基于支持向量机的中国猪肉产量预测研究

生猪养殖业作为我国大力扶持的产业,一直以来都占据中国畜牧业的“半壁江山”。尽管如此,我国居民对猪肉的消费量仍大于猪肉产量,为了稳定市场对猪肉的需求,还要依靠一定数量的进口。为了促进我国猪业的发展和更好地满足消费者对猪肉价格的预期,提高猪肉产量是一项重要手段。本文搜集了1990—2019年中国猪肉产量的数据,选择支持向量机模型预测了2020年猪肉产量,分析了猪肉产量变动情况及走势,并对相关影响因素进行系统分析,提出对策与建议,以期为中国猪业相关部门提供参考。     

基于支持向量机的上证指数预测研究

基于支持向量机的预测模型对上证指数进行预测,并将其预测结果与BP神经网络的预测结果进行对比,其结果表明,支持向量机的预测模型具有较高的拟合和预测精度并优于BP神经网络模型,且支持向量机预测方法计算速度快,准确率高,具有很好的推广应用价值。     

基于支持向量机在重工业经济领域预测研究

提出了一种基于支持向量机预测重工业经济月度同比增长率的方法。利用2002年以来,我国6年的重工业月度同比增长率数据,建立支持向量机预测模型,并对预测结果和实际值进行了比较分析,表明该方法用于经济预测和经济分析是有效的。     

基于信用评分和数据挖掘对商业贷款违约情况的预测方法研究

随着贷款消费的发展,信贷管理中存在着诸多问题并且也面临着一些难以掌控的风险,如果能利用数据挖掘技术,通过对贷款人的各类数据进行分析,从而得出一个相对准确的借贷判断,那么对于金融部门会有很大价值。本文对数据挖掘的关键技术和相关挖掘分析方法进行了分析与解释,利用现有的数据对多个模型进行比较得出了相对准确性较高的建模方法,最后对这一方法对社会的价值进行了简要的评述。     

城市客运需求量预测方法研究

随着经济迅速发展,我国城市客运也有了长足的发展。然而我国城市人口随着城市化的进程,出现了膨胀,随之带来了城市交通压力。如何解决城市交通拥塞问题,成为我国大多数城市面临的挑战性课题。城市客运需求量的预测能够为城市交通、客运设施规划提供第一手的科学依据,因此引起了人们的普遍关注。传统的"四阶段"预测方法在迅速发展的城市交通面前呈现出一些不足。运用最小二乘支持向量机方法提出了一种新的预测方法,具有较高的预测精度和计算速度,比较适合我国当前国情。     

基于支持向量机回归算法的气象预测的应用研究

支持向量机（SVM）是统计学习理论基础上一种新的学习方法,是关于非线性问题一种有效的解决方法。本文首先简要概述了支持向量机算法的原理,结合具体实例,并运用支持向量机在气象应用进行预测验证分析,试验结果显示,本算法的预测结果比较理想,证明了算法的有效性。     

基于粒子群支持向量机的标高金预测方法研究

在建筑工程投标报价过程中,标高金的准确预测直接影响投标方能否中标和盈利。利用支持向量机（SVM）在解决小样本数据、非线性问题上的优越性,提出基于SVM的预测方法,同时利用粒子群算法（PSO）对支持向量机的参数进行优化。实例分析表明,基于PSO—SVM的预测方法是有效和可行的。     

基于分段贪婪的SVM训练算法研究

针对硬间隔支持向量机(HM-SVMs)存在过拟合的风险,软间隔支持向量机存在着高计算成本的负担,本文首先介绍了一种新的SVMs迭代训练算法——分段贪婪算法(GS-SVMs)。该方法不需要引入正则化参数,就能处理HM-SVMs的过拟合问题,进而提高了训练速度。然后运用样本缩减策略进一步改进GS-SVMs,得到新算法NGS-SVMs。实验结果证明,该方法具有一定的可行性和有效性,特别适用于大样本数据。     

基于支持向量机的义乌小商品价格指数预测分析

义乌指数作为全球小商品的＂道琼斯指数＂,全面反映了小商品市场的价格走势和景气动态。本文通过对历年义乌指数中的价格指数进行观察,将其与消费者价格指数（CPI）进行对比分析,并运用支持向量机对其进行回归预测研究。实证表明：支持向量机能够在较小误差范围内实现对义乌指数的有效预测。     

基于PCA-SVM组合模型的股票价格预测

股票市场是个非稳定的时间序列,本文将支持向量机与主成分分析(PCA-SVM)结合对股票进行回归预测分析,以奥特迅(002227)为对象进行建模和预测研究。选取奥特迅90天的股票技术指标历史数据作为训练样本对收盘价进行预测,10天数据进行检验,并通过图像拟合来验证神经网络股票预测的可行性和准确性。     

