组合预测模型在能源消费预测中的应用

能源的需求预测是一个复杂的非线形系统,其发展变化具有增长性和波动性,组合预测对于信息不完备的复杂经济系统具有一定的实用性.本文利用我国能源消费的历史数据,采用灰色预测的GM(1,1)模型、BP神经网络模型和三次指数平滑模型进行优化组合,建立了能源消费组合预测模型,实证分析结果表明预测值和实际结果有很好的一致性,可以作为能源消费预测的有效工具.     

加权先验下的Bayes方差估计

针对具有多阶段试验信息的参数估计问题,考虑到历史数据和现场数据的不可等同性,给基于历史数据的似然函数加一个权参数a0(0≤a0≤1)的方案,结合动态修正Bayes估计方法,建构并推导出正态分布方差的加权先验Bayes估计模型.     

An Application of Double Exponential Smoothing Technique to Quality Control

休哈特控制图和ＳＵＳＵＭ控制图技术，在制造业得到广泛应用．Ｊ．Ｓ．Ｈｕｎｔｅｒ提出用指数加权滑动平均（ＥＷＭＡ）作为质量管理工具．然而，众所周知存在趋势项的情况下，用ＥＷＭＡ预测往往不是过低就是过高．本文的目的是表明利用双指数平滑（ＤＥＳ）技术可以减少此缺点．文中给出一个例子，它表明双指数平滑法比单指数平滑法，能更好地监控对于目标的偏离．     

漂移项和扩散项具有时滞的股票期权定价

股票价格在漂移项和扩散项具有时滞,且股票在期权有效期内支付连续红利时,利用鞅表示定理和Girsanov定理得到了期权价格的闭式解.研究表明,股票价格在漂移项和扩散项具有时滞时,股票支付红利时对期权价格有一个调整.     

数据挖掘——电信客户流失分析预测

从历史数据中挖掘有效信息从而运用到商业决策中已经成为统计的一个重要应用方向。本文主要是对电信行业客户流失情况进行数据挖掘,针对某运营商的历史数据资料,通过对已流失的客户和在网客户的自然属性和行为属性进行统计分析、挖掘,建立客户流失的预测模型,模型分析导致客户流失的主要因素,预测在网客户在一定时间内流失的可能性。本文中采用IBM的db2平台中的IM(Intelligent Miner)中的决策树和径向基函数进行建模和测试模型,再用IM Scoring进行预测。     

基于样块和粒子群算法的图像修复

图像修复是近年来图像视觉研究当中的一个热点.Criminisi算法是一种比较常用的方法.为了消除原算法当中置信度和数据项相互影响的问题,并且考虑到平滑项对图像的锐化作用,对优先权的计算重新进行了调整.而将粒子群算法运用到最佳匹配块的搜索过程当中,避免了全局搜索带来的大工作量和不准确性,提高了算法的修复效率和准确性.经过仿真实验证明,改进后的算法不仅在PSNR值上有所提高,修复效果也更符合人们的视觉需求.     

数控加工刀具运动的优化控制

数控加工的精准性与高速性主要体现在加工路径的插补与加工过程中刀具的速度控制.首先针对数控加工过程中常见的折线轨迹进行分析,提出了折线加工转角处的速度平滑过渡方案,保证加工精度的同时提高加工效率.进一步,得出了转角处的最大加工速度与加工误差关系.针对圆弧类曲线插补问题,在折线模型的基础上拓展了内接和外切两种插补方案.计算结果表明,采用折线平滑过渡时,外切插补方案可以保证更高的精度.     

基于协整理论的中国人口死亡率预测

近年来,人类寿命明显延长.长寿风险对于国家养老金制度,保险公司寿险业务的影响日益凸现.长寿风险源于人口死亡率的非预期变动,精准预测人口死亡率是长寿风险研究的一项重要内容.文中提出了一种死亡率预测的新方法,将计量经济学中的协整理论引入死亡率预测,以弥补中国死亡率历史数据缺乏,并结合极值理论方法给出中国死亡率的预测.     

基于R/S分析的专利申请量年增长率的相关性研究

Hurst指数是描述分数布朗运动的重要指标.利用R/S分析方法计算出我国专利申请量年增长率的Hurst指数稳定在0.62附近,分形维数稳定在1.38附近.表明我国专利申请量年增长率时间序列,服从分数布朗运动,专利申请量年增长率具有长期相关性.历史数据的影响力随时间间隔的长度增长而缩小,当间隔长度达到10年以上时,历史数据的影响力趋于稳定.     

