最佳灰色回归组合模型及其在中国火灾预测中的应用

火灾每年给国家和人民生命财产造成巨大损失.火灾现象具有随机性、模糊性,是个复杂的灰色系统行为.研究火灾发生规律及发展趋势,具有实用价值.为此,首先给出最小二乘估计(LSE)意义下的最佳组合预测模型的定义,并求得组合模型的权的公式和证明权的唯一性.其次,用回归分析方法建立多个回归模型,并按以下三条标准:①回归指数(或相关系数)r大、②系统误差s小、③模型精度p高,选定最佳非线性回归模型;用灰色理论建立多个灰色模型,并按以下三条标准:①后验差比值c小、②小误差概率P大、③预测关联度ξ大,选定最佳灰色模型;再用最小二乘法将最佳回归模型与最佳灰色模型有机地结合起来建立的中国火灾最佳灰色回归组合预测模型.最佳灰色回归组合预测模型综合利用前两者提供的不同的有用信息,改善了单一模型的局限性,提高了模型的预测精度,减少了预测误差,使预测效果更佳.组合模型预测中国年火灾起数处于动态增长过程.     

基于改进的支持向量回归机的金融时序预测

金融市场是一个复杂、演化、非线性的动态变化的系统.金融数据往往带有噪声,非平稳且时常是混沌的.本文基于时序数据的先验知识——近期数据对于预测未来走势提供了更多的信息,对于传统的支持向量机的回归模型做出了一定的改进,即对于近期的数据预测错误施以更严重的惩罚,构建了改进的支持向量回归机模型.使用该改进模型对中国股票市场指数时间序列进行了预测,结果显示,本文改进的模型较之传统的支持向量回归机模型和神经网络模型有较好的预测效果.     

基于新陈代谢GM(1,1)模型的湖北省城市生活垃圾清运量预测

以湖北省2007-2013年城市生活垃圾清运量为基础数据,建立新陈代谢GM(1,1)模型,对湖北省未来七年的城市生活垃圾清运量进行了分析预测.采用该模型预测湖北省2014-2020年城市生活垃圾清运量,预计到2020年,湖北省城市生活垃圾清运量将达到838.7万吨,其预测结果可作为"十三五"期间湖北省城市生活垃圾处置规划的理论依据.     

大数据背景下中国季度失业率的预测研究——基于网络搜索数据的分析

目前,中国失业率统计存在一定局限,不利于准确及时地反映劳动市场的就业变动,大数据技术的快速发展为中国失业率统计提供新的发展视角.基于网络搜索数据,文章从5种常用的预测方法中筛选出最优的支持向量机回归模型,对中国季度失业率进行了预测研究.研究表明,基于网络搜索数据预测的失业率能够比官方数据更早地反映失业趋势的变化,预测失业率与修正后的失业率水平接近,能够为政府部门提供中国失业状况的政策预警.     

基于灰色线性回归组合模型的长沙、武汉房地产投资预测研究

本文通过对长沙、武汉2001-2007年房地产投资额的历史数据进行分析,分别建立了两市的灰色线性回归组合模型.模型较好地拟合了长沙、武汉的房地产投资情况,运用该模型得到了两市2008、2009年的预测值,并对其房地产投资发展趋势的异同进行比较分析,对房地产市场的发展具有一定的指导意义.     

基于最大相关熵准则回归模型的大盘指数预测

大盘指数是衡量股票市场运行情况的“晴雨表”,是投资者洞察股票市场发展态势和制定投资策略的重要依据.大盘指数的变化趋势与经济发展状况、宏观经济政策、投资者心态等诸多复杂因素密切相关,具有明显的随机性和不确定性,这导致精准预测大盘指数的变化趋势成为一个富有挑战性的问题.文章基于最大相关熵准则,使用一种新的回归预测模型,该方法将实际输出与理想输出视为两个随机变量,并采用相关熵度量它们之间的相似程度,进而基于最大熵准则构建一种新的回归模型优化函数,用于指导回归系数的确定.在实际操作中,通常基于有限样本,采用高斯核函数的Parzen窗方法估计两个随机变量的相关熵,因此可借助高斯核函数的核宽调节,解决最小均方误差准则回归模型对异常数据和随机噪声敏感性问题,从而提升预测精度.基于实测数据的实验结果表明:与自回归模型、差分自回归模型以及深度学习方法等相比,文章所提方法能有效降低异常数据对预测精度的影响,预测误差小,鲁棒性强.     

