基于组合模型的我国税收收入预测分析

本文在ARIMA和GM(1,1)模型基础上,利用我国经济发展数据建立一个组合预测模型,并把它应用于我国税收收入的预测.所得结果误差优于两个模型的分别预测,表明组合预测模型在税收收入数据的预测中更有优势.最后据此组合预测模型对2009年中国税收收入进行了预测分析.     

基于二次插值组合灰色预测模型的房价预测

房价问题涉及多方群体的利益,因此对房价预测具有一定的现实意义和理论研究价值。预测模型的核心问题是预测精确度,本文分别从利用二次lagrange插值法得到新的背景值,通过残差预测调整误差,进行多次等维递推以及组合灰色模型等多个方面对灰色模型进行了改进,使精确度得到了提高。并以保定市为实例,验证了该房价预测模型的高精确度和实用性。     

组合预测法在我国汽车市场需求预测中的应用

组合预测理论是对同一个预测对象采用不同的单项预测模型,并对各个单项模型施以适当权重。因而,利用多个单项预测模型有效组合更多有用的信息资源,使组合预测模型具有较高的预测精度和预测稳定性,能比较合理地描述系统的客观现实。依据中国民用汽车保有量1985-2003年的历史数据及汽车市场需求系统的复杂特性,分别采用灰色系统、多元回归、三次指数平滑方法建立单项预测模型。根据组合预测理论建立中国汽车市场需求组合预测模型;运用组合预测模型对我国汽车市场的未来需求进行了预测。     

基于灰色BP神经网络的企业财务风险预警研究——以H公司为例

企业在整个生产经营过程中不可避免地会面临财务风险，风险的准确预警能够帮助企业提前做好防范措施，降低风险的影响。为了提高企业财务风险预警的准确性，本文提出了一种基于灰色预测与BP神经网络的组合预测模型，能够互补并发挥两者各自的优点。以H公司2014年-2021年的财务报表数据为样本，构建灰色BP神经网络组合模型，并进行实例验证分析。结果表明：相较于单一的灰色模型，组合模型的平均相对误差更小，也即预测准确性更高。     

房地产价格问题的讨论

根据房地产销售价格预测和国家政策影响实际需要，在对相关数据进行收集和用数据挖掘的知识对数据进行分析的基础上，在充分合理假设之下，建立四个模型。首先建立房地产价格预测模型找到当前房地产销售价格制定标准，然后专门针对商品房销售价格建立散点图多元回归模型确定影响商品房销售价格重要因素，判断出房价的走势，最后建立BP神经网络模型对国家政策的影响进一步分析。     

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。     

家电产品市场销售的预测方法研究

以家电产品销售量常用的预测模型——灰度理论GM(1,1)模型为参照蓝本,根据1996—2009年家电产品年销售数据,探讨修正威布尔模型在家电产品市场销售量的预测作用。根据家电产品销售市场的变化规律,以威布尔累计概率为基础,提出修正威布尔预测模型。通过对1996—2009年家电产品年销售数据的拟合,建立家电销产品年销售量的修正威布尔预测模型,与灰度理论的GM(1,1)模型对比,分析两种预测模型的优劣,分析修正威布尔预测模型在家电产品市场销售量预测的适用性和准确性,为家电销产品售量预测提供全新的预测模型。     

基于智能神经网络组合预测的国债利率期限结构建模与实证

作为整个经济活动的基准利率,国债的利率期限结构,全面而深刻地影响着市场上其他利率和资产价格的评估。在分析了传统的指数函数回归、BP神经网络单一预测方法的局限性后,本文建立了将不同单一模型的预测值进行集聚处理的神经网络组合预测模型,并对上海证券交易所20个不同待偿期限的国债品种进行预测和方差检验。实证结果表明,神经网络组合预测模型,能够充分吸收各单一预测模型的优点,扬长避短,削弱单一模型的不稳定性,增强预测的准确性、有效性。     

组合模型对南通港集装箱吞吐量预测研究

港口集装箱吞吐量是增强港口竞争力,提升港口经济效益的一个重要影响因素。准确预测港口集装箱吞吐量,对于港口发展具有重要作用。本文选取了1995年~2010年南通市港口集装箱吞吐量的数据,在灰色预测模型和三次指数平滑模型的基础上进行加权组合,建立组合模型预测2011年~2015年的集装箱吞吐量,通过对比分析,组合模型的预测结果比单一模型的预测结果更接近于实际值。最后,利用组合模型对2016年~2020年南通市港口集装箱吞吐量进行预测,并在预测结果的基础上结合南通港发展现状,对南通港今后的发展建设提出了一些建议,为"十三五"期间南通市港口更好地发挥在对接"一带一路"和长江经济带战略中的作用提供决策参考。     

租金房价比失效了吗——基于四大城市的经验研究

本文基于住房使用成本模型,通过构建租金和房价变动的预测模型,并使用北京、上海、广州和深圳四大城市1993年第二季度至2010年第一季度的时间序列数据,考察了租金房价比对未来租金和房价变动的预测能力。研究发现：（1）北京、上海的租金房价比与未来房价变动呈负向关系,与现值模型预测相反,而深圳的二者关系为正,广州的租金房价比对于未来房价变动不存在统计意义上的预测能力;（2）北京、广州和深圳的租金房价比可以预测未来的租金变动率,二者呈反向关系,上海的相应统计值不显著。本文的经验结论表明,租金房价比作为估值指标在中国城市住房市场上的适用性值得谨慎判断。     