用改进的模糊AR(p)与指数平滑组合模型预测油田产油量

在模糊AR(p)与指数平滑组合预测模型的基础上,通过对传统指数平滑模型的分析,提出了动态平滑参数的概念,并由此建立了平滑权重对时间序列能够适应的新的指数平滑模型,较完整地解决了传统模型初值难以选取,平滑参数适应性差和系统预测偏差大等问题,从而较传统指数平滑模型有较高的预测精度.并将这两种模型结合起来构成新的改进的模糊AR(p)与指数平组合预测模型,并应用于预测油田产油量.应用实例证明,改进的模糊AR(p)与指数平滑组合预测模型具有更高的预测精度.从而表明该组合预测模型是一种非常有效的预测新方法.     

纵向数据非参数模型的惩罚修正二次推断函数估计

基于纵向数据研究非参数模型y=f(t)+ε,其中f(·)为未知平滑函数,ε为零均值随机误差项.利用截断幂函数基对f(·)进行基函数展开近似,并且结合惩罚样条的方法构造关于基函数系数的惩罚修正二次推断函数.然后利用割线法迭代得到基函数系数估计的数值解,从而得到未知平滑函数的估计.理论证明,应用此方法所得到的基函数系数估计具有相合性和渐近正态性.最后通过数值方法得到了较好的拟合结果.     

基于GARCH模型的股指期货协整跨期套利实证研究

利用沪深300股指期货的5分钟高频收盘数据建立跨期套利模型,在现有的协整理论基础上,应用GARCH模型描述残差的条件异方差性,用历史数据预测未来价格的时变方差,利用置信度确定价差范围。实证结果表明,沪深300股指期货存在日内跨期套利机会.无论是样本内数据还是样本外数据,投资者的风险好恶如何,通过跨期套利可以在较小的风险下,获得较高的盈利.     

Schwarzschild时空中带非线性记忆项的波动方程解的破裂

本文研究Schwarzschild时空中带非线性记忆项的波动方程径向解的破裂.首先在ReggeWheeler坐标下得到与原问题等价的方程.然后引入两个试探函数,并结合方程的解构造泛函.最后通过一个迭代过程证明:当非线性记忆项中的指标满足一定条件时,不管初值多么小,解在有限时间内破裂.     

直邮营销中统计数据挖掘的应用

我们将讨论在直邮营销行业中如何使用数据挖掘方法分析客户历史数据,提高营销的效率。随后我们给出对某公司真实数据的一个分析实例。     

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。     

基于多元逆模糊数的模糊时间序列预测方法

在相关文献提出的模糊时间序列预测模型IFTSFM的基础上,定义了多元逆模糊数(Multivariate Inverse Fuzzy Number)的概念,建立了基于多元逆模糊数的模糊时间序列预测模型.应用这一模型,将海南省1997-2016年度旅游总收入历史数据分为两组,分别进行了对历史数据拟合模拟和对未知数据的预测计算,取得了令人满意的结果.     

基于盘整市的RSI投资决策

以函数相似的概念为核心思想,以公理化的方法给出若干数学定义及公理、定理.以非传统的新技术分析方法,在沪深历史数据的基础上,由统计分析求得波形增(减)函数极值的RSI取值范围,从而得到股票的买卖点.通过上述方法在沪深15个月的盘整市里,为一般投资者提供了一个跑赢大盘风险极小的投资方案.     

莆田湄洲岛旅游人数预测的新方法

提出模糊时间序列预测的一种改进模型IFTSFM,重新研究莆田湄洲岛旅游人数预测问题,当进行历史数据的模拟预测时AFER比应用GM(1,1)灰色模型预测时更小.IFTSFM也可进行未知的旅游人数的预测.方法预测公式简洁,计算方便,历史数据模拟预测误差率较小,为研究时间序列预测问题增加一种新方法.     

基于推广的回归模型的风险管理方法

首先,利用Choquet积分将多元线性回归模型进行推广;然后,基于推广的非线性回归模型,将若干交互作用的风险因素抽象成一个数学模型,采用定量分析的方法,在给定风险损失和风险发生概率的历史数据的基础上,计算出各个风险在风险集合中的重要程度及其风险之间交互作用的大小,从而进行有效的风险管理.     

十一·五期间我国利用外资总量与宏观经济增长预测研究

利用九五、十五期间,我国利用外资与经济增长、固定资产投资的历史数据,结合我国"十一·五"经济社会发展的总体目标及要求,对"十一·五"期间我国利用外资的总量提出了一个具有前瞻性的需求预测.根据外资结构调整优化的主观目标.提出了经过调整后的仿真实验数据.