基于成分数据的河北省用水结构组合预测

针对用水结构这一成分数据,采用球坐标变换,灰色模型与指数平滑模型相组合,Aitchison距离最小确定权重,构建了河北省用水结构组合预测模型.研究表明,构建的组合预测模型能够较好的反映用水结构的变化特征,拟合精度较单一预测模型有明显改善.应用该模型对河北省用水结构进行预测,可为区域水资源管理和高效利用提供科学参考依据.     

成分数据主成分分析及其应用

本文分析了传统主成分分析在成分数据分析中的不适应性，介绍了艾奇逊的中心化对数比变换和成分数据主成分分析，并以农民消费结构为例，重点讨论了成分数据主成分分析的实施步骤     

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。     

基于主成分分析与Fourier变换的动态投资组合

提出了一种将主成分分析与Fourier变换组合的资产投资组合方法.对于N个资产,首先利用主成分分析中第一主成分确定各资产的组合权重并建立投资组合,利用Fourier变换获得该组合残差的复合周期趋势,最后利用ARMA模型对趋势残差进行区间预测.为使资产保值,当组合股价达到最低点时,各资产以第一主成分对应权重进行组合建仓;当组合股价反向上升达到最高点时,则以第N主成分对应权重进行组合并调仓.在实证模拟方面,选取2016年1月4日-2018年6月8日全球股票主要指数的收盘价数据进行实证分析.模拟结果表明:基于主成分分析的投资组合在收益及资产保值方面表现更佳.     

最优组合预测方法及其应用

组合预测方法是当前预测科学研究得最热烈的课题之一．组合预测的基本含义是把两个或两个以上的预测模型采用加权平均的方式组合为一个模型．组合预测的关键是确定各个组合系数或加权系数．关于加权系数的确定还有待于深入研究．有的认为加权系数可以事先人为设定［１］，有的认为可以采用层次分析法或二项式系数法来确定［２］，有的采用简单平均法来确定［３］．本文以组合预测误差平方和为目标函数．通过使误差平方和极小化来确定最优加权系数．本文给出了计算任意有限ｎ个预测模型组合的加权系数的公式，并导出了算术平均预测是最优预测的条件．最后还给出了应用实例．     

深圳市供水量的最优组合预测

城市供水系统是一个复杂的大系统,供水量受多种因素的共同影响。本文以深圳市最近20多年的供水量历史数据为基础,建立了深圳市供水量的最优组合预测模型。该模型具有较高的预测精度,组合预测的预测效果优于任意一种单一预测的预测效果,供水量预测结果对深圳市未来供水的短期或长期规划能起到重要的宏观指导作用。     

成分数据的线性模型

本文建立了成分数据的线性模型,对参数给出了估计,证明了参数估计的多种性质.     

广义加权对数比例平均组合预测方法研究

王应明，罗英．广义加权对数比例平均组合预测方法研究．数理统计与管理，１９９８，１７（４），３６～４０     

最优组合预测的短期气候预报建模研究

以预报量序列建立均生函数短期气候预报模型及根据500hPa月平均高度场预报因子分别建立的BP网络模型、回归预报模型为基础,用"误差绝对值和最小"作为最优准则,建立月平均降水量的短期气候组合预测模型.采用线性规划方法计算得到组合预测模型的各权系数,对这种短期气候组合预测模型的预报能力进行了分析研究,结果表明,该组合预测模型的预报精度优于各子方法,具有很好的应用价值.     

基于预测精度的多目标组合预测优化模型研究

考虑了组合预测精度的数学期望和预测精度的标准差这两个指标 ,建立了多目标规划组合预测最优化模型 ,并给出其数学规划的解法 .最后进行实例分析 ,结果令人满意 .该模型能反映不同时间序列预测方法有效性     

多元成分数据的对数衬度偏最小二乘通径分析模型

本文研究多元成分数据的路径关联关系的建模问题,提出多元成分数据的对数衬度PLS通径分析模型.将中心化对数比变换与PLS通径分析方法相结合建立模型,其主要优势在于:①PLS通径分析模型对数据没有严格的分布假设要求,特别适于成分数据这类分布复杂的数据建模;②成分数据中心化对数比变换后的变量完全多重相关,PLS方法能够有效解决这一问题;③PLS通径分析模型特别适于多元成分数据这类具有层次关系的数据结构的建模,通过结构模型揭示多元成分数据之间的整体性路径关联关系,通过测量模型揭示成分数据与其成分分量之间的构成关系.更重要的是,本文的方法研究遵循成分数据所特有的代数基本理论,推导出模型的成分数据对数衬度隐变量的表达形式,从理论上证明了该建模方法的科学合理性.最后,将本方法用于北京市三次产业的投资结构、GDP结构、就业结构的路径关联关系的分析中,通过实证研究验证模型的可行性和应用价值.     

