黑龙江省R&D投入强度灰预测

本文以1999年～2005年黑龙江省R&D投入强度作为原始数据,采用灰预测理论建立数列灰预测GM(1,1)模型,对黑龙江省2006年和2007年的R&D投入强度进行预测并得出了预测结果,黑龙江省2006年的R&D投入强度为0.9963,2007年为1.1121,经检验模型预测精度高达95.38%,拟合度很好。     

灰色预测模型的研究及其应用——基于上海市货运总量的分析

本文主要对灰色理论以及灰色预测方法和具体建立模型进行具体描述。实证分析选取1996～2011年上海市货运总量的统计数据,运用灰色预测方法中的GM（1,1）模型,建立上海市货运总量发展趋势的预测模型,以相对误差为评判标准,对灰色预测模型的有效性进行讨论。     

黑龙江省R&D投入强度灰预测

本文以1999年～2005年黑龙江省R&D投入强度作为原始数据,采用灰预测理论建立数列灰预测GM(1,1)模型,对黑龙江省2006年和2007年的R&D投入强度进行预测并得出了预测结果,黑龙江省2006年的R&D投入强度为0.9963,2007年为1.1121,经检验模型预测精度高达95.38%,拟合度很好。     

基于灰色波形理论的铀资源价格预测方法

根据铀资源U3O8现货价格时间序列数据波动幅度不规则的特征,采用非等间隔的灰色波形预测模型,以UxC咨询公司2010年1月～2014年12月U3O8现货价格的月度数据为原始数据,对其2015年1月～2016年2月的U3O8现货价格进行灰色波形预测.最后,将该模型预测结果与在价格预测中应用较广泛的基本GM(1,1)模型和ARIMA模型预测结果进行对比,分析结果表明,相比于其他两种模型,灰色波形预测模型预测值与U3O8现货价格真实值具有更好的拟合度,且精确度更高,可用于实际应用.     

灰色关联分析与RBF神经网络在我国棉花价格预测中的应用研究

运用灰色关联分析法对影响棉花价格波动的诸多因素进行分析,筛选出了4个主要的影响因素:国际市场因素、替代品因素、居民消费价格指数和棉花进口量.并以此优化RBF神经网络模型的输入节点,验证了模型对棉花价格预测的精确性.采用2010年1月～2016年4月的月度数据作为网络训练集,将4个主要影响因素作为输入向量,经训练后网络拟合效果较好;以2016年5月～2017年4月共12期数据作为网络测试集,结果表明:模型预测误差为3.11％,预测精度较为理想,泛化能力强,模型能够较好地把握棉花价格变化的本质规律,为准确预测棉花市场价格提供参考.     

城镇居民消费支出与收入的预测模型——基于十堰市的实证分析

本文根据2000年～2006年十堰市城镇居民消费性支出与可支配收入基本数据,应用灰色预测模型对未来几年十堰市居民可支配收入进行了预测,应用线性回归模型对居民消费支出与可支配收入之间的数量关系的基本规律进行研究,并对其消费走势进行了预测分析,为制定新一轮的经济政策提供了决策依据。     

应用Logistic模型和Compertz模型预测和分析变频空调的销售

本文采用1998～2004年我国变频空调的销售数据,应用Logistic模型和Compertz模型对变频空调的销售情况进行定量分析和预测。预测结果表明1998～2015年变频空调的销售量将递增,2015年后销售量将有所下降,进而本文分析了制约变频空调销售的主要影响因素,并对变频空调的销售提出对策和建议。     

应用Logistic模型和Compertz模型预测和分析变频空调的销售

本文采用1 998～2004年我国变频空调的销售数据,应用Logistic模型和Compertz模型对变频空调的销售情况进行定量分析和预测.预测结果表明1998～2015年变频空调的销售量将递增,2015年后销售量将有所下降,进而本文分析了制约变频空调销售的主要影响因素,并对变频空调的销售提出对策和建议.     

基于ARIMA模型对我国就业状况的预测

本文采用求和自回归移动平均模型（ARIMA）,对我国1952年～2006年的就业人数的数据进行时间序列分析,结果显示ARIMA（2,1,1）模型提供了较准确的预测结果,可用于未来的预测,就此可为我国社会保障部门提供一些参考数据。     

基于ARIMA模型对我国就业状况的预测

本文采用求和自回归移动平均模型(ARIMA),对我国1952年～2006年的就业人数的数据进行时间序列分析,结果显示ARIMA(2,1,1)模型提供了较准确的预测结果,可用于未来的预测,就此可为我国社会保障部门提供一些参考数据。     

ARIMA模型在专业人才需求预测中的应用

本文从专业人才需求的角度出发,以温州市医学类人才需求预测为例,建立专业人才需求预测中ARIMA模型.结果表明,2001～2007年,各类卫生技术人员需求量预测值与实际值之间的绝对误差范围在1.6%～6.4之间,医生需求量预测值与实际值之间的绝对误差范围在0.4%～6.9之间,可满足人才预测的要求.本文利用此模型预测了2008～2012年温州市医学专业人才需求趋势,为高校就业指导提供参考.     

