销量预测的相对误差马尔柯夫链模糊修正模型研究

在销量预测的改进型灰色预测GM(1,1)模型中,针对传统的相对误差修正的马尔柯夫链预测法,在相对误差微小变化的情况下,存在状态跃变的不合理性,提出应用马尔柯夫链模糊模型的方法.并开展实证研究,得出改进的销量预测值为103.5095万箱的结论.     

基于支持向量机的飞行事故率预测模型

飞行事故率是表征飞行安全水平的重要指标,其预测是典型的小样本问题.针对目前飞行事故率预测中存在的预测精度不高的问题,提出了一种基于回归支持向量机的飞行事故率预测建模方法.最后结合实际算例,采用SVR进行了飞行事故率预测建模并把预测结果与灰色预测和灰色马尔柯夫链预测进行了对比.仿真结果表明SVR具有很高的建模精度和泛化能力,从而验证了采用SVR进行航空飞行事故率预测的合理性和先进性.     

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.     

上证指数、深圳指数预测的马尔柯夫链预测模糊模型

介绍马尔柯夫链预测法的模糊模型 ,应用模糊模型对证券指数进行预测的实证研究     

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 .     

灰色-马尔柯夫模型的改进及其参数计算方法

提出了一种改进的灰色-马尔柯夫预测模型,同时给出了状态划分和模型参数计算的方法,应用实例表明了提出的模型和方法是有效的.     

基于改进的灰色马尔可夫链模型的交通事故预测

交通事故预测是交通安全评价、规划和决策的基础.灰色预测适合于数据量少和波动小的系统对象,而马尔可夫链理论适用于预测随机波动大的动态过程.为克服一般灰色马尔可夫链模型运用的转移概率矩阵固定不变而影响预测精度的问题,本文建立了改进的灰色马尔可夫链模型.采用滑动转移概率矩阵方法,去掉最老数据并补充最新数据,从而建立新的一步转移概率矩阵.借助改进的灰色马尔可夫链模型,对全国2002-2004年交通事故10万人口死亡率进行了预测分析.结果表明,改进的灰色马尔可夫链模型比一般灰色马尔可夫链模型的预测范围更准确,预测精度更高.     

基于灰色-马尔可夫链模型的危险化学品事故预测

根据危险化学品伤亡事故的发生受多种灰色因素影响,并且具有较大的随机波动性的特点,提出了运用灰色-马尔可夫链预测模型对危险化学品死亡人数进行预测分析.结果表明,所建立的灰色-马尔可夫链预测模型既能反映死亡人数变化的总体趋势,又能体现数据的波动性特点,其预测精度高于GM(1,1)模型的预测精度,可以较好地应用于危险化学品事故的预测,为该行业的安全管理提供准确的理论依据.     

基于改进的GM(1,1)-Markov链组合模型广东省单位GDP能耗预测

本文以灰色系统理论的GM(1,1)模型和随机过程理论的Markov链模型为基础构建了一个动态GM(1,1)-Markov链组合预测模型。该模型同时利用了GM(1,1)模型对序列趋势因素良好的拟合能力和Markov链模型对残差序列信息的提取能力。为进一步提高该模型的预测精度,用泰勒(Taylor)近似方法和新信息优先的思想对该模型进行了改进。最后,以1991-2014年广东省单位GDP能耗数据实证了该模型的预测效果。     

不完全信息下军事冲突态势的模糊过程分析

本文以军事冲突决策为研究背景 ,给出了在不完全信息下 ,局中人处在冲突态势改变过程是一个模糊集上的马尔柯夫过程时状态转移的预测模型 ,并且探讨了当状态转移的无后效应是模糊概念时模糊马尔柯夫链状态转移的预测模型     

Discrete grey forecasting model and its optimization

Although the grey forecasting model has been successfully adopted in various fields and demonstrated promising results, the literatures show its performance could be further improved. For this purpose, this paper proposes a novel discrete grey forecasting model termed DGM model and a series of optimized models of DGM. This paper modifies the algorithm of GM(1, 1) model to enhance the tendency catching ability. The relationship between the two models and the forecasting precision of DGM model based on the pure index sequence is discussed. And further studies on three basic forms and three optimized forms of DGM model are also discussed. As shown in the results, the proposed model and its optimized models can increase the prediction accuracy. When the system is stable approximately, DGM model and the optimized models can effectively predict the developing system. This work contributes significantly to improve grey forecasting theory and proposes more novel grey forecasting models.     

