典型的处理方式之一。降维技术不仅可以减弱"维数灾难"的负面影响,而且能够剔除高维数据中的冗余特征,从而提升高维数据回归、分类等任务的效率。高维数据通常呈现出复杂或非线性结构,恰当的降维方法可以有效地将高维特征数据投影至低维空间,以实现原始数据的非线性特征提取。本文尝试使用无监督学习模型稀疏自编码网络对金融高维数据进行非线性特征提取,将提取到的特征作为有监督学习模型BP神经网络的输入以预测指数收益率。更进一步地,为了验证稀疏自编码算法在特征提取方面的优势与有效性,本文引入稀疏主成分模型进行对比分析。实证分析显示:本文所使用的稀疏自编码网络能够较好地提取非线性特征并进行预测,其预测精度优于以稀疏主成分为代表的线性降维方法。     

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.     

城市道路短时交通流量预测

结合BP神经网络模型和自回归求和滑动平均(ARIMA)模型对城市道路交通短时区间流量进行预测.影响交通流的因素有很多,难以一一量化,但这些因素都可以由线性自相关结构和非线性结构结合线性组合得到.而BP神经网络对非线性关系有很好的拟合效果,ARIMA模型则具有良好的线性拟合能力.在训练模型时,先用ARIMA模型拟合训练集,与原始数据作差得到一组残差;用BP神经网络模型拟合残差;将两个模型结合得到组合模型.将2017年7月1日7:00到2017年7月1日18:00期间,贵阳市某个路口断面所采集的过车数据作为训练集,建立ARIMA模型和BP神经网络模型以及组合模型,预测2017年7月1日18:00到2017年7月1日19:00的短时交通流.过车数据统计时间间隔为5min,则训练集共有有效数据132组,测试集的有效数据为12组.分别用三类误差分析指标比较三个模型的拟合、预测效果,结果显示组合模型的预测效果比两个模型单独使用的预测效果更准确.     

基于灰色系统和BP神经网络的股指动态预测

针对股价指数特有的波动性,提出了基于灰色残差模型和BP神经网络的股指动态预测方法,并运用多元线性回归模型对两种动态预测结果进行拟合.同时,随机抽取部分上证指数和道琼斯指数的实证研究表明:动态预测模型能及时调整新数据对后续预测的影响,获得了较高的预测精度.     

随机缺失数据下的时间序列分析建模

在时间序列建模过程中,数据的缺失会极大地影响模型的准确性,因此对缺失数据的填补尤为重要.选取北京市空气质量指数(AQI)数据。将其随机缺失10%.分别利用EM算法和polyfit直线拟合的方法对缺失值插补,补全数据后建立ARMA模型并作预测分析.结果表明,利用polyfit函数插补法具有较好的结果.     

北京市道路交通事故灰色预测模型的构建与应用

利用灰色预测理论,根据北京市1999～2006年道路交通事故的统计资料,建立了北京市道路交通事故发生次数的灰色GM(1,1)预测模型,并根据实际数据的特点,对所建立的模型进行了改进.经证实,改进后的GM(1,1)模型预测精度高,预测结果与实际相符.GM(1,1)模型的预测结果可为北京市道路交通管理部门制定预防交通事故的措施提供重要的数据支持和理论依据,这对加强北京市的道路交通管理、改善北京市的道路交通安全状况将具有一定的现实意义.     

Small sample properties of the power function ofF tests in two-way error component regression

In this paper we investigate properties of the power function of the generalized least squaresF test for linear hypotheses under regression models with two-way error component model. The covariance structure of the model depends on the correlation coefficients ρ1 and ρ2 corresponding to the random effects. This model has been frequently applied to the analysis of panel data. In general, we show that the power is a monotonically increasing function of ρ1(ρ2) in a region which is close to the ρ1(ρ2) axis, and a monotonically decreasing function of ρ1(ρ2) in a region close to the ρ2(ρ1) axis. This research is supported by the National Natural Science Foundation of China, the Natural Science Foundation of Beijing, a project of Science and Technology of Beijing Education Committee, the Academy of Finland, and the University of Tampere.     

基于双对数线性模型的北京市入境旅游需求影响因素分析

将北京市入境旅游需求作为研究对象,通过列举北京市旅游的内部条件和外部条件,从国际旅游需求趋势、季节影响、旅游价格趋势三方面对北京入境旅游进行描述性分析,进而进行常规模型分析.选取7个客源国1996—2008年十三年的数据建立北京旅游需求双对数线性模型(其中解释变量PR_u包括两个选择变量,即PR,1和PR2).采用Eveiws 6.0对模型进行估计,从中选去包括PR_1变量的方程作为北京入境旅游需求模型,并得出各客源国的国内生产总值平均增长率和相对价格(中国入境旅游外汇收入指数和各客源国居民消费指数的比率)是影响北京旅游需求的重要因素,其中各客源国的国内生产总值平均增长率的影响程度最为显著;2003年的全球性非典型肺炎的扩散也是影响北京入境旅游需求的因素之一;排除了1997年亚洲金融危机,2001年美国9.11事件和2008年北京奥运会这三个虚拟变量的影响.     

