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.     

基于跟踪微分器的泰勒展开与ARIMA混合模型对股票价格的短期预测

利用一种基于跟踪微分器的泰勒展开预测(Taylor Expansion Forecasting,TEF)模型与ARIMA相结合的混合预测模型,预测未来股票价格的走势.并以阿纳达科石油和宝洁公司两只股票进行实证,结果表明混合预测模型较单一的ARIMA模型具有更好的预测效果.最后将混合模型用于预测这两个公司近期的股票价格,预测结果表明,在短期内,阿纳达科石油的股票价格先下跌而后有所回升,宝洁公司的股票价格有上涨的趋势.     

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.     

基于GM-ES-GASVR组合模型的丽江国内旅游需求预测

构建适合于预测丽江国内旅游需求的预测模型,对推动丽江旅游业的发展具有重要意义.研究发现灰色GM(1,1)模型、三次指数平滑模型与GA-SVR模型都适用于预测丽江国内旅游需求,且GA-SVR模型为这三个单项模型中的最优模型.在此基础上,利用变权方法建立GM-ES-GASVR组合预测模型.通过对拟合与测试结果的对比分析,表明GM-ES-GASVR变权组合预测模型比单一模型的拟合与测试效果都有较大改善.     

基于GIOWHA-GALSSVR-SARIMA组合模型在旅游需求预测中的应用

首先构建以城镇居民人均可支配收入、消费者预期指数、接待过夜游客数量三个指标滞后值为输入变量的GA-LSSVR模型和季节调整的ARIMA模型,对广东省接待过夜游客数量进行初步预测.接着,建立了基于GIOWHA算子的组合模型,在单一模型、定权和变权组合预测模型的预测效果比较中,实证结果显示:基于GIOWHA-GALSSVR-SARIMA组合模型具有误差小、精度高特点,更适合旅游需求预测.     

基于多因素SVM的油价预测模型研究

准确预测国际原油价格,对于维护经济稳定和规避风险具有重要意义.由于国际油价的波动是由多种因素引起的,本文采用误差修正模型确定原油价格与因素的关系.将结果作为SVM回归预测模型的输入模式,建立基于多因素SVM的油价预测模型.通过实证研究,发现基于多因素SVM的油价预测模型相对于误差修正模型和基于国际油价本身的自回归SVM预测模型具有更好的拟合和预测效果.     

四川省入境旅游需求组合预测研究

通过对四川省入境旅游人数的准确预测,可以加强政府部门对旅游行业的把控,引导旅游市场资源的合理利用与配置提供了技术支持.建立了4种预测模型,对四川省入境旅游人数进行预测.比较两个误差指标值,表明组合预测方法能够有效地提高预测精度.     

陕西省畜牧业总产值组合预测模型研究基于Shapley值

依据组合预测模型理论,利用2006-2016年陕西省畜牧业总产值的数据,分别建立了畜牧业产值的一元回归模型、BP神经网络模型、三次指数平滑模型和基于Shapley值的组合预测模型,得到各模型的预测精度分别为7.38%、4.46%、3.50%和2.90%,可见组合模型的拟合精度低于各单一模型,拟合效果好.为此,利用所得模型对2017-2025年陕西省畜牧业总产值进行了预测.     

基于组合预测模型的广东省第三产业产值预测

首先分析了影响广东省第三产业发展的主要因素,指出由于上述因素相互制约、相互影响,导致第三产业的发展呈现出高度的非线性特征,并使得单一的预测模型在预测效果和泛化能力方面难以胜任.在此基础上,提出了基于神经网络集成的组合预测模型,对广东省第三产业的发展进行预测,阐述了算法的基本原理和数据处理流程,实证分析表明:基于神经网络集成的组合预测模型要比单一预测模型的预测精度高.     

基于遗传神经网络的风电功率预测

针对基于单一BP神经网络的风电功率预测模型的不足,提出了一种基于遗传算法优化的神经网络风电功率预测模型.模型采用遗传算法完成对神经网络权值和阈值空间的寻优搜索,以提高神经网络的收敛速度和获得全局最优解的能力.试验结果表明,基于遗传算法优化的神经网络可以提高风电功率预测的精度,其性能优于基于单一BP神经网络模型的风电功率的预测.     

基于Choquet模糊积分的非线性组合预测及其应用

预测模型有多种,各种预测模型有其特点和优势,我们需要建立一种博采众长的组合预测模型。本文利用Choquet模糊积分作为组合算子,给出一种基于模糊积分的非线性组合预测模型,该模型既能反映各种预测模型的“重要性”,又能反映各个预测模型之间的交互作用,并用此模型给出中国卫生总费用的预测。     

基于灰色预测模型的2008北京旅游人口预测分析

在分析北京市统计局2001至2006年入境旅游人口以及国内旅游人口统计数据的基础上,为研究每年同期旅游人数的变化规律,构造以每年3至12月的数据为分量的年数据向量.应用基于双谐样条插值算法对原异常数据进行处理,采用灰色预测模型及回归模型对2008北京旅游人口进行预测分析,得出2008年每月来京旅游人口数量,为政府制定人口相关政策提供参考.     

