基于灰色马尔科夫模型的陕西省铁路客运量预测

随着我国高铁客运的快速发展,从铁路客运历史趋势中探寻规律、把握铁路客运发展趋势,旨在对中国铁路公司及相关企业的决策提供科学依据.基于2005-2016年陕西省铁路客运量数据,在灰色GM(1,1)模型预测的基础上,运用马尔科夫过程对预测值进行修正,并对2017-2022年陕西省铁路客运量进行预测.结果表明:经过马尔科夫过程修正的灰色预测模型平均绝对误差由原来的4.64%降低到2.94%,预测效果明显.经检验,灰色马尔科夫模型的精度等级为一级,说明了方法对陕西省铁路客运量预测的有效性.     

基于SARIMA模型在我国铁路客运量中的预测

铁路客运量预测是铁路旅客运输生产的重要基础工作,我国铁路运输业客运量呈现出明显的季节性波动.准确预测月度铁路运量能够为我国铁路运输发展规划提供科学依据,具有非常重要的现实意义.选择了2007年1月至2014年11月的全国铁路客运量数据来建立季节时间序列SARIMA模型.经过逐期差分和季节差分后最终建立了ARIMA(1,1,2)×(1,1,1)_6模型,并选取了2008年3月至2014年11月我国铁路客运量数据的真实值和模型预测值进行了对比,平均绝对百分比误差MAPE是10.886%,模型的预测能力"优良",最后对201.5年1月-2015年3月全国铁路客运量进行了预测.     

基于对数灰关联度的IOWGA算子最优组合预测模型

本文将对数灰关联度和IOWGA算子相结合,提出一种基于对数灰关联度的IOWGA算子最优组合预测模型,并定义了优性组合预测的概念,最后通过对税收收入进行组合预测说明该组合预测方法的有效性和合理性,且该模型存在优性组合预测。     

基于相关系数的IOWGA算子组合预测模型

本文将相关系数和IOWGA算子相结合,提出一种基于相关系数的IOWGA算子最优组合预测模型,并定义了优性组合预测的概念,最后通过对我国税收收入进行组合预测说明该组合预测方法的有效性和合理性。     

基于ARIMA-DGM-BP组合模型的喀什地区GDP预测

组合模型的预测效果一般优于单一模型的预测效果.利用ARIMA模型,DGM(1,1)模型以及BP神经网络构建ARIMR-DGM-BP组合预测模型,给出了建立该组合模型的基本思路.利用喀什地区2000-2018年GDP的相关数据资料,建立了ARIMR-GM-BP和ARIMR-DGM-BP组合模型并对预测的效果进行了统计分析,结果表明ARIMR-DGM-BP组合模型的预测效果优于ARIMR-GM-BP组合模型.最后运用本文的组合预测模型对喀什地区2019-2021年GDP进行预测.     

中美双边航空运输市场组合预测研究

预测应用研究表明,组合预测可以综合利用各单项预测方法所提供的信息,是提高预测精度的有效途径.本文在平均发展速度预测法、指数趋势预测以及灰色预测方法的基础上建立组合预测模型,采用熵值法确定组合权系数,预测了2006年至2010年中美间航空运输周转量、中美间航空客运量及货运量.     

基于组合预测的民航运输量分析——以珠三角地区为例

近年来珠三角地区民航运输量日益增长,广州白云机场运输量处于持续饱和状态,在《广东省推进基础设施供给侧结构性改革实施方案》中,提出了建设珠三角新干线机场、广州第二机场等16个机场改扩建项目,那么对珠三角地区的民航运输需求量的预测将为新建机场的规划提供基础.采用指数平滑模型、灰色预测、线性趋势外推法三种方法对2004-2017年珠三角地区民航运输量进行分析,建立组合预测模型,预测未来珠三角地区特征年民航客运量和货运量.     