具有时变协变量的纵向资料的线性混合效应模型及算法

许多研究领域中都会涉及到纵向资料的分析处理.在纵向资料的分析中,常常遇到带有时变协变量的情况.传统的方差分析难以处理具有时变协变量的纵向资料.对线性混合效应模型应用于分析这类资料进行了方法学的探讨,并编制了模型拟合的SAS程序.通过实例应用,对线性混合效应模型分析纵向资料的方法和过程给出详细的介绍.     

北京区域经济状况分析

以区域经济为出发点 ,制定相应指标衡量体系 ,采用基于时序立体表的因素分析方法———全局主成分分析方法 ,对北京市四大区域的数据进行经济、社会状况分析 ,研究比较不同区域间的经济发展水平、资源优势以及城市对农村的辐射和渗透作用 ,为北京市制定平衡发展战略提供了量化依据     

幂变换在多元线性回归中的应用

幂变换是多元线性回归分析中数据预处理的有效办法之一.以胰岛素注射治疗糖尿病为例,探讨幂变换实用的条件、研究方法及研究结论,并将幂变换处理后的变量,用于线性回归分析,研究医学问题.具体就是通过对变量数据描述性分析了解数据的特点,相关分析及聚类分析确定胰岛素初始剂量的重要影响因素,幂变换对数据进行预处理,继而进行回归分析,并对比变换前初步回归分析的结果,确定最终以尿蛋白分类标准,RI用量与血糖的对数之间的线性回归模型.     

北京市企业景气波动的实证分析

根据北京市统计局提供的企业景气指数和企业家信心指数的历史数据,利用假设检验的统计方法,对北京市的经济景气状况进行分析,为经济发展的预测和宏观调控政策提供了有力的依据.     

RECENT PROGRESS ON SPHERICAL HARMONIC APPROXIMATION MADE BY BNU RESEARCH GROUP ——In memory of Professor Sun Yongsheng

As early as in 1990, Professor Sun Yongsheng, suggested his students at Beijing Normal University to consider research problems on the unit sphere. Under his guidance and encouragement his students started the research on spherical harmonic analysis and approximation. In this paper, we incompletely introduce the main achievements in this area obtained by our group and relative researchers during recent 5 years （2001-2005）. The main topics are： convergence of Cesaro summability, a.e. and strong summability of Fourier-Laplace series; smoothness and K-functionals; Kolmogorov and linear widths.     

基于灰色预测模型的2008北京旅游人口预测分析

在分析北京市统计局2001至2006年入境旅游人口以及国内旅游人口统计数据的基础上,为研究每年同期旅游人数的变化规律,构造以每年3至12月的数据为分量的年数据向量.应用基于双谐样条插值算法对原异常数据进行处理,采用灰色预测模型及回归模型对2008北京旅游人口进行预测分析,得出2008年每月来京旅游人口数量,为政府制定人口相关政策提供参考.     

Ecological evaluation of Beijing economy based on emergy indices

An integrated ecological evaluation of the Beijing economy was presented in the paper based on the emergy accounting with the data in 2004. Through calculating environmental and economic inputs within and outside the Beijing economy, this paper discusses the Beijing’s resource structure, economic situation and trade status based on a series of emergy indicators. Through the comparison of the systematic indicators of Beijing with those of the selected Chinese cities, the general status of the Beijing economy in China is identified. The results also show that most indicators of Beijing are located at middle levels among the selected Chinese cities. Particularly, the environmental impacts, expressed by the ratio of waste to the renewable emergy, and the ratio of waste to the total emergy use, are 84.2 and 0.26, respectively in Beijing in 2004, which indicate that the Beijing economy is greatly reliant on the imported intensive fuels, goods and services with high empower density and environmental loading.     

Forward error analysis of Gaussian elimination

Summary Part I of this work deals with the forward error analysis of Gaussian elimination for general linear algebraic systems. The error analysis is based on a linearization method which determines first order approximations of the absolute errors exactly. Superposition and cancellation of error effects, structure and sparsity of the coefficient matrices are completely taken into account by this method. The most important results of the paper are new condition numbers and associated optimal component-wise error and residual estimates for the solutions of linear algebraic systems under data perturbations and perturbations by rounding erros in the arithmetic floating-point operations. The estimates do not use vector or matrix norms. The relative data and rounding condition numbers as well as the associated backward and residual stability constants are scaling-invariant. The condition numbers can be computed approximately from the input data, the intermediate results, and the solution of the linear system. Numerical examples show that by these means realistic bounds of the errors and the residuals of approximate solutions can be obtained. Using the forward error analysis, also typical results of backward error analysis are deduced. Stability theorems and a priori error estimates for special classes of linear systems are proved in Part II of this work.