基于PCA与NSSVR的人口老龄化研究

基于非线性光滑支持向量回归机研究了人口老龄化问题.首先介绍了非线性光滑支持向量回归机(NSSVR);其次,提出了人口老龄化影响体系,利用主成分分析(PCA),在体系基础上提取出对老龄化影响明显的9个指标;再次,通过非线性光滑支持向量回归机模型建立了老龄化率与9个影响指标间的相互关系;最后,用非线性光滑支持向量回归机模型对未来人口老龄率进行预测.实证表明,方法具有很好的预测效果.     

基于抽样方法估计新型冠状病毒感染人数

新型冠状病毒疫情已严重影响中国及多个国家.在疫情严重爆发初期,某些地区存在由于医疗资源不足导致感染者底数不明确的情形.此时,准确估计感染人数将为决策提供重要参考.本文应用统计学中的抽样方法来估计疫情严重爆发地区的感染人数.本文以武汉为例,基于武汉返回温州的人群中感染比率及其扩散情况来推断武汉的感染病例数.经新加坡和中国湖北省外的数据验证,该方法简单且有效.本文数据来源于公开数据.     

基于支持向量回归机的水文混沌时间序列预测

支持向量机在系统辨识和分类研究方面比较成熟,目前尚没有提出有效的支持向量回归理论来解决非线性、时变、干扰的复杂问题.支持向量回归机主要用于因果关系点对的回归预测,把支持向量回归机应用于水文混沌时间序列的预测研究是一个有意义的工作.在支持向量机一般理论基础上,提出了水文混沌时间序列支持向量回归机模型,并就模型进行仿真计算,讨论了模型参数对支持向量回归机预测精度的影响,为模型参数寻优提供一般指导原则.直门达水文站径流量混沌时间序列支持向量回归机预测实验表明,水文混沌时间序列支持向量回归机模型是有效的.     

基于区域房价的空间自回归模型平均

文章是基于模型平均的方法对我国重点省会城市月度房价数据的空间自回归模型的拓展研究.通过一定的宏观经济解释变量和房价数据,构建区域房价的空间自回归模型,并在基于MMA准则的模型平均框架下,将不同的候选模型组合进行房价预测.对比经典空间自回归模型的预测,基于模型平均的MMA, SAIC和SBIC的预测有更高的精确度和更好的稳定性.     

基于SVR的RAR区域经济预测模型

由于区域经济系统中许多经济变量呈现出强非线性与大波动性的特征,使得传统的时间序列线性建模和预测技术难以适应区域经济预测的要求.为此,提出基于支持向量机改进的残差自回归区域经济预测模型.首先采用时间序列分析中的残差自回归模型对时间序列趋势进行线性拟合,然后对残差自回归模型估计后的残差序列采用支持向量回归方法再次提取其非线性特征,从而提高区域经济时间序列模型的预测精度.最后以广东省GDP的预测实例说明模型的有效性.     

基于动力学模型的COVID-19疫情预测与控制策略研究

本文基于COVID-19的传播机理以及追踪隔离染病者的密切接触者、治疗等公共干预措施,建立了非自治的动力学模型,对湖北省疫情发展进行预测并评估相应控制策略的有效性.首先基于湖北省卫生健康委员会公布的数据,利用最小二乘法以及MCMC估计动力学模型中的待估计参数值.然后基于估计得到的参数值,验证模型预测的有效性,估计湖北省总病例数达峰时间,峰值规模以及流行时间.此外,研究发现湖北省每天的总病例数中隔离的潜伏者以及现存确诊者占比重较大,因此,加快对于隔离人群的筛查、对于确诊人群的治疗能够加快疫情的结束.最后对有效再生数进行敏感性分析,揭示了即使在疫情发展的后期,加强对密切接触者的追踪隔离依然是疫情控制最有效的措施.     

基于主成分和GBDT对血糖值的预测

为了通过众多的医学指标更准确地预测血糖值,将运用主成分分析耦合GBDT做回归·首先运用主成分分析将39个原指标综合成18个新指标,并对这18个累积贡献率达95%的新指标做变量特征重要性分析,再结合18个新指标运用GBDT做回归.其中有关血糖值的数据来源于天池精准医疗大赛-人工智能辅助糖尿病遗传风险预测.将含有5642个样本值的一组血糖值数据按照7:3的比例分成两组,分别称为训练集和测试集,运用训练集中的数据建立回归模型,得出回归模型的均方根误差为0.0053,再利用测试集中的数据预测血糖值,并与测试集中的真实值作比较,得出均方根误差为0.0063,这说明预测出的血糖值较为准确,能够保障血糖值预测的精度.     

