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.     

组合预测模型在税收收入预测中的应用

准确预测税收收入,对于有效地进行市场经济条件下的宏观调控有着重要的意义.为了充分利用各单项预测的信息以提高预测精度,在现有研究的基础上,首先选取指数平滑法、偏最小二乘方法和灰色预测方法对税收收入数据进行定量分析;然后基于误差平方和最小构建了税收收入组合预测模型;最后的算例预测结果表明,构建的税收收入组合预测模型具有较优的预测效果.     

神经网络优化组合预测模型在油气产量预测中的应用

采用组合预测方法对油气产量预测进行研究,首先选取油藏工程领域多种油气产量预测模型建立组合预测模型库,基于权系数的时效性,利用三层前馈BP神经网络建立油气产量变权组合预测模型,并进行实例分析,结果表明该方法能提高预测精度,增强预测模型的实用性.     

基于混沌最小二乘支持向量机的时间序列预测研究

为了对这种具有非线性特性的时间序列进行预测,提出一种基于混沌最小二乘支持向量机.算法将时间序列在相空间重构得到嵌入维数和时间延滞作为数据样本的选择依据,结合最小二乘法原理和支持向量机构建了基于混沌最小二乘支持向量机的预测模型.利用此预测模型对栾城站土壤含水量时间序列进行了预测.结果表明,经过相空间重构优化了数据样本的选取,通过模型的评价指标,混沌最小二乘支持向量机的预测模型能精确地预测具有非线性特性的时间序列,具有很好的理论和应用价值.     

基于最小二乘准则的滑坡位移动态权系数线性组合预测模型研究

针对固定权系数组合预测模型在滑坡监测数据多期预测预报中存在精度下降过快的问题,以最小二乘线性组合预测模型为基础,结合生物体新陈代谢过程,提出了一种基于最小二乘准则的滑坡位移动态权系数线性组合预测模型的构建方法,并引入SSE、MSE、MAE、MAPE和MSPE5种误差指标对该模型的预测精度进行评价.通过黄茨滑坡B2监测点和重庆市巫溪县物流园区长宁路边坡工程DW4监测点的监测数据进行算例验证,实验结果表明,基于最小二乘准则的滑坡位移动态权系数线性组合预测模型的预测评价指标均优于选用的单项预测模型以及普通线性组合预测模型.     

基于CEEMD与GA-SVR的猪肉价格集成预测模型

为提高猪肉价格预测的准确性,结合互补集合经验模态分解(CEEMD)的分解能力和基于遗传算法的支持向量回归(GA-SVR)的自适应预测功能,构建猪肉价格集成预测模型.首先为解决猪肉价格的复杂波动特征,通过CEEMD对猪肉价格分解得到本征模态函数(IMF)序列集;然后使用排序熵(PE)对IMF序列进行复杂度分析,进一步使用快速傅里叶变换方法(FFT)分解复杂度高的序列;再利用灰色关联度(GCD)对IMF序列集进行关联性分析,聚合相似IMF序列;最后基于各IMF序列的数据特征构建相应的GA-SVR预测模型,并将子序列的预测结果集成获得最终价格预测值.以中国集贸市场的猪肉价格为研究对象,实证结果表明,该集成预测模型在预测精度和方向性指标上,显著优于其他单预测模型和分解集成预测模型.     

公司盈余预测与资本成本估算——截面回归模型预测VS.分析师预测

盈余预测数据的合理利用有助于提高资本成本估算的准确度,截面回归预测模型是近几年来盈余预测研究的热点问题。本文基于中国上市公司的数据以及分析师的盈余预测数据,对公司盈余预测质量以及与资本成本估算质量之间的关系进行了检验。结果显示,中国分析师的盈余预测质量较高,但是根据预测盈余估算的资本成本与可实现报酬率、与风险因素的关系,截面回归预测模型尤其是基于HVZ模型的盈余预测可以取得更好的资本成本估算结果。     

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.     

基于成本粘性的盈利预测及其精度检验

本文以2007-2009年沪深2652家A股上市公司为样本,验证了成本粘性的存在性,并以2008年的相关财务数据为基础构建盈利预测模型,对2009年的公司盈利进行预测,通过与当年各公司的实际利润相比较,发现基于成本粘性的盈利预测模型具有更高的预测能力,其预测精度显著高于其他常用预测模型,表明将诸如成本习性等管理会计的工具引入财务会计研究领域具有重大意义,可以提高会计信息的决策相关性。     

灰色-马尔柯夫链预测优化模型——以江苏省物流需求预测为例

讨论了现有灰色-马尔柯夫链预测方法的基本思路,针对该思路的不足之处提出了合理刻画预测模型精度特征的两个精度指标——均值指标和稳定性指标,并据此建立了灰色-马尔柯夫链预测优化模型,最终以江苏省物流需求为例,对该模型进行了实例验证和应用.     

基于熵权法混合模型的贵州省旅游人数预测研究

针对贵州旅游人数预测问题,建立了多种预测模型.由于单一模型不能准确预测,首先系统介绍了Logistic曲线拟合模型、GM(1,1)模型和对数线性模型,并在此基础上基于熵权法给出了混合预测模型.测试效果表明:利用多种误差指标信息的混合预测模型的拟合效果要优越单一模型.最后基于混合模型,给出2017-2021年贵州旅游人数的预测值,为贵州未来旅游发展规划提供依据.     