改进的包容性检验方法在我国能源需求组合预测上的应用

单一模型遴选问题是限制组合模型预测精度提高的瓶颈之一.首次将改进的包容性检验(NET)的方法用于能源需求组合预测中单一预测模型的遴选,并基于支持向量机回归模型(SVR)构建能源需求非线性组合预测模型.研究发现:1)相较而言,NET-SVR组合模型预测精度最高,稳定性最强.该模型的预测值平均相对误差最小(0.35%),明显低于未采用NET的SVR组合模型(0.58%)和基于线性包容性检验的模型(0.50%);2)NET-SVR组合模型在基准情景、低碳情景、受挫低碳情景下,分别预测出2014-2020年我国能源需求量以年均3.28%、1.45%、2.44%的比例增长,明显低于1990-2012年的年均增长率(6.08%),这种增速符合未来新常态经济增长方式下我国能源消费量的规划与控制.     

基于XGBoost-LSTM模型的多特征股票价格预测研究

为探寻股票价格规律,提出XGBoost与LSTM组合的股票价格预测模型,选取恒瑞医疗股票2000年10月18日上市至2022年9月1日所有交易日的交易数据为实证分析对象.首先,建立单特征与多特征LSTM模型分别对股票价格进行预测;其次,构建XGBoost模型以进一步实现预测并将预测结果作为新变量输入到多特征LSTM模型;然后,使用LSTM模型在新数据集上进行建模;最后,对比分析表明多特征LSTM模型预测效果优于单特征预测,XGBoost-LSTM预测模型效果优于多特征LSTM预测,说明本文提出的方法能进一步提升预测效果,对投资者有一定参考价值.     

基于最小二乘法的灰色组合预测模型及其应用

根据GM(1,1)模型原理,构建了灰色增量模型和灰色组合预测模型.分别利用中国和河南1986-2015年的人口数据建立模型,采用最小二乘法求解灰色组合预测模型的最优权系数.通过GM(1,1)模型、灰色增量模型和灰色组合预测模型对上述算例进行误差分析,实验结果表明灰色组合预测模型预测精度明显的优于其它单项预测模型.     

基于EWT-PSO-SVM误差校正组合模型的中国股市预测研究

鉴于股市预测的复杂性.遵循"先分解后集成"的总体建模思路.文章基于EWT分解算法和SVM支持向量机模型.同时结合PSO粒子群优化算法和误差校正组合预测方法,构建了一种中国股票市场建模及预测的EWT-PSO-SVM误差校正组合预测模型.先基于EWT算法将原始价格序列分解成若干分量,再根据频率将其重组成高、中、低频3个分量,对它们分别建立PSO-SVM误差校正组合模型.最后集成各个分量的预测结果.与其他预测模型相比较,文章所构建预测模型的MSE、MAE、MAPE、RMSE、Theil不等系数、确定性系数DC和方向性指标DS 7个指标均优于其他基准预测模型,MCS检验结果同样表明本文构建模型的预测性能最优.稳健性检验结果进一步证实了文章构建的模型预测性能所具备的稳健性.     

基于区间灰数DGM(1,1)模型的客运交通量预测

科学的预测客运交通量对于我国交通运输业发展具有重要的现实意义.为了提高客运量预测的精度,本文应用区间灰数DGM(1,1)模型对1995—2002年全国客运交通量进行模拟和预测,得到了预测精度较高的结果,这为客运交通量的预测提供了一种简单而可靠的新途径.     

基于时间序列法的国税月度收入预测模型研究

研究了基于时间序列方法的国税月度收入预测. 通过采用Box-Jenkins的ARIMA模型, 结合国税月度收入数据, 分析并提出了一套针对月度税收收入的预测研究框架, 包括对税收预测模型的拟合、检验、预测、评价、动态修正等主要环节的处理方法. 在该研究框架的指导下, 以增值税、海关代征税和营业税为例, 对2006年各月的税收收入进行了模拟预测, 月度税收收入预测的平均相对误差分别控制在5.47\%, 8.63\%和2.37\%. 最后给出了在实际应用中动态修正税收预测模型的建议, 并简要讨论了时间序列方法在税收预测中面临的问题.     

