基于混频数据模型的税收收入预测研究——以河南省为例

税收收入在税收工作中具有重要意义.利用河南省税收收入数据,首先将采购经理人指数(PMI)等反映经济景气度和经济活动的经济指标引入到河南省税收收入的混频数据预测模型中.然后选择预测效果最好的PMI指数作为高频解释变量,构造指数Almon多项式权重的MIDAS (3,3,2)-AR (4)混频数据模型对河南省税收收入进行预测.最后与经典的时间序列预测方法对比,构造的税收收入混频数据模型具有明显的预测优势.     

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.     

基于残差修正的非等时距GM(1,1)模型及其应用

针对很多预测案例中历史数据序列非等时距的特点,构建了非等时距的GM(1,1)预测模型,将序列的时间间隔作为乘子嵌入模型中,同时通过动态采用最新分量作为初始值、动态优化背景值和累积残差修正等方法,解决了非等时距预测模型长期预测精度不易控制的难题.将该模型应用于某发动机油液监测数据预测中,预测效果较好.     

ARMA模型在哈尔滨气温预测中的应用

将时间序列分析引入到气温时间序列预测的研究中,深入分析气温样本数据,并对其建立ARMA模型.采用最佳准则函数法确定模型的阶数,并利用自相关函数对模型的残差进行了检验.通过条件期望预测和适时修正预测方法求得预测值,与真实值的比较得到适时修正预测精确度比条件期望预测的精确度高.     

基于季节性RBF神经网络的月度市场需求预测研究

本文提出一种季节性神经网络预测模型,对具有季节性变化的产品月度市场需求进行预测.在Matlab语言环境下,用傅立叶周期分析法得到时间序列的周期长度;借鉴嵌入理论,提出了确定季节性神经网络输入维数的策略;利用计算机程序搜索,确定最优参数;通过合理插值,重构样本集.仿真实验表明,该模型的预测精度明显高于其他几个常用的季节预测模型.     

修正的GM(1,1)残差模型在原煤销售量预测中的应用

本论研究的是提高灰色预测模型的一种方法。首先建立主模型进行预测，得到残差序列，然后对残差序列建模，对主模型进行修正，得到修正的GM(1，1)模型。将模型应用到原煤销售量的预测中，其精度明显提高。     

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.     

短时交通流混沌预测模型的比较研究

短时交通流预测是实现交通流诱导的关键技术之一.针对目前短时交通混沌预测模型预测结果差异较大的问题,归纳了4种基于混沌理论的短时交通流预测模型:RBF神经网络模型、最大Lyapunov指数模型、局域线性模型和Volterra滤波器自适应预测模型,并对这4种预测模型进行了比较研究.应用4种预测模型对几个典型的非线性系统进行预测,验证了算法的准确性.然后用这4种预测模型对微观实测交通流的时间序列进行实证分析.仿真结果表明,4种预测模型对典型混沌时间序列具有很好的预测效果;而对实测交通流预测,其预测精度和稳定性较差,但可以满足实时交通流预测的需要.     

基于NEGM(1,1)模型的因果预测方法及应用研究

非等间隔时间序列在工程技术问题中是常见的.研究了一类非等间隔广义时间序列的预测问题,也就是将因果预测模型中的自变量作为广义时间,应用NEGM(1,1)模型将因果预测转化为时间序列预测,并应用空军航材消耗实例进行了模型检验.实践表明本文的方法具有广泛的使用价值.     

基于逆模糊数的模糊时间序列预测的新方法

Song和Chisson于1993年提出模糊时间序列预测理论.虽然至今已经提出许多模糊时间序列预测模型,但是迄今为止尚未给出预测未知年数据的模糊时间序列预测模型.提出基于逆模糊数的模糊时间序列预测的新方法该模型对广西大学已知的2001~2012年的注册数进行预测分析,平均预报误差率比相关文献的方法有所改善.还对广西大学未知的2013年和2014年注册数进行预测研究.方法是短期预测的一种模糊时间序列预测方法.     

MODELING AND FORECASTING MONTHLY AVERAGE WATER LEVELS BASED ON THE ELLIPTIC ORBIT MODEL

Evaluation and forecasting of water‐level fluctuation for one river is of increasing importance since it is intimately associated with human welfare and socioeconomic sustainability development. In this study, it is found that time series of monthly water‐level fluctuation exhibits annual cyclical variation. Then with annual periodic extension for monthly water‐level fluctuation, the so‐called “elliptic orbit model” is proposed for describing monthly water‐level fluctuation by mapping its time series into the polar coordinates. Experiments and result analysis indicate potentiality of the proposed method that it yields satisfying results in evaluating and forecasting monthly water‐level fluctuation at the monitoring stations in the Yangtze River of China. It is shown that the monthly water‐level fluctuation is well described by the proposed elliptic orbit model, which offers a vivid approach for modeling and forecasting monthly water‐level fluctuation in a concise and intuitive way.     

