基于时间序列的物流产业增值预测模型分析

根据1978-2009年的统计数据,首先将我国物流产业增值与我国GDP进行回归分析,然后将我国物流产业增值进行时间序列的四种方法的建模。通过以上五种模型的建立,以2010-2012年的统计数据作为检验数据验证预测效果,依据真实值与预测值的误差百分比进行最优模型的选取,最终选择ARMA（p,q）模型为最优模型,并用该模型对我国2013-2015年的物流产业增值进行定量预测。最终将预测结果结合定性分析进行修正,使预测值更具有现实意义。     

基于支持向量回归的股市波动性预测

详细介绍利用支持向量回归方法进行金融时间序列预测的建模原理。将其应用到深圳股票市场的数据,进行预测。最后运用6种误差统计量对预测结果与基于BP算法、基于ARCH（1,1）模型、基于GARCH（1,1）模型的4种预测结果进行比较,并得出结论：基于支持向量回归的预测方法最优。     

多因素线性回归分析在投资基金评估中的应用

本文以套利定价理论为原始模型,通过运用多因素线性回归分析的方法,利用往期一年的市场收益率来预测投资基金的收益率,结合市场法与收益法对投资基金的评估方法做理论研究。并结合相关案例数据对该方法的应用进行相关探讨和评价。     

基于KNN和Logistic回归方法的财务预警模型比较

基于我国上市公司的财务报表数据,本文使用"行业优先"的样本选择方法,采用K近邻方法和Loglstic回归方法进行财务危机的预警建模研究.实证结果显示两种方法均具有很好的预测效果,但Loglstic回归更适合于对短期内的预测,而K近邻方法对于基于事前信息建模的长期预测有很高的精确度.本文的研究为将来更加详尽全面的研究上市公司的财务危机预警模型提供了参考.     

基于Stacking集成学习的Lasso-GBDT组合房价预测模型研究

房地产行业是我国国民经济的重要组成部分，关乎国计民生。房价预测的准确性与稳定性，对政府、开发商和广大市民均具有重要的现实意义。本文利用网络爬虫方法获取银川市2015年4月至2021年3月安居客房产信息服务平台样本住宅价格数据，分别利用Lasso模型和梯度提升决策树（GBDT）模型对银川市房价进行预测；综合两种预测方法的优点，建构基于Stacking集成学习的Lasso-GBDT组合回归预测模型。通过实例预测结果比较，组合预测模型预测精度均在0.98以上，能有效避免病态数据对拟合程度的影响，较单项预测模型有更高的准确性和稳定性。     

基于k最近邻回归的频谱占用度预测

认知无线电技术可以在授权用户和非授权用户间进行频谱分配,预测模型的建立可帮助非授权用户推断频谱空洞是否可用,不仅能提升频谱利用率而且还能降低冲突率。采用理论分析、监测实验、数学建模、数据实证等方法,对频谱占用度建模理论进行了研究。针对频谱的可预测性问题,通过对数据集的分析,使用k最近邻(kNN)回归模型预测频谱的信道-场强值。基于观测数据呈现出的周期性,提出了一种针对周期性数据进行优化的kNN模型,并用其进行预测。比较了原始kNN回归模型和优化后的周期性kNN模型在测试数据上的预测精度,结果表明优化后的模型比原始的kNN模型有着更好的预测精度。     

基于大数据的景区客流量预测系统设计

通过采集和挖掘互联网大数据,以舟山普陀山景区为例,研究网络关键词搜索量、网上酒店预订率、网络气象预报等大数据与景区旅游客流量的数据相关性。采用Lasso回归算法构建预测模型,并提出基于大数据的景区客流量预测系统设计。     

我国农村居民消费水平预测的实证研究

本文介绍了自回归移动平均模型即ARIMA(p,d,q)模型的基本原理、构建及其应用方法。文章广泛搜集从1952年到2011年以来我国农村居民消费水平的相关数据,运用统计学和计量经济学原理,从时间序列的定义出发,结合统计软件E-views运用ARMA建模方法,将ARIMA模型应用于我国农村居民消费水平的分析与预测,得到较为满意的结果。     

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。     

分析、预测的方法在某产品市场收入预算中的应用比较

本文主要介绍了回归分析法、平滑预测法的数学原理以及在某产品市场收入预算中的应用,并且利用实际数据在SPSS软件中进行建模,验证了这二种方法在拟合、预测方面的准确性和适用性。     