智能制造模式下基于改进BP-ARIMA组合模型产品需求预测方法

为有效预测智能制造模式下的不确定性需求,提出自回归移动平均模型ARIMA和改进BP神经网络的组合模型,对预测数据中包含线性规律的Lt以及非线性规律的ε_t进行模拟和分析,以解决预测有效性和精度问题.通过数据样本构建,对ARIMA模型结构进行辨识,确定p,d,q参数,并对模型进行诊断和检验;在此基础上进行需求数据一次预测;通过连接权值的修正降低BP神经网络学习误差,并对一次预测结果与原需求数据样本存在的误差进行二次预测.实例数据分析表明:组合模型的预测精度较ARIMA模型有显著提高,因此组合预测模型在预测效果上具有合理性和有效性.     

基于灰色线性回归组合预测模型的牡丹江旅游人数预测研究

针对牡丹江旅游人数预测问题,考虑到旅游人数变化是受多种因素影响的信息不完全灰色系统,利用单一模型预测处理,效果往往并不理想.因此,本文通过建立灰色线性回归组合预测模型来研究这一问题.研究结果表明,所建立的组合预测模型的拟合效果优于所选单一模型,具有较好的预测精度及稳定性.并利用此组合预测模型对牡丹江2019年-2021年的旅游人数作了短期预测,可为牡丹江市未来旅游规划提供较科学的数据资料依据.     

基于指数支撑度的最优组合预测模型及其性质研究

在支撑度定义的基础上,提出平均指数支撑度、平均离散度等概念,构建了平均指数支撑度最优组合预测模型,并考虑其等价的平均离散度最优组合预测模型.针对该模型,提出优性组合预测等概念,给出了非劣性组合预测和优性组合预测存在的充分条件、冗余预测方法的存在性和冗余信息的判定等结果,最后的实例说明了该模型的有效性.     

基于包容性检验的江苏省第三产业从业人数组合预测

利用包容性检验对6种单项预测方法进行分析,根据各单项模型的预测精度优劣进行排序,逐步进行包容性检验和组合,经过包容性检验后得到的单项模型进行最优加权组合.利用以上方法和1990-2013年江苏省第三产业从业人数数据,建立了组合预测模型,得到相对误差不超过1%的江苏省"十三五"期间第三产业人数预测值.     

基于标准差法组合预测模型的区域快递需求量预测研究——以大连市为例

快递需求量的准确预测是区域快递行业合理布局的重要依据.在明确区域快递需求量衡量指标的前提下,针对其预测方法单一、适用范围局限等问题,提出构建基于灰色GM(1,1)预测模型、一元线性回归分析预测模型和趋势平均法预测模型的标准差法组合预测模型.以大连市为例,选取大连市快递量作为预测指标,预测结果表明,标准差法组合预测模型的预测结果最为准确,其平均相对误差为3.04%.所建立的模型为区域快递需求量预测工作提供参考.     

到2020年我国能全面建成小康社会吗

以国家统计局统计科学研究所制定的全面建设小康指标体系为基础,采用变异系数法确定权重,构建我国全面建成小康社会指标体系,测算了我国2007-2012年全面建成小康社会的实现程度,测算结果表明2012年我国全面建成小康社会实现程度达84.9%.与此同时,利用一次线性预测模型、对数曲线预测模型和灰色预测模型构建变权重组合预测模型对2013-2020年我国全面建成小康社会实现程度进行预测,预测结果表明我国将在2019年实现全面建成小康社会的目标.     

基于GM-Markov模型的京津冀区域物流需求量的预测

利用2009-2014年京津冀三地的货运量,通过灰色预测模型中的GM(1,1)预测模型分别对京津冀三地2015-2017年的货运量进行预测,经过后验差比值和小误差概率检验,得出采用该模型的预测精度为优.同时采用Markov模型对灰色模型进行修正,构建出了新的GM-Markov模型,采用新模型分别对京津冀三地2015-2017年的货运量进行预测,将前后模型预测的结果与实际值进行比较,得出采用GM-Markov模型比单纯的运用GM(1,1)预测模型预测的结果更为精确.最后,利用GM-Markov模型分别对京津冀三地2018-2022年的物流需求量进行了预测,得出了京津冀三地货运量未来的变化趋势.