基于GRA-BiLSTM模型对北京市游客流量的预测方法研究

本文旨在探讨北京市游客流量的预测方法,通过分析相关数据和使用GRA-BiLSTM预测模型进行研究。首先,我们收集了包括经济、社会、人口影响指标关联度进行筛选,同时对比其他预测模型,预测结果表明,该模型具有更高的预测精度。使用该模型对未来的游客流量进行了预测,并评估了预测结果的准确性和可靠性,并且可为相关部门提供有效的决策依据。此研究对于优化旅游资源配置、提升游客体验以及改善城市管理具有重要意义。     

最优组合预测在股指预测中的应用

在股票市场中,股票价格指数体现着股票市场的整体走势,因此对股指进行预测具有重要的理论研究和现实意义。采用一次移动平均、一次指数平滑和人工神经网络预测模型。对上证指数数据进行的预测结果表明,线性规划最优组合预测模型预准确度和精度要优于一次移动平均和一次指数平滑预测模型。线性规划最优组合预测模型可运用于股票价格指数的预测之中,提高预测准确度和精度。     

基于PLS的组合预测模型及其应用

本文运用组合预测理论,利用偏最小二乘回归方法建立了基于灰色预测模型GM(1,1)、2阶自回归模型AR(2)和龚伯兹曲线模型的组合预测模型,并对农业贷款需求进行了预测。     

RFID技术发展趋势预测研究

针对射频信号自动识别(RFID)技术发展受多种因素影响,变化趋势复杂,难以通过建立准确的数学模型进行预测的问题,本文提出了灰色动态模型对射频信号自动识别(RFID)技术发展趋势进行预测,在此基础上构造了灰色神经网络组合预测模型。该模型避免了变权组合预测模型的主观与繁琐,能有效地将灰色预测弱化数据序列波动性的优点和神经网络较强的非线性适应能力相融合。算例结果表明该方法的可行性和有效性,预测精度也得到了改善。     

奶类消费需求组合预测——基于指数平滑法和灰色模型

为了合理预测奶类消费需求量,建立了三次指数平滑和灰色模型两种单项预测模型。鉴于单预测模项型的局限性,提出了以预测偏差平方和(方差)最小为最优化准则的组合预测模型。分析比较表明,组合预测模型具有更高的预测精度和更低的预测误差,能避免各单项预测模型的局限。该组合模型对未来短期的奶类消费需求的预测具有一定的参考价值。     

基于组合模型的江苏省居民用电量预测分析

研究利用时间序列基本分析方法ARIMA模型分析法、指数平滑ETS模型和神经网络自回归模型对江苏省居民每月用电量进行数据分析、处理、拟合、检验及预测,以2004年1月至2017年12月用电计量数据作为分析样本,使用R软件对该时间序列进行建模。对给出的数据建立ARIMA模型、ETS模型和NNAR神经网络自回归模型,接着利用MAE、RMSE、MAPE三个评价指标来衡量模型的优良度。尝试通过组合模型对2018年江苏省居民12个月的用电量进行预测,与实际值进行对比验证,发现权重模型的误差最小,选择作为最终预测模型。最后得出结论,组合模型的预测效果要优于非组合模型。     

灰色预测模型在江苏省GDP预测中的运用分析

从理论和实际应用上探讨灰色系统建模的原理,分析GM(1,1)模型的运用与检验过程。灰色预测模型既是灰色系统理论的重要内容之一,也是预测理论与应用中被广泛使用的一种预测方法,因此,对灰色预测模型的研究具有重要的意义。首先建立一个1978-2009年的江苏省GDP的时间序列数据,然后运用GM(1,1)模型进行预测,检验结果显示GM(1,1)模型能够提供精确的预测。     

基于灰色预测的误差调整模型在保定市房价预测中的应用

除了各期房价历史数据,各对应期市场上其他因素(如地价、人均收入、居住指数、人口等)的变化,对房价的高低也有一定的影响。本文将灰色与多元预测模型相结合,从纵横两个方向对房价进行预测。即利用灰色模型进行基本预测的基础上,再对误差值利用多元模型进行调整,使预测结果精确度更高。     

基于灰色预测和回归模型的北京城区房价预测研究

房价的涨跌直接影响民众的生活质量。根据房价的历史数据对未来房价走势进行预测分析,对政府制定住房政策,指导房地产行业发展以及对公民选择合适的时机购买住房都具有重要的意义。首先研究了北京各个城区平均房价的纵向时变特性,建立了回归模型,利用线性函数和三角函数,刻画房价增长趋势和周期性波动趋势,得到了很好的拟合和预测性能。之后进一步对数据集进行处理、并采用灰色预测GM(1,1)模型进行了预测,得到了更加精准的预测结果。     

基于DEA模型和GM模型的指数预测法

DEA模型和灰色预测模型是两个常见的、预测效果也较精确的模型,本文基于这两个模型构造了加权模型,使得预测结果更加精确,模型的应用范围也更广,并通过对上证指数和深证指数的预测来验证模型的准确性。在实证部分还给出了新陈代谢加权模型,从实际数据的验证结果可以看出这一改进同样使得预测结果更加精确。