非等间距组合灰色预测模型

对于非等间距原始数据序列,根据灰色预测模型建模特点,提出了一类非等间距灰色组合预测方法,弥补了传统非等间距原始数据预测模型的不足,提高了灰色预测的精度.实例表明结果理想可靠,有较好的实际意义.     

基于Lasso和支持向量机的组合预测及其应用

针对Lasso方法与支持向量机两者的联系与各自的优势,给出了基于Lasso与支持向量机的串联型、并联型和嵌入型三种组合预测,并将它们运用到我国粮食价格预测中.实证结果表明,与单一预测方法的预测结果相比,基于Lasso方法与支持向量机的串联型组合预测和嵌入型组合预测具有更高的预测精度.     

基于粗集理论的组合预测法在无形资产评估中的应用

针对如何评估企业无形资产的问题,运用基于粗集理论的组合预测方法,建立了企业无形资产评估的数量模型。该模型的特点是将组合预测方法中权系数的确定问题转化为粗集理论中的属性重要性评价问题,这样就在很大程度上克服了传统组合预测方法中权系数确定主观性太大的缺陷,而使得权系数的确定更具客观性。最后,结合实例阐述了基于粗集理论的组合预测方法在企业无形资产评估中的应用,进一步说明了该方法的可行性和有效性。     

基于蚁群算法的灰色组合预测模型

分别利用灰色GM(1,1)模型、GM(1,1)优化模型和新息GM(1,1)模型建立三个单项预测模型,进一步建立了组合灰色预测模型,组合模型的权系数利用蚁群算法确定.最后给出了一个我国人口数量组合预测模型,计算结果表明,基于蚁群算法的灰色组合预测模型的拟合和预测精度要优于传统组合预测模型.     

基于关联面积的变权组合预测方法及其应用

变权组合预测方法是一种应用非常广泛的组合预测方法,它能够有效提高组合预测方法的预测和拟合精度.为了提高拟合精度,利用各个单项预测方法与原始数据序列在两个相邻时刻的关联面积以及关联度,给出了一种确定变权组合预测模型变权重系数的方法.最后利用该变权重的组合预测模型建立了新疆建设兵团城镇化发展水平的变权组合预测模型,结果表明这类变权组合预测方法具有较高的预测和拟合精度.     

基于小波神经网络与ARIMA组合模型在股票预测中的应用

为了实现对股票价格变化的短期预测,提出了一种基于小波神经网络(WNN)与自回归积分滑动平均模型(ARIMA)的组合预测模型.将股票的收盘价序列数据划分为线性以及非线性(误差项)两个部分,分别利用统计学中ARIMA模型和小波神经网络分别对两部分数据进行预测并得到结果,将两部分结果组合相加合成为整个股票价格的预测结果.实验结果表明该组合模型在预测精度方面有提高,是一种比较有效的预测模型.     

截面数据插值的组合模型及其实证

采用Moran指标分析截面数据空间自相关性.针对具有空间自相关截面数据缺失插值问题,分别建立一阶空间自回归插值模型与克立格方法插值模型,在此基础上建立截面数据的组合插值模型,并用信息熵法确定组合插值模型的加权系数.用2003年福建部分市县城镇化水平的截面数据建立插值模型实证研究结果表明:组合插值模型的效果优于单项插值模型的效果.     

基于LS-SVM的管道腐蚀速率灰色组合预测模型

为提高管道腐蚀速率预测精度,建立了一种基于最小二乘支持向量机的灰色组合预测模型.以各种灰色模型对管道腐蚀速率的预测结果作为支持向量机的输入,以管道腐蚀速率的实测值作为支持向量机的输出,采用最小二乘支持向量机回归算法和高斯核函数对支持向量机进行训练,利用训练好的支持向量机进行组合预测.预测模型兼具灰色模型所需原始数据少、建模简单、运算方便的优势和最小二乘支持向量机具有泛化能力强、非线性拟合性好、小样本等特性,弥补了单一预测模型的不足,避免了神经网络组合预测易于陷入局部最优的弱点.模型结构简单、实用,仿真结果验证了其有效性.