基于一种新的分解-集成模型的我国猪肉年度需求量预测研究

根据我国猪肉消费量的特点,建立了一个新的我国猪肉年度消费需求量预测的分解-集成模型.首先,为了预测我国猪肉消费需求量,根据全国猪肉农村和城市猪肉消费量的不同特点,将我国猪肉消费需求量分解农村和城市猪肉消费量.其次,根据GANN和WNN时间序列模型,建立了一个综合集成预测模型,分别对我国农村和城市的猪肉消费量进行了预测.最后,将农村和城市猪肉需求量的预测结果进行集成,得到全国猪肉需求量.为了验证所提出方法的有效性,将其与其他常用预测方法进行了对比,实证研究结果表明,提出的集成预测模型在我国全国猪肉消费需求量预测上取得了较好的效果.     

基于VMD-ELM的农产品期货价格分解集成预测模型

为了捕捉农产品市场期货价格波动的复杂特征,进一步提高其预测精度,基于分解集成的思想,构建包含变分模态分解(VMD)和极限学习机(ELM)的分解集成预测模型。首先,利用VMD分解的自适应性和非递归性,选择VMD将复杂时间序列分解成多个模态分量(IMF)。其次,针对VMD分解关键参数模态数K的选取难题,提出基于最小模糊熵准则寻找最优K值的方法,有效避免模态混淆和端点效应问题,从而提升VMD的分解能力。最后,利用ELM强大的学习能力和泛化能力,对VMD分解得到的不同尺度子序列进行预测,集成得到最终预测结果。以CBOT交易所稻谷、小麦、豆粕期货价格作为研究对象,实证结果表明,该分解集成预测模型在预测精度和方向性指标上,显著优于单预测模型和其它分解集成预测模型,为农产品期货价格预测提供了一种新途径。     

基于神经网络的我国猪肉年度消费需求量预测研究

主要运用神经网络对中国猪肉年度消费需求量的预测问题进行了研究.首先对畜产品预测方法进行了综述,对神经网络预测原理进行了介绍,然后分别建立GM(1,1)、ARIMA模型、GRNN神经网络模型,GA-GRNN神经网络模型模型对猪肉消费量进行了预测,最后对模型进行了集成.结果表明,优化后的GA-GRNN模型预测误差率显著降低,集成模型在稳定性和精度方面均比较理想.     

基于CEEMD与GA-SVR的猪肉价格集成预测模型

为提高猪肉价格预测的准确性,结合互补集合经验模态分解(CEEMD)的分解能力和基于遗传算法的支持向量回归(GA-SVR)的自适应预测功能,构建猪肉价格集成预测模型.首先为解决猪肉价格的复杂波动特征,通过CEEMD对猪肉价格分解得到本征模态函数(IMF)序列集;然后使用排序熵(PE)对IMF序列进行复杂度分析,进一步使用快速傅里叶变换方法(FFT)分解复杂度高的序列;再利用灰色关联度(GCD)对IMF序列集进行关联性分析,聚合相似IMF序列;最后基于各IMF序列的数据特征构建相应的GA-SVR预测模型,并将子序列的预测结果集成获得最终价格预测值.以中国集贸市场的猪肉价格为研究对象,实证结果表明,该集成预测模型在预测精度和方向性指标上,显著优于其他单预测模型和分解集成预测模型.     

基于多源数据特征驱动和多尺度分析的PM2.5混合预测研究

精准把握PM_2.5污染的动态演变规律对政府和企业的大气污染防治决策至关重要.因此,文章提出了基于多源数据特征驱动及多尺度分析的混合预测建模框架,以提高PM_2.5预测精度.预测建模框架分为:1)多源数据分析,有效融合与PM_2.5污染相关的气象、污染、舆情等多源数据;2)多尺度分析,通过多元经验模态分解技术(MEMD)将多源数据分解成不同模态下的预测特征;3)混合预测分析,有序结合计量和机器学习模型,集成各模态预测值为最终结果.文章以北京市PM_2.5为研究案例结果表明:1)文章提出的混合模型的预测精度优于所有的基准模型;2)微博个数和情感能够叠加提升PM_2.5预测精度,且优于单因素预测结果;3)引入MEMD分解的模型精度显著高于基准模型.     

非结构性数据驱动的混合分解集成碳交易价格组合预测

碳交易价格的有效预测有助于投资者合理决策以及政府制定科学的碳交易政策。本文提出一种非结构性数据驱动的混合分解集成碳交易价格组合预测方法。首先，基于百度指数获得碳交易相关非结构性数据，并利用主成分分析(PCA)方法提取其主成分。其次，对主成分序列与碳交易价格历史数据进行经验模态分解(EMD)、变分模态分解(VMD)与小波分解(WT),按频率高低重构后得到它们的高、低频序列和趋势项。然后，自适应选取自回归移动平均模型(ARIMA)、Holt指数平滑法和人工神经网络模型(ANN),结合非结构信息对碳价格的高、低频序列和趋势项进行预测。最后，基于BP神经网络等对三种分解方法的预测值分层集成，得到碳价格最终预测结果。对比实验结果显示，上述组合预测方法充分利用了多源信息，预测精度高且适用性良好。     

基于改进GM(1,1)模型的新疆煤炭消费预测

科学地预测煤炭消费量可为煤炭生产、进口、消费提供可靠的理论依据,建立了1998-2015年新疆煤炭消费的非线性回归的GM(1,1)模型,并预测了2016-2030年的值.研究表明:改进GM(1,1)模型的预测效果良好,新疆煤炭消费量在2016-2030年将持续出现增长趋势,但增速有所下降.     

一种新的振荡型DGPM(1,N|sin)模型及其应用

针对传统多变量灰色模型未能有效预测振荡序列的问题,提出一种新的振荡型DGPM(1,N|sin)模型.首先,将非线性时间周期项和时变参数引入离散灰色预测模型;然后,建立非线性规划模型,利用遗传算法确定最优参数;最后,将该模型应用于中国消费价格指数的预测中,验证了本文模型的有效性和适用性.结果显示,振荡型DGPM(1,N|sin)模型有较高的预测精度,为振荡序列的预测提供了有效方法.     

基于多元混沌时间序列的油田产量预测模型

油田产量的预测一直是石油工作者研究的重要课题.针对油田产油量、产水量、地层压力和时间之间有着混沌的特征,利用多变量混沌时间序列等方法研究了油田产量的混沌建模和预测问题.用C-C算法确定每一个变量的嵌入维数和延迟时间,重构多元混沌时间序列的相空间;使用基于奇异值分解的主成分分析消除重构相空间的冗余变量和噪声干扰,建立了有较好泛化性能的多元混沌时间序列油田产量预测模型;最后将混沌时间序列预测和Elman神经网络进行耦合,创建了基于主成分分析前馈网络的多元混沌时间序列油田产量预测方法.应研究表明,提出的多变量混沌时间序列预测方法的预测精确度优于单变量预测,它可用于解决具有多变量混沌时间序列的预测问题.     

基于ARIMA模型的中国天然气消费量预测与分析

天然气作为一种清洁能源,对优化能源消费结构、发展低碳经济起着重要作用.对我国天然气消费量进行预测,有助于制定天然气行业的产业政策,促进其健康有序的发展.利用ARIMA(1,1,5)模型对我国天然气消费进行了预测,结果表明天然气消费增速将近一步加大,到2015天然气消费量将是2012年的近两倍,对外依存度将达到40%.建议应该加快非常规天然气的开发,加快天然气基础设施建设,尽快完成天然气价格形成机制改革,控制天然气消费的无序增长.