HMO市场结构影响下的美国医疗费用预测分析

分析了美国HMO（Health Maintenance Organization）市场结构主要指标及部分医疗和社会经济指标对美国医疗费用的影响,采用1995-2007年数据,利用主成分分析（PCA）方法与BP神经网络构建预测模型,对美国支出在医院方面的医疗费用进行拟合及预测,预测结果与实际值之间的相对误差小于0.25%,表明可基于该模型考察在HMO市场结构影响下的美国医疗费用.     

基于改进灰色关联度的IOWA算子最优组合预测模型

通过引进诱导有序加权平均(IOWA)算子和改进灰色关联度的计算式,提出了新的基于改进灰色关联度的IOWA算子的组合预测模型.方法可以克服传统的组合预测方法赋予不变的加权平均系数和以单一误差指标作为预测精度衡量的缺陷.定义基于改进灰色关联度的IOWA算子的优性组合预测的概念,最后给出实例分析表明了新模型能有效地提高组合预测精度.     

非等距时序灰色预测模型及其在岩石锚碇承载力分析中的应用

在许多桥梁工程中,锚碇岩石边坡的承载力和稳定性对整个桥梁工程的稳定和正常运营起着至关重要的作用.利用推广的非等间距灰色预测理论模拟了虎门大桥锚碇隧洞拉拔力试验中拉拔力与相应山体位移间的关系,并用所得到的非等距灰色预测模型预测了山体位移,结果表明,非等间距灰色预测模型的预测精度令人满意.研究结果对桥梁工程安全施工和岩石工程预测预报有重要理论意义和工程价值.     

基于时间序列的网络安全态势预测方法的研究

互联网上每天充斥着大量入侵与攻击事件,已经严重威胁到网络安全,如何把握网络目前安全态势并预测其发展趋势已成为国内外网络应急响应的热点研究内容之一.根据网络安全事件发生的统计规律性,分别研究了基于时间序列的神经网络和灰色系统理论对未来一段时间内的安全事件数量进行预测的方法,并在此基础上对未来的安全态势进行评估,从而得知网络的整体安全运行状况,有效指导了管理员对网络安全的控制.     

基于NEGM(1,1)模型的因果预测方法及应用研究

非等间隔时间序列在工程技术问题中是常见的.研究了一类非等间隔广义时间序列的预测问题,也就是将因果预测模型中的自变量作为广义时间,应用NEGM(1,1)模型将因果预测转化为时间序列预测,并应用空军航材消耗实例进行了模型检验.实践表明本文的方法具有广泛的使用价值.     

神经网络汛期降水短期气候预测模型

用1960-2005年每年5-9月安徽宣城7县(市)平均降水量作为预报对象,在对应降水前期逐月74项大气环流特征量资料、500hPa月平均高度场和月平均海温场资料中选取因子.采用主分量分析方法构造网络学习矩阵,降低矩阵维数,提高网络预测模型泛化性能.建立的神经网络汛期降水短期气候预测模型对历年样本拟合精度高,试报效果较好,可在气候预测业务中使用.     

北京市道路交通事故致死率的分析与预测

根据北京市道路交通事故的统计资料,以交通事故致死率为指标,对北京市目前道路交通安全情况进行评价.并基于灰色预测理论,建立北京市道路交通事故死亡人数的灰色GM(1,1)预测模型.预测结果显示,北京市未来几年道路交通事故死亡人数虽处于下降趋势,但死亡人数仍在千人左右,平均每起事故死亡人数仍处于上升趋势,道路交通事故致死率仍然偏高.道路交通管理部门应加大惩治道路交通违法行为力度,以控制道路交通事故的严重后果.     

基于Leslie模型的中国人口发展预测与分析

以EXCEL为基础,拟合出2001-2005年来中国生育模式和女性死亡率的函数曲线,利用Leslie模型,预测出中国总人口将于2015年、2025年分别达到137772万人和140824万人,2018年2028年这一段是人口的一个小波峰值,2023年左右达到小峰值141024万人.老龄化程度进一步加快,到2025年全国65岁以上老年人口比重达17.2%数量达24201万人,在2041年左右65岁以上老龄人口比重达到一个高峰值26.0%,数量将达34358万人.2006年-2020年,20-29岁生育旺盛期妇女数量形成一个小高峰.     

不等时距灰色组合预测模型的研究

在不等时距序列灰色预测的基础上,建立了最优组合预测模型和BP神经网络组合预测模型.通过实例对比分析,表明这两种灰色组合预测模型都较各单项模型具有更高的预测精度和较高的理论实践价值.     

不同矩属性波动模型对中国股市波动率的预测精度分析

金融时间序列的波动性建模经历了从一阶矩到二阶矩直到高阶矩(包含三阶矩和四阶矩)的过程,而对于高阶矩波动模型是否有助于对未来市场的波动率预测这一问题,国内外学术界尚无文献讨论。以上证综指长达7年的每5分钟高频数据样本为例,通过构建具有不同矩属性的波动模型,计算了中国股票市场波动率的预测值,并利用具有bootstrap特性的SPA检验法,实证检验了不同矩属性波动模型的波动率预测精度差异。实证结果显示:就中国股市而言,四阶矩波动模型能够取得比二阶矩波动模型更优的波动率预测精度,而三阶矩波动模型并未表现出比二阶矩波动模型更强的预测能力;在高阶矩波动模型中包含杠杆效应项并不能提高模型的预测精度。最后提出了在金融风险管理、衍生产品定价等领域引入四阶矩波动模型的研究思路。