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。     

电力企业税务风险管理的探讨

随着我国电力企业改革的不断深化和市场经济体制的不断完善,我国电力市场的竞争日益激烈,电力企业面临的经营环境日趋复杂,经营风险也随之增加。电力企业税务风险主要包括:外部环境变动风险、税务政策选择风险、企业内部管理风险。加强电力企业税务风险控制,应树立正确的税务风险意识,完善人力资源考核评价机制,提高电力企业税务人员素质,完善电力企业内部控制制度,积极开展纳税筹划,提高电力企业的税务管理效率。     

发展农村非农产业 促进农业劳动力转移——城市化进程中的农业劳动力转移思考

城市化是人类生产与生活方式由农村型向城市型转化的运动过程，在此过程中，农民的再就业问题显得十分关键。由于城市失业下岗工人不断增加和城市失业率不断上升，则发展农村非农产业无疑成为促进农民的再就业的一个重要方面。     

基于改进BP神经网络的股票预测

股票价格走势已经成为人们关注的焦点,为了更精确的预测股票价格,得到更合理的股票投资意见.本文将附加动量法与BP神经网络结合,应用附加动量法去寻找BP神经网络的初始权值和阈值,并且应用主成分分析提取贡献率达到90%的主成分作为输入变量对股票进行预测,从而进行分析比较.实验结果表明,PCA-AM-BP模型在降低预测平均误差的同时,运行时间大大减少,加快了算法收敛速率.     

浅析机械制造业的成本核算

成本核算是企业发展过程中的重要影响因素,也是生产经营中关键性环节,科学合理的成本核算可以为企业管理者提供准确的数据及信息,帮助管理者及时掌握相关情况制定最佳发展决策,也有助于企业业绩及发展目标的管理控制。本文首先阐述机械制造企业在成本核算过程中存在的一系列问题,然后结合目前实际情况提出若干种正确开展成本核算工作的有效措施,希望能够给予相关企业或工作者一些借鉴,或者帮助提升我国机械制造企业成本核算水平及质量。     

基于MATLAB的BP网络在金融危机下的股市预测中的应用

设计一个含一个隐含层的BP网络模型,并建立相应的数学模型,以MATLAB为工具,个股中信银行2008年以来360天的股市数据为样本,预测5天的股市开盘、收盘、最高、最低价,并与自适应网络预测方法相比较。结果表明该网络模型算法对在金融危机下的股市预测精度很高。     

基于CEEMD的小波软阈值和粗糙度惩罚平滑技术的联合信号去噪方法

为了有效去除采集信号中的噪声,基于MEMS水听器在采集信号时混入不同噪声的情况下,提出了一种基于CEEMD的小波软阈值和粗糙度惩罚平滑技术的联合信号去噪方法。CEEMD用于将一个含噪信号分解为几个固有模态(IMFS),然后把几个固有模态和原始信号作一个线性相关分析,分为相关性高的模态和相关性低的模态。将软阈值技术应用于相关性低的固有模态,并将粗糙度惩罚平滑技术应用于相关性高的固有模态,以提取尽可能多的信息,然后把处理后的新的固有模态重构形成去噪信号。分别在仿真和真实数据的基础上进行了实验,验证了方法的有效性。结果表明,联合信号去噪方法无论在去噪效果和性能指标上都优于基于CEEMD的小波软阈值的去噪方法和CEEMD的去噪方法,克服了经验模态方法和小波软阈值去噪的不足,为进一步分析与处理信号提供参考。     

浅谈我市契税征管中存在的问题及建议

近年来,我市和全国一样,随着国家住房制度改革的不断深入以及城市化建设进程的加快,房地产交易市场活跃、规模逐步扩大,带动了契税收入的快速增长,使契税逐渐成为地方税收收入中新的增长点,征收潜力较大。加强契税征收管理,     

太原市COVID-19防控前后空气质量分析及预测

为了探索特殊情况下太原市空气质量预测和评价方法,采用基于灰色关联度法的模糊综合评价方法对太原市疫情防控前后的空气质量进行评价,对相关联的污染物浓度变化进行分析,并以太原市AQI监测数据为基础,结合长短期记忆循环神经网络（LSTM）以及随机梯度下降算法（Adam）建立了太原市空气质量预测模型（即Adam-LSTM模型）,并与LSTM模型的预测结果进行了比较。结果显示,在启动一级应急响应加强防控后,太原市的整体空气质量得到改善,个别污染物由于气象及春节等因素未降低,LSTM模型和Adam-LSTM模型预测结果的均方根误差和训练速度分别为0.203 s和12.15 s,0.183 s和10.35 s。提出的Adam优化算法能够有效提高LSTM神经网络的训练精度和收敛速度,同时具有较小的预测误差,可为环保部门制定提升空气质量相关决策提供数据支持和方法借鉴。