一种基于在线训练的交通信息实时预测快速算法

对于实时交通信息预测,预测精度与预测时间效率始终是一对难以解决的矛盾.重点研究如何提高预测时间效率问题.以精确在线支持向量回归算法(AOSVR)为基础,提出了基于云模型的sigmoid核函数简化计算方法,建立了改进的AOSVR交通信息实时预测模型.该模型应用于实际的交通流实时预测,预测结果表明,由于简化了计算,以损失较小回归精度的代价,显著提高AOSVR模型预测效率.     

基于组合模型的上市公司高送转预测

本文基于中国市场3465家上市公司7年的数据,首先利用随机森林算法提取出43个因子,再利用Lasso方法进行特征选取,最后选出11个重要因子,然后分别采用logistic回归和决策树方法构建两种预测模型,最后基于损失函数确定权重将两种预测模型按权重进行线性组合建立组合模型.实证结果表明,基于组合模型的预测准确率相比单一模型提高了1.39%.     

基于修正的时间序列模型对冲击负荷的预测

电力负荷预测的实质是对电力市场需求的预测,是利用以往的历史数据资料找出电力负荷的变化规律,进而预测负荷在未来时期的变化趋势.由于经济、气候以及工业生产等诸多因素的约束和限制,电力负荷预测精度很难提高.一个好的实用的电力负荷预测模型则要求既能充分利用负荷的历史数据,又能灵活方便地综合考虑其他多种相关因素的影响.提出了回归与自回归模型相结合的时间序列混合回归预测模型,它的待估参数由BP神经网络进行修正,经实例验证,预测效果良好.     

新型冠状病毒肺炎疫情下武汉及周边地区何时复工?数据驱动的网络模型分析

基于全国和湖北省新型冠状病毒肺炎(COVID-19)疫情报告数据以及百度人口迁徙与分布大数据,本文构建武汉及周边15个疫情严重城市的COVID-19传播复杂网络模型,重点分析武汉及周边地区复工的可能时间节点和复工对二次暴发风险的影响.首先基于各个城市的累计病例数估计1月23日武汉的累计病例数,得到不同时期湖北省16个主要城市控制再生数的估计值,揭示了早期的传播风险较大和目前的传播风险小(控制再生数的值小于1).本文基于2019年同期的流动网络结构和流动量模拟整个网络模型,给出2020年2月17日、2月24日和3月2日的复工对各个城市疫情的影响.主要结论显示,在较强的防控措施和自我防护下,2020年3月2日复工将在一段时间内不会引起疫情的二次暴发.     

带税基的个人所得税分位回归预测模型

为了突破税收预测常用分析思路及方法的局限,更全面的反映数据全貌和回归信息,提出带税基的个人所得税分位回归预测模型.即以分位回归为基础模型,兼顾时间和税基因素,完成预测模型的构建,为预测领域提供一种新工具.利用1994-2014年的个人所得税和城镇居民人均可支配收入数据,以不带税基和带税基的模型为参照,比较所提出模型对2014年的预测效果,并给出2015年个人所得税的预测情况.研究发现,分位回归预测模型与线性回归模型揭示的变量间关系规律吻合,仍然保持较高的预测精度,对数据的展示更为详实,尤其在中段分位处,城镇居民人均可支配收入对个人所得税的影响表现的较为突出.     

关于湖北省节能的投入产出分析

运用投入产出法,对湖北省达成"十一五"节能目标的万元GDP综合能耗进行了分能源品种的分解,对湖北省未来五年的能源经济指标进行了预测和分析.首先,本文把64部门的2002年湖北省投入产出表整理成6部门的投入产出表,推测出2005年湖北省能源生产和消费指标,分析了湖北省能源供需的基本形势.其次,本文以实现"十一五"期间万元GDP综合能耗降低20%为目标,对不同GDP增长率下的能源需求情景进行了预测,计算了湖北省2010年分品种的万元GDP综合能耗、能源消费弹性系数等指标,分析了不同能源品种对单位GDP综合能耗下降的贡献程度.最后本文提出了政策建议,并指出模型的发展方向.     

时变自回归模型系数的估计及预测

本文对一般时变自回归模型(TVAR)的时变系数提出一种估计方法,即建立一个关于时变系数的向量自回归时间序列模型,利用最小二乘方法计算其系数矩阵,在此基础上预测时变系数,从而得到时变自回归序列的点预测,另外给出了点预测和区间预测的方法.