基于最小二乘法的改进GM(1,1)模型在上海市社会总抚养比预测中的应用

由于上海市社会总抚养比受到诸多因素的影响,导致数据波动性较大,如果采用普通灰色预测模型无法更加准确地进行预测,因此文章提出了一种改进的GM(1,1)模型.通过将改进模型与普通模型进行对比得出采用二次多项式拟合的改进模型预测精度较高,因此文章采用二次多项式模拟的改进模型进行预测.将该改进模型应用于上海市社会总抚养比预测中,并结合2007-2011年上海市社会总抚养比数据建立新的预测模型,并用2012年数据对模型进行验证合格,可以用来预测未来几年上海市社会总抚养比,便于该市对未来经济的发展宏观调控.结果表明该预测方法是合理可行的,为其他相关预测提供了理论依据.     

上海未来短期客运量的预测分析——基于最小二乘法改进的GM(1,1)模型

客运量受诸多因素影响因此数据波动性大,并且具有小样本性及贫信息等特点.采用基于最小二乘法改进的GM(1,1)模型,对上海市的客运量进行短期预测.首先介绍了普通GM(1,1)模型的建立方法;然后通过最小二乘法的原理弱化波动较大的数据,减少随机性,加强规律性建立改进的新GM(1,1)模型;其次结合2005-201.4年数据建立预测模型;最后使用2014年数据对模型可靠性进行验证.结果表明该预测方法精度高误差小,改进的模型预测结果更加接近实际值.该模型为其他相关预测提供了理论依据,也便于上海市对未来交通运输的宏观调控.     

基于GRNN模型的鲜猪肉市场日度价格预测与实证研究

应用广义回归神经网络(GRNN)模型对上海市某区菜市场2011.3.1-2014.3.25期间鲜猪肉的日度价格(合计732组数据)进行建模预测研究,用逐步减小光滑因子值的办法确定其合理值范围.建模结果表明:训练样本、检验样本和测试样本(简称三类样本)的均方根误差和平均绝对误差非常接近,模型具有较强的泛化能力,绝大部分三类样本的误差都在土0.33元范围内,最大相对误差都小于3%,平均百分比相对误差小于0.45%,预测未来10日鲜猪肉价格的最大绝对误差为0.14元,最大相对误差为0.82%,平均百分比相对误差为0.44%,表明建立的GRNN模型具有很好的鲁棒性、可靠性和较高的预测精度,可用于上海市某区菜市场鲜猪肉日度价格的实际预测,为政府和有关物价部门进行市场调控提供决策依据.     

上海市社会总抚养比的预测分析——基于最小二乘法的改进GM（1,1）模型

上海市社会总抚养比受到诸多因素的影响,导致数据波动性较大,单纯地采用灰色预测模型无法更加准确地进行预测,因此文章提出了基于最小二乘法的改进GM（1,1）模型.首先文章介绍了普通GM（1,1）模型的建立方法与步骤;接着通过采用最小二乘法的原理弱化波动较大的数据,加强其规律性从而建立新的GM（1,1）模型;最后结合2007-2011年上海市社会总抚养比数据建立新的预测模型,并用2012年数据对模型进行验证合格,可以用来预测未来几年上海市社会总抚养比,便于该市对未来经济的发展宏观调控.结果表明该预测方法是合理可行的,为其他相关预测提供了理论依据.     

基于时间序列模型的上海市机构养老床位供给预测

在老龄化越来越严峻的情况下,机构养老作为一种重要的养老模式,在其养老服务过程中遇到的关键问题之一是如何合理地分配养老床位.本文选择拟合度最佳的时间序列模型对养老机构床位供给情况进行研究分析.首先,根据上海市民政业务数据海中的历史数据对2019年和2020年上海市及其各个区的老人数进行预测.其次,对各个市区入住养老机构的老人数进行预测分析.最后,结合老人数据与床位数关系对2019年和2020年上海各市区床位的供给数量进行科学的预测,为上海市以及其他城市的床位供给策略提供一定的参考依据.此外,为养老床位满足老人入住需求的同时合理利用资源提供辅助决策支持.     

基于GM(1,1)残差模型的科技园区财政收入预测

根据科技园区财政收入预测的需要,在对历史数据分析的基础上,利用灰色预测理论建立了丰台科技园区财政收入预测的GM(1,1)模型,为了提高预测精度,用GM(1,1)残差模型对其修正,得出预测公式.通过预测结果的对比分析和模型的后验差检验,证明预测模型精度较高.模型的应用为科技园区财政收入预测提供了一种科学方法,同时也为园区管理决策提供了依据.     

基于灰色理论模型预测上海市质量竞争力指数

质量竞争力指数是指质量因素在塑造核心竞争力过程中发挥的程度,它通过分析与质量密切相关的因素以建立评价指标体系,并运用适宜的指数化评价方法进行量化测评而得来.利用灰色系统理论对于"少数据"、"贫信息"不确定性系统的研究优势,采用G(1,1)模型,根据上海市2008-2017年制造业质量竞争力指数,对上海市2018年制造业质量竞争能力进行建模和预测,并且通过残差检验,后验差检验和关联检验,说明所建模型在预测上海制造业质量竞争力指数的可行性.     

