基于灰色预测模型的山东省公路货运量预测分析

文章论述了灰色预测模型在公路货运量预测中的应用技术、方法与程序。该方法利用了累加生成手段和微分方程描述的灰色模型,与目前常规货运量预测理论和模型相比,可有效处理小样本、贫信息的不确定系统,并在一定预测时段内具有良好的预测精度和实用性。应用灰色系统中的GM(1,1)模型对1999-2010年山东省公路货运量进行分析和研究,通过运行预测模型并与原历史数据进行比较,确认预测模型准确度较高;最后以此预测模型对山东省2012—2017年的公路货运量进行了预测。     

自适应粒子群最小二乘支持向量机在铁路货运量预测中的应用

针对铁路货运量与其影响因素间的复杂非线性关系,建立自适应粒子群最小二乘支持向量机(APSO-LSSVM)模型用于铁路货运量预测研究,利用最小二乘支持向量机的优良特性预测铁路货运量,并采用自适应粒子群算法优化选择LSSVM的参数。通过对我国铁路货运量的实例分析检验APSO-LSSVM模型的预测性能。结果表明,APSO-LSSVM模型有效地预测了我国铁路货运量,具有较高的预测精度及较快的收敛速度。     

基于Bootstrap方法对我国民用汽车拥有量的实证分析

随着我国经济的蓬勃发展、能源生产的压力、全国公路建设、国家税收政策的调整、以及公路客、货运量的变化,人们越来越关注我国民用汽车拥有量与经济、能源、公路建设、税收、公路客货运量的关系。本文选取了我国民用汽车拥有量、人均国内生产总值、能源生产总量、全国公路里程、各项税收、公路客运量、公路货运量这几项指标,依据我国1990-2012年的相关数据,基于Bootstrap方法对我国民用汽车拥有量的影响因素进行了回归分析,结果表明,该模型优于采用逐步回归法的多元线性回归模型,预测误差率为0.14%;我国民用汽车拥有量主要受各项税收和公路货运量的影响最大。     

基于灰色残差GM(1,1)模型的中国铁路货运量预测

铁路货运量预测作为铁路运输生产的基础工作之一,是铁路运输企业制定正确市场营销战略的前提条件。为提高我国铁路货运量的预测精度,适应铁路持续、迅速、健康发展的需要,在传统灰色预测技术的基础上,本文建立了残差灰色预测模型,并通过实例分析验证了该模型的实用性和精确性。     

我国铁路货运量的组合预测

在二次指数平滑、一元回归、自回归、灰色预测四种模型的基础上采用方差倒数法定权的方式建立组合预测模型,对全国铁路货运量进行预测,并对预测结果进行误差分析。预测结果表明,组合预测较单一模型预测更具优越性。     

成都东站货运量的灰色动态预测

对于铁路货运量来说,随着时间的推移,各种影响货运量的未来的未知因素不断进入货运量这个灰色系统中。在介绍灰色预测方法的基础上,建立了适用于铁路货运量灰色预测的动态模型,并对成都东站货运量进行了中期预测分析。     

基于马尔科夫GM(1,1)模型的物流货运量预测研究与应用

物流货运量是衡量物流行业发展快慢的重要指标。针对不确定影响因素较多的物流货运量预测采用传统GM(1,1)模型预测,预测结果精准度较低。针对该问题,提出了基于马尔科夫原理的GM(1,1)模型,进行物流货运量预测研究与分析应用。根据马尔科夫GM(1,1)模型原理,以近几年的某地物流货运量为研究数据,通过实际应用研究结果可知,该方法预测效果较好,为研究物流发展提供参考。     

公路交通运输量GM-Markov综合预测模型研究

为了提高公路交通运输量的预测精度,在介绍一般模型的基础上,建立了GM-Markov预测模型,它是将灰色预测方法与Markov预测模型优化组合,用灰色预测模型GM(1,1)预测随机时间序列数据的总体发展趋势,而用Markov模型预测各数据在总体趋势下的随机波动性变化,得到随机时间序列数据趋势预测模型的解。通过公路货运量的实际数据进行了验证,结果表明:GM-Markov预测模型既能预测参数随机数据序列的总体趋势,又能适应波动性较大的随机序列变化,其预测精度高于GM(1,1)模型的预测精度。     

区域商贸流通发展与公路交通水平计量分析

基于灰色关联模型的计量分析,发现地区商贸流通业发展与公路交通基础设施水平具有较强的关联性:在公路里程、公路客运量、公路货运量和民用汽车拥有量中,民用汽车拥有量是最重要的影响因素,公路货运量次之;在社会消费品零售总额、市的零售额、县的零售额、县以下的零售额、批发和零售业零售额、住宿和餐饮业零售额中,公路交通基础设施对县以下的零售额的影响程度最大,对批发和零售业零售额的影响程度次之。     

