非线性时间序列的投影寻踪学习网络逼近

本文研究非线性自回归模型投影寻踪学习网络逼近的收敛性,证明了在L^k(k为正整数）空间上,投影寻踪学习网络可以以任意精度逼近非线性自回归模型,给出基于投影寻踪学习网络的非线性时间序列模型建模和预报的计算方法和应用实例,对太阳黑子数据,山猫数据及西安数据进行了拟合和预报,将其结果与改进BP网和门限自回归模型相应的结果进行比较,结果表明基于投影寻踪学习网络的非线性时间序列的建模预报方法是一类行之有效的方法。     

删失回归模型中的变量选择

在一个删失回归模型("Tobit"模型)中,我们常常要研究如何选择重要的预报变量.本文提出了基于信息理论准则的两种变量选择程序,并建立了它们的相合性.     

基于粒子群-支持向量机定量降水集合预报方法

首先对ECMWF不同物理量场预报因子群进行自然正交展开,选取能充分反映每个预报因子场主要信息的第一主分量作为模型输入.进一步利用粒子群算法对支持向量回归机的相关参数进行优化,以南宁市8个气象站单站逐日降水作为预报对象,建立粒子群-支持向量回归集合预报模型,进行单站逐日降水的数值预报产品释用预报方法研究.利用模型对2015年5-6月南宁市8站进行了逐日降水预报业务试验,结果表明,模型具有较好的预报效果.并提出了利用隶属函数建立可信度函数对不同的预报模型进行评价.     

PLSR模型的回归效果分析

本文简单地介绍了多元线性回归、主元回归、部分最小二乘回归模型 ,用实例对三种方法的回归性能进行比较 ,并指出在消除多重共线性、回归系数估计精度及预测精度等方面 ,部分最小二乘回归模型优于其它两种模型     

门限自回归模型参数的局部正交设计寻优法

在采用点值图确定门限区间个数的基础上,对门限自回归模型中门限值、滞后步长、各门限区间模型阶数,利用正交设计方法寻优,计算工作量锐减,却可得到精度较高的预报模型.     

零调整分位数回归模型在车辆保险索赔额中的研究与应用

车辆保险产品的定价一般会考虑保单持有人的索赔概率和期望索赔额等两个因素,零调整逆高斯回归模型作为解决这类问题的一个有力工具,由于变量分布的限定,从而具有一定的局限性.针对该问题,本文基于零调整逆高斯回归模型和分位数回归模型的思想,提出零调整分位数回归模型,并结合实际数据进行了拟合分析.与零调整逆高斯回归模型拟合的结果比较表明,零调整分位数回归模型可以作为研究车辆保险中索赔额的一个有力工具.     

用自回归模型预测中国股市未来现金股利水平

对中国股市1996年以后所发放的现金股利的分布规律进行了研究,发现中国股市现金股利增量时间序列近似符合平稳过程。在此基础上探讨了利用线性模型技术的自回归(AR)模型对未来股利水平进行预测的一些技术问题,然后运用蒙特卡罗技术对现金股利增量进行了模拟试验,产生了足够多的数据并得出了拟合预报方程。最后对未来四十年中国股市现金股利的发放水平进行了预测。     

SARS的传播模型

建立了SARS传播的Logisitic阻滞增长模型和回归模型.     

分层回归与经典回归模型比较研究:以顾客资产驱动因素与忠诚意向的关系为例

对我国六大银行688条顾客数据,分别运用两种方法(分层回归模型和经典回归模型)在两种软件(MLwiN 2.10 Beta和SPSS 15.0),进行了数学建模.结果显示,经典回归模型进行参数估计的结果不会产生严重偏差;没有足够的证据证明经典回归模型会因为低估标准误从而使得不显著的变量变得显著.结论表明收集数据时,无论采用分层抽样还是随机抽样,建模者都可以先从建立简单模型着手,获得对数据的初步认知.     

基于图方法的自回归和双线性时间序列模型系数的检验

自回归和双线性时间序列模型被表示为时间序列链图模型.在此基础上, 证明了自回归和双线性模型的系数为其他时间序列分量给定的条件下的条件相关系数.然后提出基于图的检验方法来检验自回归和双线性模型系数的显著性, 模拟结果表明此方法在水平和功效方面表现很好.     