GM(1,1)改进模型及其应用

根据 GM( 1 ,1 )灰色模型的指数特性 ,通过在区间上求积分给出了关于背景值的一个比较确切的计算公式 ,讨论了由此建立的 GM( 1 ,1 )改进模型的适用范围和预测精度 .结果表明改进模型比原 GM( 1 ,1 )模型适用性要强、模拟和预测精度要高 ,不仅适用于低增长序列、也适用于高增长序列 ,不仅适用于短期预测 ,同样也适用于中、长期预测     

GM(1,1)建模方法的改进及其应用

应用微分方程的两种数值解法估计GM(1,1)模型中的待辩参数a、u,并对模型的边界条件做了改进,建立了灰微分方程的时间响应表达式,讨论了由此建立的GM(1,1)模型的适用范围和预测精度.通过实例的分析计算,证明改进的模型具有良好的预测精度,满足工程实际需要,拓广了GM(1,1)模型的适用范围.     

基于深度学习LSTM对交通流状态的预测

当今道路交通状态对城市管理和人们出行愈加重要,影响着人类生活的方方面面.以深圳交通为研究对象,由基础车辆数据和道路坐标构建了路网系统,从车辆速度和密度两个方面导出了交通流状态评价指数TSI.利用深度学习长短期记忆神经网络(LSTM)对车辆速度和密度两个指标进行预测,并通过对比极限学习机(ELM),时间序列(ARMA)和BP神经网络,进行仿真实验,结果表明相对于传统预测模型,所采用的LSTM网络具有更优的预测精确度和对远期预测的稳定性.最后利用预测结果计算出更能直观反映出道路交通拥堵情况的TSI指数,为人们提供了准确的交通状态预测.     

基于SSA的金融时间序列自适应分解预测

提出了分解预测的思想,通过SSA将序列分解成低频与高频两部分,分别采用最小均方(LMS)自适应自回归移动平均(ARIMA)与LMS自适应自回归(AR)模型进行预测,然后将两者叠加便可得原始序列预测值.同时,为了更好地捕捉序列局部突变,缩减预测延迟,提高预测精度,对EaLMS算法(基于误差调整的LMS算法)参数进行修正并...     

基于时间序列与灰色拓扑的春节火灾损失预测

火灾每年给中国带来了巨大的损失,春节期间的火灾损失更是严重.根据1999-2010年春节期间火灾统计资料,火灾四项指标数据具有时序性以及随机波动性、模糊性.运用时间序列与灰色拓扑预测方法相结合预测春节期间火灾发生规律,且预测出未来3年内的火灾发生情况.结果表明,时间序列预测模型的平均绝对误差较小,且所建立的灰色拓扑预测模型的拟合精度都达到"好"的标准.因此,采用时间序列与灰色拓扑预测模型相结合对春节火灾发生情况进行预测,其结果合理可靠,可供理论研究和消防部门做出相应的预防措施参考,以达到有效控制和预防春节火灾的目的.     

灰色预测GM(1,1)模型的改进及应用

应用自动寻优定权的方法和最小二乘法,研究了灰色系统理论中灰色预测GM(1,1)模型的预测公式的形成过程,发现灰色预测GM(1,1)模型在形成预测公式时对背景值和初始值的规定是不尽合理的,且现有的改进方法对灰色预测GM(1,1)模型的改进还不尽完善.为了提高灰色预测GM(1,1)模型的预测精度,提出并使用自动寻优定权对背景值进行选择,基于最小二乘法原理对灰色预测GM(1,1)模型的初始值进行改进.实例结果表明,提出的改进方法是有效和完善的,对灰色预测GM(1,1)模型的预测精度也有较大的提高.     

黑龙江省总体经济预测——基于扩散指数模型

本文以Stock and Watson提出的"扩散指数"模型为基础,建立一个两步骤的"扩散指数"预测模型,并应用于黑龙江省经济增长率的预测。除了依循Stock and Watson的作法外,本文也将变量依其特性区分为商品市场变量与货币市场变量,再分别针对各市场变量估计其扩散指数,然后根据这些指数进行预测。实证结果显示,"扩散指数"预测模型具有相当好的预测绩效,也优于一般模型的预测,因此可以作为未来总体经济预测上的另一种选择。     

基于ARIMA模型与神经网络模型的股价预测

了解并掌握股价运行的规律是许多投资者和学者所关注的领域,采用了ARIMA模型和BP神经网络对百度、阿里巴巴两支股票的收盘价进行建模与预测,并对比了两模型的预测精度,结果表明两种预测模型都达到比较理想的预测精度和短期预测可行的效果.