基于组合预测理论的上市公司财务危机预警研究

针对组合预测比单项预测具有更高的预测精度，本文采用基于BP神经网络的非线性组合的预测新方法，构建了财务危机预警模型，并进行了实证研究。通过与Fisher判别分析模型和Logistic回归模型的预测结果对比表明，组合预测方法有效提高了预测精度，具有很好的适用性和优越性。     

自组织组合预测方法及其应用

本文基于自组织数据挖掘的理论与方法，提出了自组织组合预测法，与一些常见的组合预测方法比较，该方法不仅改善了对数据样本的拟合精度，而且显著提高了模型的预测能力。实证分析证实了这一结论。     

如何提高预测精度：作为一种过程的研究

预测未来很复杂，预测精度无疑是关键性的评价因素。为此，本文以提高精度为主线，试图通过对预测全过程的扫描，发现一些可能会带来预测理论突破的环节。本文从数据问题、时间影响、序列类型、方法选择、检验和校正等环节系统地分析了提高预测精度的一些方法或提出一些思路，其中有的是经验性的，有的则具有理论上的价值。     

多轴多工位数控机床加工精度误差预测方法研究

预测加工精度误差可以提前发现误差并采取相应的措施，减少废品和次品的产生，从而提高产品质量。基于此，本文以德国的“DMG”(DMG-100P)数控机床作为案例，研究了多轴多工位数控机床加工精度误差预测方法，采用模型对机床加工过程中的误差进行了预测，并进行了实验验证。研究方法包括数据采集、神经网络模型构建与预测、实验验证等。研究结果表明，所建立的模型能够较为准确地预测多轴多工位数控机床的加工精度误差，为提高机床加工精度和效率提供了有价值的参考。     

基于Matlab软件的用户预测方法及流程

移动用户预测的准确性是前期网络规划和后续工程建设的主要依据，直接关系到工程建设的规模和投资，以及工程建成投产后的经济效益。本文根据多年的规划工作经验积累，浅谈一下网络规划中的通信用户预测方法及流程，并提出了一种基于MATLAB软件的用户交互式预测界面，用以简化预测流程，提高预测精度。     

利用Crystal Ball进行模拟财务预测——以武商集团为例（Ⅰ）

本文以武商集团为例，介绍利用Crystal Ball进行模拟财务预测的方法，旨在降低财务预测风险，提高预测可靠度。     

我国公路交通量预测失准原因分析

交通量预测是提出规划设计方案的基础，同时也为公路建设项目的决策提供依据。针对当前公路交通量预测严重不准的问题，从标准、方法、影响因素、立项要求等方面分析了其原因，并由此提出了提高公路交通量预测准确性的六项具体措施。     

GM(1,1)模型在物流广义成本预算中的应用

本文分析了物流广义成本管理的内容和目标，并运用灰色理论GM(1，1)模型及关联度分析法，提出了在物流管理工作中成本预测的应用方法及提高预测精度的措施。     

财政收支预测方法和模型研究

目前，财政收支趋势的预测已经成为财政预算执行分析工作的重要内容。为了提高分析预测的可靠性、科学性，在预算执行分析工作中，应该立足于宏观经济趋势和历年经验分析基础上，尝试采用科学模型方法来对财政收支趋势进行预测，通过定量分析，来印证预测的准确性，提高预算执行分析水平，为领导决策提供更好服务。     

我国公路交通量预测方法及预测失准的原因分析

交通量预测是提出规划设计方案的基础，同时也为公路建设项目的决策提供依据。针对当前公路交通量预测严重不准的问题，从标准、方法、影响因素、立项要求等方面分析了其原因，并由此提出了提高公路交通量预测准确性的六项具体措施。     

模糊评价法在企业统计分析中的应用

本文主要介绍了模糊评价法的计算方法，并通过实例来具体说明模糊评价法的运用，目的就是使企业能找准影响本企业统计分析预测精度的关键因素，从而有针对性地采取有效措施，最大程度地提高预测精度，使企业统计分析真正对企业的决策做出科学、客观的预测。     

