中国港口集装箱吞吐量预测:基于组合时间序列

近年来,中国港口集装箱吞吐量增长迅速.如何准确预测中国港口集装箱吞吐量是一个极其重要且具有挑战性的问题.采用一种自适应方法来解决该问题,即Yang(2004)提出的指数加权聚合预测(AFTER).我们采用该方法将两种时间序列模型:SARIMA和VAR进行组合.对中国七大港口的预测结果表明,AFTER方法比常用的简单平均预测具有优势,它通常能以更高的频率自动设置更大的权重在更好的个体预测上.     

函数分解问题的判定性研究

函数分解问题是一个重要的数学问题,它被应用于多变量公钥密码系统的设计中.作者主要关注函数分解问题的判定性问题,将整系数多变元多项式方程求解问题与函数分解问题建立起了一定的联系,从而利用著名的希尔伯特第十问题的不可判定性来对函数分解问题的判定性问题进行研究.     

中国港口集装箱吞吐量预测:基于组合时间序列北大核心CSCD

近年来,中国港口集装箱吞吐量增长迅速.如何准确预测中国港口集装箱吞吐量是一个极其重要且具有挑战性的问题.采用一种自适应方法来解决该问题,即Yang（2004）提出的指数加权聚合预测（AFTER）.我们采用该方法将两种时间序列模型：SARIMA和VAR进行组合.对中国七大港口的预测结果表明,AFTER方法比常用的简单平均预测具有优势,它通常能以更高的频率自动设置更大的权重在更好的个体预测上.     

高维泊松回归的模型平均方法

当有很多候选模型并且不确定使用哪个模型时,模型平均是一种值得采用的方法.相对于单个模型,模型平均通常能够提高预测精度.文章提出了高维泊松回归的模型平均方法,证明了其最优性质,并通过数值模拟发现该方法能够提高计数变量的预测精度.同时,考虑到高维数据下,候选模型过多的问题,文章也提出了一种新的模型筛选方法:基于最小角回归(LARS)的LASSO(或ALASSO)修正算法的模型筛选方法.该种方法,可以大大减少计算负担.数值模拟也显示了该方法有很好的表现.