基于支持向量机的工程项目风险预测

本文在介绍支持向量机(SVM)基本原理的基础上探讨了支持向量机在建设工程中应用的可能性和有效性,提出基于支持向量机的项目风险预测算法,为预测工程项目风险提了一种新的方法。本文同时也介绍了Libsvm软件在项目风险预方面的应用。     

遗传模拟支持向量机在居民消费价格指数预测中的应用

为了能够准确地对我国居民消费指数进行预测,本文深入研究了支持向量机在居民消费价格指数中的预测,首先阐述了最小二乘支持向量机的基本理论,接着提出了遗传模拟退火算法,最后进行实例研究,结果表明该方法具有较高的预测精度。     

我国民航安全周期波动转折点预测方法的研究

本文应用基于风险最小化原理的支持向量机，研究了我国民航安全周期波动转折点预测的问题。并与人工神经网络预测方法进行对比研究．发现支持向量机预测正确率为83．3％，BP人工神经网络为75％。结果表明支持向量机能够相对更好地反映我国民航安全周期波动的性态，可以作为探索我国民航安全周期波动转折点预测闻题的新方法，新思路的一种尝试。     

基于最小二乘支持向量机的高强混凝土强度预测

针对在多因素影响下较为准确地进行确定高强混凝土强度的问题,采用常规的试验分析方法存在耗时耗材耗人力过多,提出最小二乘支持向量机模型来预测高强混凝土强度。工程应用研究的结果表明,采用最小二乘支持向量机模型比人工神经网络模型、线性以及非线性回归分析更具有较高的预测精度,该方法能很好地表达高强混凝土强度与各影响因素之间的非线性映射关系,能方便快捷地预测出假定配合比对应的高强混凝土强度值．为实现高强混凝土配合比设计提供了一条新的途径。     

基于GA-SVM模型的福建省城镇登记失业率预测

将支持向量机应用在失业率预测中,采用遗传算法对传统的支持向量机进行改进,并以福建省城镇登记失业率为对象进行仿真和预测,其结果表明,该模型具有较好的学习和泛化能力,为失业率的预测提供了一条新的途径。     

基于支持向量机回归的中国CPI预测研究

本文针对中国CPI指数的预测问题．首先用主成分分析方法对影响CPI指数的八个指标进行降维处理．然后利用支持向量机技术建立起中国CPI指数的预测模型并对我国实际的CPI指数进行了预测。实证分析结果表明,PCA—SVM模型能够有效地对CPI指数进行短期预测。最后．与单纯的支持向量机模型的预测结果做了对比．对比结果表明．支持向量机和主成分分析相结合的模型应用于CPI预测具有较高的精确度。     

房地产投资项目的风险预测与分析

本项目侧重于研究支持向量机在房地产投资项目中的风险预测与分析的应用。支持向量机是基于统计学习理论和结构风险最小原则基础上的新型机器学习技术。通过选取惩罚系数C和核函数,经过模型初步评价的风险能够和最终数据模拟结果相一致,通过对支持向量机的实证研究表明此种算法在风险预测领域具有较好的风险预测能力     

基于支持向量机的网络贷款平台等级评价

采用有监督学习方法建立支持向量机模型,对网络贷款平台的等级评价方法进行了研究。由于学习样本少,为了提高模型的泛化能力,采用K-fold交叉验证方法进行模型学习。采用不同的核函数分别建立6种支持向量机模型,选择经过5轮交叉验证后正确率最高的模型作为最终的输出模型。验证结果表明,虽然学习样本数量不多,所建立的支持向量机模型在验证集中预测准确度达80%。     

农村信用社对农村城镇化的金融支持分析

在农村城镇化建设中离不开金融支持。农村信用社地位特殊,分析探究农村信用社对农村城镇化的金融支持是十分必要的。根据分析需要,采用向量自回归(VAR)模型和向量误差修正(VEC)模型,通过Johansen协整检验、Granger因果检验,揭示了农村城镇化水平、农村信用社金融支持、农村信用社发展水平之间的相互关系与作用。基于实证分析的结果得出了相关结论,并提出了针对性建议。     

建筑供应链风险研究

供应链管理作为一种新管理理念与方法，在提高建筑企业核心竞争力和增加利润的同时，由于市场的不确定因素，也将给建筑企业带来一定的风险。为了降低不确定性给企业带来的损失，从参与方的角度出发，对建筑供应链中的不确定性进行分析，建立其风险量化评估指标。通过专家打分法与企业调研收集、处理数据，运用Matlab程序编写风险预测模型，对建筑供应链中的风险进行模拟与预测，并且使用SPSS检验结果，验证了最小二乘支持向量机可以准确有效的对风险进行预测。