长沙市商品房市场需求量的数理分析

本文在归纳总结与长沙商品房市场需求量相关联的若干经济指标的基础上,利用灰色关联熵分析方法提炼出影响商品房需求量的主要因素,然后建立灰色多元线性回归预测模型.通过实际数据检验,该模型可行并且能有效预测未来长沙市商品房的市场需求量的变化.     

中国房地产价格的多元线性回归模型

近几年,房价的迅速增长,已经远远超过了GDP和居民可支配收入的增长.那么,我国房地产市场是否已经过热,是否已经出现了泡沫.基于2000~2006年的数据对我国房地产价格函数的影响因素进行了多元线性回归分析.尽管我国部分地区价格偏高,但是并没有出现商品房价格泡沫.     

基于GM(1,N)模型的郑州市房地产价格预测

首先从房地产需求、房地产供给、宏观经济三个方面对影响郑州市房地产价格的因素进行了灰色关联度分析.分析结果显示,造成郑州市房地产价格上涨的主要因素为:城镇居民可支配收入,竣工房屋平均造价,人均GDP,而土地供应面积和贷款利率对房地产价格的影响不大.然后,根据主要因素,建立了相应的GM(1,4)预测模型,对郑州市未来5年的房地产价格进行了预测.预测结果表明:房地产价格依然会继续上涨,且以每年约9%的增长率增长.     

灰色关联度进行低产低效井影响因素分析及措施效果增油量预测模型建立

为了确定低产低效影响因素及挖潜措施潜力,利用灰色关联度进行低产低效井影响因素分析,优选出影响产能的主要因素,结合多元线性回归方法与数理统计理论,建立了X油田油井压裂措施增油量预测模型和堵水井降水量预测模型.有机结合油井降水措施和增油措施的经济界限模型,可以准确预测低产低效井压裂增油潜力及堵水降水增油潜力,误差5%-10%以内,有效指导低效低产井再开发.     

部分线性模型在贵州省公路货运量预测中的应用

运用部分线性模型对贵州省公路货运量进行预测研究.首先运用灰色关联度分析法确定影响贵州省公路货运量的主要影响因子;然后运用主成分分析法将选取的影响因子指标数据进行降维处理,通过分析处理后的数据得到部分线性模型;最后,以2010-2012年的公路货运量作为验证值,将部分线性模型、多元线性回归模型及灰色预测模型的预测结果进行比较.研究结果表明:部分线性模型能较好地拟合贵州省1990-2009年公路货运量;三种模型的预测结果显示,部分线性模型预测结果优于多元线性回归模型和灰色预测模型的预测结果.     

基于灰色系统理论的多元线性回归分析

运用灰色系统理论剔除了自变量观察数据中的噪声污染,对传统的多元线性回归分析方法进行了改进,建立了灰色多元线性回归分析模型.将模型应用于陕西省就业问题的研究,取得了满意的预测效果.     

基于灰色系统和BP神经网络的股指动态预测

针对股价指数特有的波动性,提出了基于灰色残差模型和BP神经网络的股指动态预测方法,并运用多元线性回归模型对两种动态预测结果进行拟合.同时,随机抽取部分上证指数和道琼斯指数的实证研究表明:动态预测模型能及时调整新数据对后续预测的影响,获得了较高的预测精度.     

基于BP神经网络的煤炭价格影响因素及预测研究

煤炭价格从2012年开始急转直下,煤企的经营生产受到严重挑战,煤炭价格的未来走势成为业界关注的重点.在前人研究的基础上,综合行业、宏观经济以及替代能源市场等对煤炭价格影响的各相关因素,运用BP网络对煤炭价格进行建模.结果表明,与现有运用较多的时序分析或多元线性回归等方法相比,该预测模型有更高的精度,结论对煤炭企业的经营决策以及煤炭产业政策的制定提供了更为科学的参考依据.     

收入与物价关系的灰预测分析

利用平移变换方法对灰色预测模型进行改进,对平移变换存在性进行了证明,并给出最优平移步长的求解方法和利用平移变换建立灰色模型的一般步骤;应用优化后的灰色模型对收入与物价关系进行预测分析,与线性回归模型作了相应比较,从结果可看出,对于收入物价系统,优化后的灰色模型计算简单,模型更加精确可靠,用于对未来收入与物价关系的预测,能提供更有效的数据依据,具有很好的实际应用意义.     

北京市交通运输、仓储和邮政业增加值的灰色马尔科夫预测模型

将2000-2017年北京市交通运输、仓储和邮政业产值作为原始数据系列,应用灰色模型对时序数据的总体趋势进行拟合,选取相对误差作为随机波动过程,对预测结果进行修正,最后运用灰色马尔科夫模型对未来5年北京市交通运输、仓储和邮政业的产值进行实例预测.结果表明:经过马尔科夫过程修正的灰色预测模型平均预测精度由原来的90.82%提升到97.14%,预测效果明显,说明了方法对北京市交通运输、仓储和邮政业增加值预测的有效性.