结合长短时记忆网络和宽度学习的股票预测新模型研究

长短时记忆网络(LSTM)近年来广泛应用于股票预测中，其结构特点易陷入局部最优，从而影响预测精度。借鉴宽度学习系统(BLS)在时间序列预测上良好的逼近能力，本文尝试宽度学习与深度学习相结合。进一步地，针对股票序列不平稳特点，引入互补集成经验模态分解(CEEMD)进行降噪处理，提出CEEMD-LSTM-BLS(C-L-B)股票预测模型。选取农林牧渔行业股票价格，对新提出的模型进行实证研究。通过与基线模型、现有股票预测模型对比，证明了新模型在多个精度指标上都有明显提升。特别地，通过分别将C-L-B模型与不融入BLS的CEEMD-LSTM模型，对CEEMD分解后的分量预测结果进行对比发现：LSTM模型预测存在一定的误差，且越是拐点处，越是高频波动，预测误差越明显。而C-L-B模型中的BLS模块能够解决这类问题。当数据出现较大波动时，本文提出的新模型与现有模型相比，可以很好的解决拟合差、时滞等问题。     

洪涝灾害的超概率评估与伯努利预测模型研究

科学选取灾情评价指标,构造基于组合权重的洪涝灾情指数序列,利用样本的模糊信息,通过集值化的模糊数学处理,建立灾情指数的超概率评估模型。同时,采用粒子群算法以及两阶段寻优方法求解模型中的参数r,以构造基于粒子群的灾情指数与灾变年的非线性伯努利预测模型,并将预测模型运用于广西洪涝灾情指数和灾变年预测中.结果表明,广西发生中灾以上洪涝灾害年份的超越概率是0.3175.从2013年起五年内,发生中灾以上年份是2014年和2017年,与实际灾情拟合较好;此外,将构造的伯努利模型与GM(1,1)模型和Verhulst模型进行对比分析后发现,非线性伯努利模型更适合做洪涝灾情指数预测和灾变年预测.     

基于IOWGA算子的铁路月度客运量的组合预测

我国铁路月度客运量增长趋势和季节特征明显,铁路月度客运量的精确预测能为铁路部门有效调度运力提供决策依据.选取2010年1月至2019年4月铁路月度客运量数据,先分别构建GM(1,1)灰色系统、Holt-Winters模型和SARIMA模型等3种单预测模型,再依据上述单预测模型,利用IOWGA算子构建组合预测模型,并检验IOWGA组合模型的有效性.结果显示:IOWGA组合模型的各项预测有效性检验指标均优于单个预测模型;预测2019年5月至2020年2月铁路月度客运量仍呈上升趋势,且客运高峰为7-9月和1-2月,客运低峰为11-12月.     

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VMD-ELM的农产品期货价格分解集成预测模型

为了捕捉农产品市场期货价格波动的复杂特征,进一步提高其预测精度,基于分解集成的思想,构建包含变分模态分解(VMD)和极限学习机(ELM)的分解集成预测模型。首先,利用VMD分解的自适应性和非递归性,选择VMD将复杂时间序列分解成多个模态分量(IMF)。其次,针对VMD分解关键参数模态数K的选取难题,提出基于最小模糊熵准则寻找最优K值的方法,有效避免模态混淆和端点效应问题,从而提升VMD的分解能力。最后,利用ELM强大的学习能力和泛化能力,对VMD分解得到的不同尺度子序列进行预测,集成得到最终预测结果。以CBOT交易所稻谷、小麦、豆粕期货价格作为研究对象,实证结果表明,该分解集成预测模型在预测精度和方向性指标上,显著优于单预测模型和其它分解集成预测模型,为农产品期货价格预测提供了一种新途径。     

一种改进的基于指数平滑神经网络模型的时间序列预测方法

基于指数平滑模型与误差反传神经网络法提出了一个改进的时间序列预测方法.将神经网络模型移植入指数加权滑动平均模型中,充分考虑了时间序列的部分线性性和非线性性对预测结果的影响,是传统的混合模型的一个更合理的改进.最后通过对上证指数时间序列的实证分析,以预测均方误差为检验标准,对五种常用的时间序列预测模型进行了预测精度的比较,而且经验证所提出的改进的时间序列预测模型相对来说具有更小的预测均方误差.     

基于CEEMDAN-MR-PE-NLE多频优化组合模型的碳金融市场价格预测

鉴于碳金融市场价格预测的复杂性,遵循"分解"、"重构"、"预测"、"集成"的总体建模架构,构建了CEEMDAN-MR-PE-NLE多频优化组合预测模型.先基于CEEMDAN算法对原始碳价序列进行分解,然后采用CCI贡献度指数和E-C进化聚类算法以及Lempel-Ziv复杂度指数对分量进行重构,进而得到高频分量、低频分量和趋势分量,利用PSO-ELM粒子群优化的极限学习机预测模型对三个重构分量分别进行预测,最后采用非线性集成算法将重构分量的预测结果进行集成,得到最终的碳价预测结果.五种模型预测效果评价指标和MCS检验均表明:与基准模型相比,构建的预测模型性能最优,DM稳健性检验结果也进一步证实了构建的预测模型的稳健性.     

Boeing737-300/400机队可靠性等级预测研究

为了研究航空公司机队可靠性等级预测问题,提出一种基于灰色关联与支持向量机(SVM)的航空公司机队可靠性等级预测模型.从某航空公司B737-300/400机队的可靠性月报中,得到影响机队可靠性等级的9个指标;应用灰色关联法对机队可靠性等级和指标进行相关性分析,就各个指标与机队可靠性等级之间的关联度进行了排序;采用基于径向基核函数(RBF)的支持向量机(SVM)建立了航空公司机队可靠性等级预测模型.以某航空公司B737-300/400机队为例进行了可靠性等级预测分析,验证了所提方法的有效性.     

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.