江苏省GDP的ARIMA模型的研究和应用

综合运用了时间序列预测方法,建立了1976年～2006年江苏省GDP的时间序列ARIMA模型(单整自回归移动平均模型)。并对OLS方法估计的模型进行统计检验,并对通过检验的回归结果进行了分析,与实际情况非常相符。     

固定资产投资适度规模控制及预测的实证研究——以西安市为例

通过建立基于现代控制理论与计量经济学的固定资产投资总量的宏观经济控制模型,对西安市1996年～2006年固定资产投资实际投资额与投资规模的最优值进行比较分析,并预测西安市2007年～2012年固定资产投资适度规模的最优值区间,旨在为城市管理者提供决策依据。     

基于ARIMA模型的国际粮食短期价格分析预测——以大豆为例

随着经济社会的快速发展,我国粮食生产、消费和进口量已成为全球第一.国际粮食价格频繁且复杂的波动势必对人们日常生产、生活造成重大影响.鉴于我国粮食中大豆严重依赖进口,为了防范来自国际大豆价格波动对我国的冲击,以2000年1月～2015年12月国际大豆价格为例,通过建立ARIMA模型对未来短期内国际大豆价格走势进行预测,认为短期内国际大豆价格将趋于平稳.根据模型的误差精度值可以看出模型收到了很好的预测效果,对大豆价格的预测及其他粮食价格的分析具有一定参考价值.     

卷烟单规格月度销量的时间序列预测方法研究

基于回归模型、指数平滑模型、时间序列分解模型、季节ARIMA模型和X13-A-S方法对某省玉溪(软)卷烟2015年1月到2020年12月共72个月的月度销量进行预测，并对预测结果进行检验。在销量最高的1月，预测结果的差异最大，在销量最低的12月，预测结果的差异最小。2020年1月至10月的实际销量为49780.78箱，预测最为接近的是季节ARIMA模型，其次是X13-A-S方法，预测差距最大的是时间序列分解法。在平均相对误差上，X13-A-S方法的平均相对误差最小，为8.57%,季节ARIMA模型次之，为10.43%。回归分析方法的标准误差最小。在销量均值的预测上，季节ARIMA模型和X13-A-S方法预测的绝对误差和相对误差较低，可以作为卷烟月度销量的通用方法。     

基于GM(1,1)模型的重庆市五大功能区人口老龄化预测

本文通过建立灰色GM(1,1)模型,借助Matlab软件编程计算和检验,对重庆市五大功能区2015年~2020年60岁及以上老年人口进行预测。预测结果表明:2015年~2020年间重庆市五大功能区60岁及以上老年人口数不断增长,2020年将逼近900万人,说明重庆未来养老形势异常严峻。模型精度检验表明模型精度为一级,模型预测结果可靠性高、可信度强,模型适合人口中长期预测。     

基于SARIMA模型的大连黄瓜月度零售价格预测

根据农产品价格变动非线性、非平稳的特点,选择SARIMA模型,以2005年1月至2010年12月大连黄瓜月度零售价格为样本,对2011年大连黄瓜短期价格变动进行预测。预测结果表明,SARIMA模型预测精度较高,平均绝对百分比误差(MAPE)为6.94%;且精度较为稳定,相对误差的标准差为4.59%。     

多元线性回归对养老保险基金的预测分析研究

线性回归分析预测具有模型简单、预测结果准确、模型解释能力强等特点,本文以全国养老保险基金年度支出额为例,运用多元线性回归的方法对影响养老金支出的因素进行分析研究,并对我国2010-2019年的养老金支出进行预测。     

我国财政收入增长速度的近期预测与分析

预测财政收入增长速度对财政政策的制定具有重要参考价值。财政收入增长是一个不确定的非线性随机过程,宜采用神经网络预测,但必须正确选择网络输入节点数,为此提出了采用AR模型阶次作为神经网络输入节点数的新方法,对我国2006年～2008年财政收入增长进行了预测,结合科学发展观对预测结果进行了分析,得到了一些有益的结果。     

河南省国内旅游客源灰色预测模型研究

基于灰色系统理论,以河南省2000年-2007年国内旅游客源统计资料为原始数据,建构了河南省国内旅游客源的GM(1,1)灰色预测动态模型并进行了模型精度检验模型预测结果与历史数据吻合很好,进而利用该模型对河南省2008年-2010年的国内旅游客流量进行了预测分析,为河南国内游客数量的预测和合理规划客源市场提供了科学的依据。