基于SARIMA-SVR组合模型的 空气质量指数预测

空气质量指数(AQI)在波动中既具有整体的时间序列线性特征和明显的季节性波动周期,又具有多种因素影响的不确定性,为了提高AQI的预测精度,基于Ri386 3.3.3和Matlab R2014a两种编程软件,提出了一种同时具有线性和非线性的复合特征的时间序列预测模型——SARIMA-SVR组合模型。以太原市2014年1月—2019年7月的AQI月均值数据为基础,利用SARIMA时间序列模型进行线性预测,利用SVR模型对残差进行非线性预测,加和得到组合预测模型的预测结果,分析比较SARIMA,SVR和SARIMA-SVR这3种模型的预测结果和平均绝对百分比误差。结果表明,组合预测模型发挥了2种模型各自的优势,相较于单一预测模型的预测结果而言,其预测精度更高,稳定性更好。通过此模型得到的空气质量预测结果不仅可为人们的日常生活提供指导,而且可为大气污染的防治工作提供科学依据和借鉴意义。     

灰色神经网络模型应用于证券短期预测研究

证券市场中存在大量的非线性及混沌现象使得许多基于证券投资理论建议的各种线性模型在对其发展进行预测时往往得不到很好的结果。利用两种非线性预测模型并充分考虑各技术指标之间的序列相关性,在灰色GM(1,1)预测模型的基础上提出了组合灰色神经网络预测模型。通过对近期深证成指及首钢股份进行短期预测和检验,结果表明了该方法具有很高的精确度及广泛的应用前景。     

民用汽车保有量的灰色预测模型研究

一、灰色数列预测模型建立 灰色预测指以GM(1,1)模型为基础所进行的预测。灰色模型有五种:(1)数列预测;(2)灾变与异常值预测;(3)季节灾变与季节异常值预测;(4)拓扑预测;(5)系统预测。本文对汽车保有量的预测采用灰色数列预测。 本文对传统的GM(1,1)模型的建立过程进行了改造,用线性回归来建立GM(1,1)模型,用显著性检验方法代替关联度和后验着进行精度检验和参数识别。     

目标企业产品销量的预测模型与分析

本文主要应用时间序列模型中的ARIMA模型、疏系数ARIMA模型和自回归、残差自回归几种模型,对目标空调企业1996—2007年的全国空调总销售量月度变化进行建模。通过比较和分析各模型的数据拟合情况和所得的特征统计量,评价各模型的优劣,得到拟合该空调企业销量变化的最优模型,并利用所得模型计算出该企业空调未来十个月总销量的预测值,供该企业生产、营销部门参考。     

基于ARIMA-GRACH模型的现货电价预测

通过建立ARIMA预测模型对现货电价进行预测,并对ARIMA模型存在的异方差问题通过GARCH模型进行修正。实证算例中,采用北欧四国电力市场数据,与ARIMA和灰色GM（1,1）模型进行比较,表明ARIMA—GARCH模型的预测精度更高,预测误差更小。     

基于Markov-GNNM的煤炭需求量预测模型研究

煤炭资源在我国能源消费总量中仍然占据主导地位,准确预测煤炭的需求量对我国经济发展和产业结构升级有着重大意义,针对传统煤炭需求量预测单一预测方法的缺陷,建立了组合灰色神经网络模型,为进一步提高模型精度,选用马尔科夫模型缩小预测残差范围来修正组合模型,进而建立了Markov—GNNM组合模型,旨在为准确预测煤炭需求量提供模型依据。选取2000—2018年我国煤炭需求量数据进行实证分析,预测结果表明该模型预测精度高,适用于煤炭需求量预测。     

基于灰色马尔可夫链的铁路煤炭运量预测研究

铁路煤炭运量预测是制定铁路煤炭通道发展规划的重要依据.铁路运输是一个复杂的社会经济系统,受到社会、经济、自然等多种因素的综合影响,具有较大的随机性、模糊性和灰色特征,给预测工作增加了一定难度.本文拟用灰色残差GM(1,1)模型预测铁路煤炭运量的发展趋势,再用马尔可夫链对预测结果进行优化,以体现经济运量的"波动性"要求,提高预测的精度和评价的可信度.     

基于灰色线性回归组合模型的物流需求预测研究

灰色线性回归组合模型是在GM(1,1)模型和线性回归模型基础上建立的一种隐型灰色组合模型,考虑到该模型在泛化能力方面存在不稳定现象,本文借鉴灰色线性回归组合模型的建模思想,提出了一种相应的改进算法,并通过实例对其进行了验证.最后,本文以改进模型对福建省未来几年的物流需求进行了预测.     

基于ARIMA-RF组合模型的国内动力煤价格预测

选取秦皇岛港口动力煤价格作为研究对象,搜集10年间煤价数据并分析其影响因素,确定煤炭产量、港口库存、运输成本、火力发电量及社会用电量为主要影响因素;分别建立ARIMA(2,1,2)模型和RF(随机森林)模型并优化,通过加权平均法得到ARIMA和RF模型权重,建立ARIMA-RF组合模型。该模型较深度神经网络模型(DNN)、支持向量回归模型(SVR)、ARIMA模型、RF模型预测的煤价准确度更高,可准确预测动力煤价格走势,为调控能源消费强度、深化能源体制机制改革政策制定提供参考。     

简明高效的灰色时序新模型

<正> 本文提出一种新的时秩模型一具有时变参数和预估序列的一阶差分模型 TPEM,并给出了适于计算机求解的递推算法。建模的基础是灰色系统理论中的“模块”概念,所用方法是具有时变参数动态系统的参数辩识。同一般的时序建模法相比较,本方法所建立的模型具有结构简单、计算量小的特点,而且适用于任意(相关或无关)时间序列;同文献[1]第二章所述模型相比,本模型具有较高的预测精度,若辅之以残差辩