消费性支出的预测及量化分析

消费性支出的预测无疑对宏观调控、微观经济发展都将具有重大的指导意义。现在利用灰色模型和线性回归模型,以西安市为例。对西安市居民消费性支出情况进行建模预测、量化分析。实际结果证明预测是成功的。为探索、启动新一轮消费提供决策依据,以便形成消费对经济增长的强力拉动。     

重庆市人口预测与发展趋势分析

人口与经济、社会的发展具有密切的关系,科学的预测未来人口的发展趋势,有利于制定合理的人口政策,促进人口、经济、社会的协调可持续发展。基于重庆市1999-2018年的总人口数据,采用线性回归模型、马尔萨斯模型、灰色系统模型GM(1,1)对重庆市2019-2036年的人口规模发展趋势进行预测及分析,研究结果表明:线性回归模型预测的人口规模最小,马尔萨斯模型预测的人口规模居中,灰色系统模型GM(1,1)预测的人口规模最大,取三种模型预测结果的平均值作为最终的预测结果,并结合其经济、社会发展的状况,提出合理的人口发展战略,力图实现人口、经济、社会的协调可持续发展。     

基于支持向量回归的人才需求结构预测

支持向量回归是基于小样本统计理论的一种非线性建模技术,而成分数据则是社会经济领域经常遇到的一种数据类型。本文针对成分数据预测的特点,提出了一种基于支持向量回归的成分数据预测方法。该模型被用于广东省江门市“十一五”人才规划项目,取得了较好的应用效果。     

一种基于Lasso回归与SVD融合的深度学习模型压缩方法

针对深度学习模型所需的海量参数及强大的计算资源而导致其不能很便捷地应用于嵌入式设备或移动端的问题，在Lasso（Least Absolute Shrinkage and Selection Operator）回归通道挑选法的基础上，提出了Lasso+奇异值分解（Singular Value Decomposition，SVD）的融合压缩法。使用VGG-16为初始模型，分别在不同的小型数据集上进行迁移学习，使用迁移学习后的模型在不同的加速率下进行测试。实验结果表明，相对于传统的模型压缩算法，Lasso+SVD的融合压缩法实现了在加速和参数压缩两方面的优势，进而以目标检测为应用方向，在保证准确率的同时不仅降低了模型存储需求，而且也较大提升了模型的实时性。     

直线回归技术在相关预测和因素分析应用中的几个问题

直线回归技术是相关预测和相关因素分析最常用的一种方法。回归分析法是借助回归分析这一数理统计工具进行定量预测的方法。回归分析是建立在大量实际数据的基础上的,寻求其随机现象统计规律并建立经验公式的一种工具,而回归预测法正是利用预测对象和影响因素之间的因果关系,通过建立回归方程式进行预测的一种方法。     

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。     

中国外汇储备规模预测

基于改革开放后中国外汇储备规模变化的不同阶段划分及相关数据。本文研究表明自2000年以采高额储备规模主要来源于出口贸易、外商直接投资和国家外债，国家政策取向、金融行业改革等因素引发了对外汇储备的高需求。基于上述分析，结合近十年宏观经济数据。利用偏相关分析剔除通货膨胀率影响，从诸多经济变量中遴选出了出口总值、外商直接投资、M2、人均GDP、外债余额和平均进口倾向等六个与外汇储备规模变化最密切的变量进行多元回归分析．以外汇储备为因变量．分别建立了幂函数回归和多项式回归两种多元回归模型．拟合优度、F检验和t检验表明二者都能较好的预测外汇储备规模．尤其以多项式回归模型预测效果为佳。     

伊犁州质量检测市场规模2020年预测分析

本论文大量搜集伊犁州经济类数据以及质检产值相关数据，主要包括从2002年至2011年伊犁哈萨克自治的国民生产总值；通过对相关数据的统计、灰色模型预测、情景分析以及在DPS软件的平台中进行分析和预测，来为伊犁州检测机构的发展提供科学的决策依据。     

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。     

基于MATLAB的商品销售额预测模型

文章运用MATLAB软件中的一些时间序列建模方法及回归分析方法对某商品的季度销售额作了预测分析,得到了较高的预测精度,在实际应用中预测值的准确对于指导商家的战略决策起着重要作用。