我国公路交通量预测方法及预测失准的原因分析

交通量预测是提出规划设计方案的基础，同时也为公路建设项目的决策提供依据。针对当前公路交通量预测严重不准的问题，从标准、方法、影响因素、立项要求等方面分析了其原因，并由此提出了提高公路交通量预测准确性的六项具体措施。     

货运走势如何预测？

面对不确定的经济前景，大多数经济预测机构很难准确预测未来航空业走势，然而，全球领先的航空和咨询集团Seabury却认为，即使在这样的经济环境下，提高航空货运预测的准确度也并非不可能，通过一定预测方法就可以实现这一目标。     

基于XGBoost的上市公司财务舞弊预测模型研究

研究目标:探讨如何利用大数据和机器学习方法对上市公司财务数据和非财务数据进行分析和挖掘，并应用于上市公司财务舞弊识别和预测。研究方法:提出一种基于机器学习方法的上市公司财务舞弊预测模型Xscore,对上市公司财务舞弊进行预测。研究发现:Xscore模型能够提高模型预测的准确率，在准确率、召回率、AUC指标、KS值、PSI稳定性等方面均优于Fscore模型和Cscore模型，更适合我国上市公司财务舞弊预测。研究创新:基于2000～2020年中国上市公司数据集为观测样本，通过Benford定律、LOF局部异常法、IF无监督学习法，解决了机器学习应用于财务舞弊识别研究时普遍面临的灰色样本问题，甄选兼具领域特性和统计特征的特征变量；首次将XGBoost集成学习方法应用到上市公司财务舞弊预测分析中，有效提高了上市公司财务舞弊准确率。研究价值:本文将XGBoost集成学习方法引入上市公司财务舞弊识别领域，有助于促进人工智能、机器学习在会计学中的研究与应用，为促进上市公司披露高质量的财务信息和维护资本市场秩序提供参考。     

城市电力负荷预测方法研究

本文归纳形成了城市电网电力负荷预测工作的基本步骤及流程,对电力负荷预测方法进行了详细研究。针对空间负荷预测中的负荷分布计算,建立了负荷小区密度法为主、专家预测法校核与修正的负荷预测模式,提高了预测的准确性。本文采用天津某地区实际的配电网规划项目作为算例,利用负荷小区密度法进行了该地区的负荷预测。预测结果表明,该方法能反映预测期的实际情况和用电水平,有效提高了预测精度。     

预测值校正和预测精度提高的探讨

预测就是根据事物的运动规律推断它的未来。在预测问题中存在很多种预测方法,在分析过程中采用的预测方法不同得到的预测精度就不同,组合预测是提高预测准确度的有效途径。本文利用对各种预测方法的结果的比较说明了组合预测对预测准确度提高的作用。     

基于BP神经网络的铁路货运量组合预测

在介绍了BP神经网络及组合预测的基础上分别采用灰色预测法、S曲线以及指数函数对昆明市铁路货运量的历史数据进行了单项拟合预测,再利用BP神经网络对三项拟合预测结果进行了组合预测.结果表明,基于BP神经网络的组合预测方法比单一预测方法在预测精度上有很大提高,验证了该方法的有效性.     

主成分分析法在神经网络经济预测中的应用

经济预测问题是典型的多指标小样本复杂系统的预测问题。神经网络非常适用于复杂非线性系统的处理，但神经网络的规模是影响它的泛化能力的一个主要因素。特别在样本集少，指标多的情况下，要保证神经网络的泛化能力，如何降低神经网络的规模就成为亟待解决的关键问题。本文提出了用主成分分析法从根本上降低神经网络的规模，提高神经网络的泛化能力的方法。并对我国失业问题进行了预测，取得了良好的预测结果。     

经济预测方法系统研究

本文基于系统方法论思想，借助组合预测研究的方法，对单一经济预测方法作了系统评价，探讨了经济预测中的组合预测系统。     

组合预测方法研究综述

相较于传统预测方法,组合预测在预测精度以及信息的利用上得到了很大的提高。文章将组合预测分为了线性与非线性两类,总结了5种主要的组合预测模型以及各种组合系数的计算方法,分析了组合预测未来的发展趋势。