用灰色马尔柯夫链预测模型对我国粮食产量的预测

针对粮食生产的不确定性 ,本文提出了用建立在中心逼近式的 GM(1 ,1 )模型及马尔柯夫预测模型上的灰色马尔柯夫预测模型对我国粮食产量进行预测 ,预测建立在对过去年份的数据的分析之上 ,并给出了2 0 0 3年的粮食产量预测结果 .     

盈余管理计量模型效力的实证研究

本文以随机抽取的上海和深圳证券交易所的1000家被并购上市公司为样本,研究了盈余管理计量模型的检验效力问题。本文通过三种验证各模型效力的实证方法比较了6种盈余管理的计量模型。研究发现:第一类误差的方法认为Healy模型、修正的琼斯模型和前瞻性修正的琼斯模型能有效地检验出盈余管理行为:预测误差标准方法则认为前瞻性修正的琼斯模型是最优的模型:而根据对操纵性应计部分的短期效应的实证则认为Healy模型、修正的琼斯模型、KS模型和前瞻性修正的琼斯模型是较优的计量模型。在综合考虑各种实证结果和中国资本市场实际情况的基础上,认为前瞻性修正的琼斯模型在中国证券市场检验盈余管理行为的效力最强。     

Verhulst模型、微分模型及时滞模型的建模与经济预测应用

经济预测中常常会遇到外生变量的确定问题，由于累积误差和传递误差的存在而很困难，因而需要其它方法，为此我们引入Ｖｅｒｈｕｌｓｔ模型来描述经济过程的动态特征，并用阶数不超过３的微分模型发展了这一思想以便描述，同时具有趋势变动和周期性扰动的数据结构，这是一种非常普遍的情形．然后我们证明了微分模型与时滞模型是等价的，而后者的参数估计极为简单．     

基于组合模型的新疆包虫病发病数预测研究

包虫病是新疆危害最严重的人畜共患寄生虫病.通过对历史数据分析,建立适当的组合模型较好地预测了新疆包虫病月发病数,模型为做好新疆包虫病预防控制工作起到积极作用.     

低碳经济背景下中国铅精炼企业产销存量预测的ARMA模型构建及其应用研究

分析了ARMA模型构建中的数学方法,构建了低碳经济背景下中国铅精炼企业产销存量预测的ARMA模型,检验结果显示,ARMA(4,0)模型是对低碳经济背景下中国铅精炼企业产销存量进行短期预测的较优模型,同时最后采用该模型对中国铅精炼企业未来5年的产销存量进行了预测,并就预测结果提出了促进我国精炼铅市场低碳可持续发展的三种政策建议。     

基于AR(n)模型的卡尔曼滤波模型

考虑到对于处于不同位置的变形监测点,由于它们所处的位置不同,各种环境因素对它们的影响及影响程度也不同,作者预置数个AR(n)模型,通过计算比较,选择剩余标准差最小的AR(n)模型作为初选模型,再将初选的AR(n)模型的模型参数看作包含有动态噪声的状态向量,建立卡尔曼滤波模型.实例分析表明,采用这种方法能够提高模型的拟合精度和预测精度.     

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.     

基于灰色马尔可夫模型的物流配送需求量预测研究

研究可以较准确地预测物流配送需求量的数学模型,以服务于政府及企业的物流规划及其决策.将灰色理论和离散状态的马尔可夫链相结合,用灰色马尔可夫链对物流配送需求量进行实证研究.针对灰色数据系列首先用GM模型进行趋势预测,然后利用马尔可夫状态转移概率矩阵预报方法对其预测值进行二次拟合,预测精度明显高于GM模型预测.     

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。     

ARIMA乘积季节模型及其在传染病发病预测中的应用

本文研究乘积季节模型在传染病发病情况预测中的应用,并探讨提高模型准确性和实用性的途径.以1980年1月至2000年7月江苏省肾综合征出血热发病资料建立模型,以2000年的发病资料作为模型预测效果的考核样本.首先采用差分方法对序列资料进行平稳化,然后进行定阶并估计参数,建立乘积季节模型,最后对预测结果进行检验和分析.从而更好地掌握未来疫情动态发展趋势.检验结果表明,用乘积季节模型对肾综合征出血热月发病情况的拟合结果满意,预测效果良好.