消费者信用评估的SVM-LDA组合模型

消费者信用评估模型的预测精度直接关系到信贷机构的损益、信用产品的开发和金融市场的繁荣。本文针对消费者信用评估单一模型的不足,基于不同模型在信用评估中的分类模式差异程度,选择了传统的线性判别分析模型和最新的支持向量机模型,运用线性方法构建了SVM-LDA组合模型。通过某商业银行信用卡数据进行实证的结果表明,组合模型有效提高了预测的精度和稳健性,对于商业银行控制消费信贷风险具有更好的适用性。     

基于灰色马尔可夫链的企业盈利额预测

灰色马尔可夫模型预测兼有灰色预测和马尔可夫链预测的优点,并能针对较短的时间序列数据建模计算。介绍了灰色预测模型和马尔可夫预测模型的建模方法,并将灰色马尔可夫链模型应用于某企业盈利分析预测。分析表明,该模型具有较强的适用性。     

山东省水路运输的计量分析及对策建议

通过建立模型对影响我国公路客运量的因素进行了研究,通过Eviews对山东省统计年鉴的有关数据进行筛选,并对水路客运量(X1)、海关进出口总量(X2)、人口密度(X3)、铁路货运量(X4)、公路货运量(X5)进行回归拟合,通过建立模型对样本数据分别进行回归,比较分析选择作出初始模型,经过检验和修正得到最终模型,通过样本回归分析得出一定的结论,提出进一步探讨的问题。     

一类物流企业网络运量预测组合算法与应用

本文分析了物流运输企业网络配送运量变化特性,提出了网络运量预测的组合算法,结合各种网络运量预测方法的特性,运用具体实例对组合模型的精度和适用条件进行了验证。     

基于信息熵的不良资产评估组合预测模型研究

不良资产价值评估是其处置的前提和关键环节,而不良资产处置定价受诸多因素的影响,目前常用的单一评价方法很难诠释不良资产的价值全貌。因此构建了一种基于信息熵的不良资产组合预测评估模型,通过不同专家运用不同评估方法对不良资产进行估价,分别计算每种评价方法的误差,此误差值运用熵值法计算几种单一评价方法的权重并以此来进行组合预测。该方法能综合单一评价方法的计算结果,大大提高了不良资产价值评估的科学性和准确性。     

RCH模型非线性组合预测方法研究

金融数据时间序列分析中,对具有ARCH效应的回归模型组合预测问题少有人涉及.简单的线性组合预测方法虽可提高预测精度,但忽略了候选模型间可能存在的关系,非线性组合预测方法可以将这种关系考虑在内。为此,主要针对ARCH模型,提出了一种非线性组合预测方法及权重形式,并通过模拟说明此方法的优越性。     

组合预测模型在股指短期预测中的应用——以上证综合指数为例的实证分析

本文分析了自回归移动平均模型(ARIMA)与BP神经网络模型在预测方面的特性和模型各自的优缺点,在此基础上尝试建立了ARIMA和BP神经网络的股指组合预测模型。ARIMA与BP神经网络组合使用的基本原理是股指时间序列数据可分解为线性部分和非线性残差部分。本文以上证综合指数为例,首先采用ARIMA预测上证综合指数的线性变化趋势,然后采用BP神经网络对上证综合指数的非线性趋势进行拟合,最后整合两种模型的预测结果。仿真结果表明:组合模型提高了对上证综合指数的预测精度,证实了组合模型在股指预测方面的有效性。     

大学生证券投资与教育投资模型分析

通过定义教育、股票与基金等三种大学生课余投资的收益率与风险,利用模型计算出最优组合。针对Markowitz投资组合模型中协方差未知的情况,先后利用两基金分离定律与区间数模糊投资组合模型进行求解,最后探讨其可行性与适用性。     

预测方法之残差灰色模型与乘法季节模型分析

本文采用理论分析与实证分析相结合的方法,探讨了对同一个时间序列建立不同的模型,不同模型的预测效果有无差异,差异的原因。实证分析选取了全国铁路货运量的月度数据,分别建立残差灰色模型和乘法季节模型,比较两个模型的预测效果,并给出预测效果不同的原因分析及相应建议。     

组合预测模型在短时交通流预测中的应用研究

根据智能交通诱导和信号控制的需要,短时交通流预测应具备实时性、准确性和可靠性,应用单项预测模型已不能满足当前交通流预测的要求,借此提出了以时间序列法、非参数回归法和RBF神经网络预测法为基础的定权系数和变权系数组合模型进行短时交通流预测,实例应用表明组合预测模型较单项预测方法预测精度有显著的提高。     

浅析马尔柯夫模型在市场占有率预测中的应用

文章结合实例分析了马尔柯夫模型在市场占有率中的应用.作者首先对马尔柯夫模型的基本理论进行详细的介绍,重点分析了该方法计算过程中的三个主要步骤.在此基础上,作者基于马尔柯夫模型,对三个销售复合肥的农资超市的市场占有率进行了预测.