基于加权最小二乘支持向量机的金融时间序列预测

针对股票市场的高噪声,强非线性和不确定性等特点和以往传统的神经网络预测方法存在的不足,对标准最小二乘支持向量机方法优化,运用给各个样本的惩罚系数和误差要求赋予不同权重的加权最小二乘支持向量机方法结合滚动时间窗来学习建模。对上证地产业类指数的建模和预测表明,该算法具有良好的预测精度和抗燥性能,是对股市进行分析和预测的一种可行而有效的方法。     

基于改进SVC的金融时间序列预测简

针对金融时间序列高噪声,强非线性和不确定性等特点,对传统加权支持向量机（WSVM）进行了改进.提出了基于改进加权支持向量机和再加权支持向量机（RWSVM）的金融时间序列预测方法.研究表明,与传统加权支持向量机相比,改进的加权支持向量机有效地提高了金融时间序列预测的精度。     

基于PP-RVM的黄金价格预测

本文选取引起黄金价格波动的五个主要因素,建立一种基于PP-RVM的黄金价格预测模型,并通过了后验差检验。实证分析表明,基于PP-RVM的黄金价格预测模型的预测性能优秀,并且各项精度指标都优于RVM预测模型,是一进行有效预测的方法。     

试论公路交通客运量预测方法

我国随着改革开放的步伐正在变得越来越繁荣富强,社会基础设施建设越来越完善,道路交通也变得越来越便捷舒适。在我国城市化程度不断提高的同时,道路交通运力面临的压力也急剧加大,如何解决好城市道路交通的客运需求问题,成为各大城市所要面对的沉重挑战。因此,掌握公路交通客运量情况对于解决该问题显得尤为重要。对公路交通客运量实施预测,可以为交通部门的道路管理提供直接的依据。在众多预测方法中,利用最小二乘支持向量机方法提出的一种新方法对我国目前的国情比较适合,其相对于其他预测方法主要有:较高的精确度,较快的计算速度等优势。     

试论公路交通客运量预测方法

我国随着改革开放的步伐正在变得越来越繁荣富强,社会基础设施建设越来越完善,道路变通也变得越来越便捷舒适.在我国城市化程度不断提高的同时,道路交通运力面临的压力也急剧加大,如何解决好城市道路交通的客运需求问题,成为各大城市所要面对的沉重挑战.因此,掌握公路交通客运量情况对于解决该问题显得尤为重要.对公路交通客运量实施预测,可以为交通部门的道路管理提供直接的依据.在众多预测方法中,利用最小二乘支持向量机方法提出的一种新方法对我国目前的国情比较适合,其相对于其他预测方法主要有：较高的精确度,较快的计算速度等优势.     

基于组合模型的进出口贸易总额预测

进出口贸易总额作为经济活动中的一个宏观经济指标,对研究中国经济状况具有不可替代的作用。文章使用ARIMA(自回归移动平均模型)和SVM(支持向量回归模型)对1980—2016年的我国进出口贸易总额进行信息挖掘,在评价预测效果的基础上构建了基于权重分配的组合预测模型。通过实例分析印证了在进出口总额方面基于优化定权的组合预测模型要比单一预测模型精度高,对我国的对外贸易发展有一定的参考价值。     

金融时间序列数据预测方法探析

本文提出了一种改进的金融时间序列数据预测方法,该方法首先对采集到的数据进行预处理,然后利用决策树来对金融时间序列进行特征抽取,并建立基于支持向量机的时间序列预测模型,最后对时间序列数据进行预测并输出预测结果。仿真结果表明,本文提出的方法可以有效地降低预测模型复杂度,同时提高预测能力和泛化性能。     

基于相空间重构与支持向量机的电力负荷预测

近年来让人们对电力负荷预测的研究越来越显示出它对电力系统具有非常重要的意义,本文结合了电力负荷的混沌特性,对电力数据进行了相空间重构,提出了基于相空间重构和支持向量机回归的电力负荷预测方法,并结合实际应用取得了很好的效果。     

基于加权支持向量机的金融时间序列预测

金融时间序列数据的预测是商业领域的热点问题,对金融时间序列进行准确的预测,对金融投资决策与风险管理具有特别重要的意义。针对金融时间序列的特点,对传统支持向量机进行了改进,提出了基于加权支持向量机的金融时间序列预测方法。研究表明,与传统金融时间序列预测方法比较,基于加权支持向量机有效地提高了金融时间序列预测的精度。     

上市公司财务危机预测的最小二乘支持向量机方法研究

现有上市公司财务危机预测方法常常需要线性假设或正态分布、等协方差假设,模型参数选择原则一般都采用经验风险最小。本文研究了上市公司财务危机的最小二乘支持向量机(LS-SVM)预测方法,此方法基于研究小样本的统计学习理论,它不需要特殊假设作为前提,选用结构风险最小原则确定预测模型参数,不仅使得经验风险最小,也使期望风险最小,从而对未来样本有较好的泛化能力。同时,给出了模型参数的显式计算公式。因此所提预测方法计算简单,速度快,预测精度高。实例计算结果证实了所提方法的可行性、有效性、实用性。