基于AGA-SVM的非线性组合预测模型

为提高预测精度,提出基于AGA-SVM的非线性组合预测模型.以组合预测模型的误差平方和最小为优化准则,用加速遗传算法对支持向量机参数进行优化选择,并利用支持向量机对单一模型的预测结果进行组合预测.算例结果表明,AGASVM综合利用了各单个预测模型的重要预测信息,其预测误差远远小于各单个模型的预测误差,其预测精度更高,模型的实用性更强.     

基于改进灰色关联度的IOWA算子最优组合预测模型

通过引进诱导有序加权平均(IOWA)算子和改进灰色关联度的计算式,提出了新的基于改进灰色关联度的IOWA算子的组合预测模型.方法可以克服传统的组合预测方法赋予不变的加权平均系数和以单一误差指标作为预测精度衡量的缺陷.定义基于改进灰色关联度的IOWA算子的优性组合预测的概念,最后给出实例分析表明了新模型能有效地提高组合预测精度.     

牡丹江旅游人数预测研究的灰色动态数学模型

运用灰色系统理论中的GM(1,1)灰色预测模型,以牡丹江市近6年来的旅游人数为例,对其未来几年的旅游人数进行了科学预测,得到了牡丹江旅游人数的规律,从而可为相应的决策部门提供科学依据.     

基于灰色-马尔可夫链模型的危险化学品事故预测

根据危险化学品伤亡事故的发生受多种灰色因素影响,并且具有较大的随机波动性的特点,提出了运用灰色-马尔可夫链预测模型对危险化学品死亡人数进行预测分析.结果表明,所建立的灰色-马尔可夫链预测模型既能反映死亡人数变化的总体趋势,又能体现数据的波动性特点,其预测精度高于GM(1,1)模型的预测精度,可以较好地应用于危险化学品事故的预测,为该行业的安全管理提供准确的理论依据.     

基于组合预测的变压器故障诊断模型

为了快速准确地预测出变压器的故障类型,及时做好维修工作,本文提出了一种基于非线性规划的组合预测模型.首先,利用改进的鲸鱼算法优化BP神经网络建立IWOA-BP预测模型;然后,在IWOA-BP预测模型和梯度提升树的基础上,利用非线性规划与遗传算法相结合的方法确定各算法的权系数,再将各算法的结果加权得出组合模型的最终预测结果.通过实例验证,IWOA-BP预测模型的变压器故障预测效果强于BP神经网络、随机森林等多种预测模型,并且利用IWOA-BP预测模型和梯度提升树建立的组合模型,其预测准确率高于组合中任意一种算法.     

基于Bass-BP组合模型的微信扩散研究

微信扩散具备非线性变化特征,仅采纳单一预测算法无法有效描述微信扩散的规律.因此,提出了Bass-BP扩散组合模型.首先利用经典Bass模型对微信数据进行初步预测,再利用BP神经网络对Bass模型预测结果进一步非线性逼近.结果表明,Bass-BP组合模型相较于Bass经典模型和BP神经网络这两种单一的预测模型,具有更好的预测效果.     

基于无偏灰色PSOMarkov优化模型的加油站便利店零售销量预测方法研究

加油站便利店是一种新兴的零售业态,准确地预测其零售销量具有重要意义.以往的销量预测模型多为单一模型,提出了一种基于粒子群优化的无偏灰色PSOMarkov预测方法.首先,基于灰色系统理论建立了无偏GM(1,1)预测模型,消除了常规GM(1,1)预测模型的固有偏差.其次,利用Markov理论对无偏GM(1,1)预测模型的相对残差进行了修正,模型能较好地体现数据的波动特征.最后,利用改进的粒子群优化算法白化无偏GM(1,1)-Markov预测模型灰区间的参数,得到无偏灰色PSO-Markov预测模型.通过云南昆明市红瓦副加油站便利店的零售销量案例表明,模型能提高预测模型的精度.模型可用于加油站便利店的商品销售预测,并为企业的经营决策提供依据.     

果蝇优化最小二乘支持向量机混合预测模型—以我国物流需求量预测为例

为解决最小二乘支持向量机参数设置的盲目性,利用果蝇优化算法对其参数进行优化选择,进而构建了果蝇优化最小二乘支持向量机混合预测模型.以我国物流需求量预测为例,验证了该模型的可行性和有效性.实例验证结果表明:与单一最小二乘支持向量机和模拟退火算法优化最小二乘支持向量机预测模型相比,该模型不仅能够有效选择参数值,而且预测精度更高.