烟台地区降水量的AR IMA随机模型研究

采用自回归求积移动平均法(AR IM A),对烟台地区历年来的降水量动态数据进行了分析.结果显示,AR IM A(3,1,2)模型提供了较准确的预测效果,相对误差变化在0.21%~5.75%,可以用于未来的预测,并为烟台市降水量的预测提供了可靠依据.     

EEMD、CEEMD算法与SVM在SST时间序列研究中的应用

海洋表面温度(SST)具有非线性、非平稳等特征,给处理和预测带来了很大的困难.将集合经验模态分解(EEMD)、改进的集合经验模态分解(CEEMD)与支持向量机(SVM)方法相结合,实现了对东北太平洋月平均海温距平序列(SSTA)的预测:首先应用EEMD或CEEMD方法将SST数据分解为多个本征模态函数(IMFs),然后应用SVM算法对各IMFs进行拟合、预测,最后对各IMFs预测结果叠加重构得到预测结果.EEMD-SVM和CEEMD-SVM数值模拟结果显示,预测最大误差小于0.25℃,并且CEEMD-SVM预测效果更好,为SST实际预测提供了参考.     

基于FUDAN-CCDC模型对新冠肺炎的建模和确诊人数的预测

科学地预测疫情发展趋势对疫情防控至关重要.在新时滞动力学模型(TDD-NCP)的基础上,提出基于随机动力学的时滞卷积模型和离散卷积模型,并基于中国疾病预防控制中心的相关研究结果及公开数据以及Wallinga和Lipsitch的工作,反演出COVID-19的重要参数,拟合了武汉及上海市疫情发展趋势.     

ARIMA模型在广西全社会固定资产投资预测中的应用

本文采用求和自回归移动平均模型(ARIMA),对《新中国五十年统计资料汇编》及《2004年广西统计年鉴》提供的广西全社会固定资产投资额数据进行分析。结果显示,ARIMA(1,2,1)模型提供了较准确的预测结果,可用于未来的预测。就此,可为广西全社会固定资产投资提供可靠的参考依据。     

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.     

我国固定资产投资的ARIMA模型分析与预测

本文综合运用了时间序列预测方法,对我国固定资产投资总额进行了分析,建立了自回归求积移动模型ARIMA（4,1,4）。检验结果表明,该模型提供了较好的顸测结果,可为我国全社会固定资产投资提供可靠的参考数据。     

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.     

股票指数的时间序列模型分析

借助于SA S软件将工程中的K a lm an滤波方法与时间序列的状态空间模型结合对上海A股指数进行了拟合与预测分析,通过对拟合与预测误差的计算可以发现这种模型是可行的;然后还把与滤波结合的状态空间模型的分析结果和常见的时间序列模型如:AR IM A模型、逐步自回归模型以及指数平滑模型的分析结果进行比较,比较的结果说明结合滤波的状态空间模型分析的结果比后三种的结果更加精确.结果为时间序列数据分析提供了一个较好的分析工具.     

传递函数模型在我国GDP数据分析中的应用

介绍传递函数模型的结构与建模方法,并对我国固定资产投资数据和GDP数据建立传递函数模型,利用该模型对我国GDP的变化规律进行分析和预测,得到较为满意的结果.     

ARIMA模型在达尔文通信模式研究中的运用

首先利用ARIMA模型,研究了进化论的提出者查尔斯·达尔文(Charles R.Darwin,1809/02/12-1882/04/19)从1866到1879年期间的通信量变化规律,并根据模型优化的AIC和BIC准则求得ARIMA优化模型.接着,应用ARIMA优化模型,对达尔文1880至1881年的月通信数量的时间序列进行了预测.预测的月通信数量与实际通信数量的对比说明,ARIMA优化模型拟合效果良好,并能够较好的反映达尔文学术生涯后期实际通信量的时间变化规律.研究结果表明,ARIMA优化模型可以作为一种研究人类通信模式的有效模型加以广泛应用.     

我国货币供应量的ARIMA模型与预测

本文介绍了符合金融系统预测规律的ARIMA时间序列模型，并根据我国货币供应量实际数据对2008年5月-2009年4月货币供应量走势进行了预测检验。实证预测结果显示与实际№相对照，模型预测精度较高，平均相对误差绝对值仅为1．56％，说明ARIMA模型能比较准确地预测我国货币供应量走势，可为我国货币供应量的预测和走势提供可靠的参考依据，并由此预计在2009年9月货币供应量将突破60万亿元。     

ARIMA模型在深圳GDP预测中的应用

对1979至2006年深圳国内生产总值进行了分析,建立了ARIMA(1,2,2)模型,检验结果表明该模型具有较好的预测效果,可为深圳制定经济发展目标提供决策参考.