基于ARIMA的油田A类物资市场价格预测

本文研究了油田A类物资的市场价格预测。采用时间序列方法中的ARIMA模型,结合油田物资历史价格数据,分析并提出了一套针对油田A类物资的市场价格预测模式。该模式包括两个模块:样本集模块和ARIMA模块。样本集模块的主要功能是样本集的输入和实时更新;ARIMA模块包括了价格预测模型的拟合、检验、预测、评价、动态反馈和调整等主要环节。在该模式的指导下,以大庆油田A类采购物资中的小螺纹钢(20-HRB335)(天津、石家庄和沈阳3个产地)为例,对2011年各月的市场价格进行了模拟预测,预测的平均相对误差分别控制在2.13%,1.64%和1.82%,该结果得到了用户的认可。该预测模式的运用对大庆油田物资集团制定合理的物资采购方案提供了依据。结论部分对该预测模式的意义及存在问题进行了分析,并给出改进建议。     

A parsimonious stochastic model for forecasting gamers' revenues in casinos

The gaming industry is the largest entertainment industry in the United States, with more than $80 billion in revenue annually. Because of the stochasticity of gambling outcomes and the complexity of the casino context, forecasting individual‐level revenues in a casino setting is extremely challenging, and yet crucial for customer relationship management. Current approaches for customer base analysis are usually too general to handle the unique context of the casino setting. To fill this gap between research and practice, this paper develops a stochastic model that incorporates visitation, wagering, and gambling outcomes to forecast gamers' revenues for a major casino operator. The proposed model is parsimonious and can be scaled to handle massive casino customer databases. Despite its parsimony, a holdout prediction test shows that the proposed model provides more accurate individual‐level revenue predictions than other forecasting methods that are based only on the observed data. Copyright © 2012 John Wiley & Sons, Ltd.     

我国水路货运量短期预测模型

本文对我国逐月水路货运量进行了趋势、季节分析，并利用时间序列分析方法建立了简单、实用的短期预测模型。     

基于小波变换和改进萤火虫算法优化极限学习机的短期负荷预测

提出了一种基于小波变换和改进萤火虫优化极限学习机的短期负荷预测方法.通过小波分解和重构,对原始负荷序列进行降噪;在模型训练阶段利用改进的萤火虫算法优化极限学习机参数,获得各序列的最优模型;针对各子序列分别预测叠加得到最终预测值.通过在两种时间尺度的数据序列上进行数值计算,与传统的ARMA、BP神经网络、支持向量机及LSSVM等多种经典预测模型相比,模型预测效果更优.     

一种基于局部回归的多尺度碳市场价格预测模型研究

碳市场价格呈现非线性、非平稳的复杂特性,准确预测具有较大的挑战。基于“分而治之”的思想,提出了一种基于局部回归的多尺度碳市场价格预测模型。提出的模型利用集成经验模态分解(EEMD)对碳市场价格时间序列进行分解。启发于EEMD局部特征分解的特点,对分解后的分量采用局部回归方法进行预测,然后将分量预测结果进行集成。采用的局部回归方法包括局部线性回归(LLP)、局部多项式回归、局部岭回归、局部主成分回归、局部偏最小二乘回归和局部套索回归。实验结果表明基于局部回归的多尺度预测模型具有优异的预测性能。在提出的模型中,EEMD-LLP结构简单且性能更为突出,进一步对EEMD-LLP参数的适应性进行探讨。与新近提出模型的对比结果表明了EEMD-LLP在碳市场价格预测中的有效性。     

Forecasting stock index price based on M-factors fuzzy time series and particle swarm optimization

In real time, one observation always relies on several observations. To improve the forecasting accuracy, all these observations can be incorporated in forecasting models. Therefore, in this study, we have intended to introduce a new Type-2 fuzzy time series model that can utilize more observations in forecasting. Later, this Type-2 model is enhanced by employing particle swarm optimization (PSO) technique. The main motive behind the utilization of the PSO with the Type-2 model is to adjust the lengths of intervals in the universe of discourse that are employed in forecasting, without increasing the number of intervals. The daily stock index price data set of SBI (State Bank of India) is used to evaluate the performance of the proposed model. The proposed model is also validated by forecasting the daily stock index price of Google. Our experimental results demonstrate the effectiveness and robustness of the proposed model in comparison with existing fuzzy time series models and conventional time series models.     

基于Theil不等系数的IOWHA算子组合预测模型及其应用

Theil不等系数是一种度量预测精度的另一种相关性指标,将Theil不等系数和IOWHA算子的概念相结合,提出一种新的基于Theil不等系数的IOWHA算子最优组合预测模型,并定义了优性组合预测的概念.利用该模型对税收收入进行了组合预测,结果表明该组合预测方法是可行和有效的,且该模型是一种优性组合预测.     

岩土工程位移时间序列的组合预测研究

将组合预测方法用于岩土工程位移时间序列预测.结合实际观测数据,分别建立位移时间序列预测的GM(1,1)模型、Verhulst模型和趋势曲线模型.采用极小误差法确定各单一模型的权重,建立组合预测模型.应用表明,组合预测的精度高,为岩土工程位移预测提供了一种实用、可靠的方法.