基于支持向量回归的现代气象雷达寿命预测

为了准确地预测气象雷达使用寿命, 提高气象雷达运行可靠性、安全性和可维护性, 提出了一种新的基于多元回归的气象雷达使用寿命预测框架。在该框架内,采用了支持向量 回归(SVR)方法来求解气象雷达使用寿命的多元回归问题;提出了基于SVR的气象雷达特征参 数选择FSSSVR（Feature Subset Selection SVR）算法去掉冗余和无效的特征参数。实验结 果表明,基于SVR方法的预测算法能够准确地预测气象雷达的使用寿命,能够为雷达全寿命 周期管理提供参考依据。     

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。     

上市公司财务危机预测的最小二乘支持向量机方法研究

现有上市公司财务危机预测方法常常需要线性假设或正态分布、等协方差假设,模型参数选择原则一般都采用经验风险最小。本文研究了上市公司财务危机的最小二乘支持向量机(LS-SVM)预测方法,此方法基于研究小样本的统计学习理论,它不需要特殊假设作为前提,选用结构风险最小原则确定预测模型参数,不仅使得经验风险最小,也使期望风险最小,从而对未来样本有较好的泛化能力。同时,给出了模型参数的显式计算公式。因此所提预测方法计算简单,速度快,预测精度高。实例计算结果证实了所提方法的可行性、有效性、实用性。     

基于支持向量机回归算法的气象预测的应用研究

支持向量机（SVM）是统计学习理论基础上一种新的学习方法,是关于非线性问题一种有效的解决方法。本文首先简要概述了支持向量机算法的原理,结合具体实例,并运用支持向量机在气象应用进行预测验证分析,试验结果显示,本算法的预测结果比较理想,证明了算法的有效性。     

支持向量机在投资决策中的应用

本文研究了支持向量机在经济上的应用。通过试验取得了很好的结果。说明支持向量机在经济方面的应用有很大的实际意义。     

滤波-支持向量回归机

本文是在支持向量机、支持向量回归机的理论基础上,提出了一个新的回归算法,即滤波-支持向量回归机的算法.该算法主要思想是:对于有噪声的样本数据,导致分类错误率比较高.为此,我们先进行滤波处理,然后用单参数约束下的支持向量回归机的算法进行训练得到分类器.该算法可提高样本的稳定性,增强了分类器的分辨能力.地基土物理数据分类的实验结果也显示了该算法是有效的,在一定程度上优于硬ε-带支持向量回归机的算法,使得分类准确率从57.7%提高到96.15%.     

多元线性回归分析在人才需求预测中的应用

文章首先指出回归分析是人才需求预测的一种重要的经济统计分析方法;其次选取二元线性回归预测为代表具体阐述了多元线性回归预测方法的实施过程;文章最后主要通过真实的案例来介绍多元线性回归分析在人才需求预测中的运用。     

基于支持向量机的上证指数预测研究

基于支持向量机的预测模型对上证指数进行预测,并将其预测结果与BP神经网络的预测结果进行对比,其结果表明,支持向量机的预测模型具有较高的拟合和预测精度并优于BP神经网络模型,且支持向量机预测方法计算速度快,准确率高,具有很好的推广应用价值。     

基于支持向量机的中国猪肉产量预测研究

生猪养殖业作为我国大力扶持的产业,一直以来都占据中国畜牧业的“半壁江山”。尽管如此,我国居民对猪肉的消费量仍大于猪肉产量,为了稳定市场对猪肉的需求,还要依靠一定数量的进口。为了促进我国猪业的发展和更好地满足消费者对猪肉价格的预期,提高猪肉产量是一项重要手段。本文搜集了1990—2019年中国猪肉产量的数据,选择支持向量机模型预测了2020年猪肉产量,分析了猪肉产量变动情况及走势,并对相关影响因素进行系统分析,提出对策与建议,以期为中国猪业相关部门提供参考。     

基于支持向量机在重工业经济领域预测研究

提出了一种基于支持向量机预测重工业经济月度同比增长率的方法。利用2002年以来,我国6年的重工业月度同比增长率数据,建立支持向量机预测模型,并对预测结果和实际值进行了比较分析,表明该方法用于经济预测和经济分析是有效的。     

基于加权支持向量机的金融时间序列预测

金融时间序列数据的预测是商业领域的热点问题,对金融时间序列进行准确的预测,对金融投资决策与风险管理具有特别重要的意义。针对金融时间序列的特点,对传统支持向量机进行了改进,提出了基于加权支持向量机的金融时间序列预测方法。研究表明,与传统金融时间序列预测方法比较,基于加权支持向量机有效地提高了金融时间序列预测的精度。     

基于相空间重构与支持向量机的电力负荷预测

近年来让人们对电力负荷预测的研究越来越显示出它对电力系统具有非常重要的意义,本文结合了电力负荷的混沌特性,对电力数据进行了相空间重构,提出了基于相空间重构和支持向量机回归的电力负荷预测方法,并结合实际应用取得了很好的效果。     

基于加权最小二乘支持向量机的金融时间序列预测

针对股票市场的高噪声,强非线性和不确定性等特点和以往传统的神经网络预测方法存在的不足,对标准最小二乘支持向量机方法优化,运用给各个样本的惩罚系数和误差要求赋予不同权重的加权最小二乘支持向量机方法结合滚动时间窗来学习建模。对上证地产业类指数的建模和预测表明,该算法具有良好的预测精度和抗燥性能,是对股市进行分析和预测的一种可行而有效的方法。     

基于灰色系统理论的电子商务人才需求预测

本文依据相关资料数据,运用灰色系统理论研究了宁波市2001-2007年电子商务人才需求量的变化规律,建立了宁波市电子商务人才需求预测的灰色模型,并对宁波市未来5年电子商务人才需求总量进行了预测分析,为人才管理和培养决策提供科学依据和参考.     

支持向量机在股票价格短鞋预测中的应用

SVM采用结构风险最小化原则，使风险只与输入样本数目有关，而与输入的维数无关，从而避免“维灾数”，并且结构参数从样本学习中自动确定，克服了传统神经网络收敛速度慢、结构参数确定无理论依据、存在局部极小值等缺点，具有较好的泛化能力。将此方法应用于股票价格的短期预测，取得晟好的实验结果，而基于支持向量机的股票价格短期预测模型对股市研究也有着重要的参考价值。     

支持向量机在股票价格短期预测中的应用

SVM采用结构风险最小化原则,使风险只与输入样本数目有关,而与输入的维数无关,从而避免“维灾数”,并且结构参数从样本学习中自动确定,克服了传统神经网络收敛速度慢、结构参数确定无理论依据、存在局部极小值等缺点,具有较好的泛化能力。将此方法应用于股票价格的短期预测,取得良好的实验结果,而基于支持向量机的股票价格短期预测模型对股市研究也有着重要的参考价值。     

向量自回归模型与结构向量自回归模型简介

计量经济学作为一门经济学科,进入21世纪后在全世界得到了迅猛的发展,可以说是近10年来发展最为迅速的经济学科子类。其研究成果越来越多地被应用到实际金融领域,并取得了令人瞩目的成绩。在我国,随着金融业的不断发展,计量经济模型也被越来越多地应用于宏观经济分析以及行业分析中,很多金融从业者也逐渐依靠计量经济模型进行投资以克服人性的弱点。在此大背景下,本文拟对逐渐被广泛使用的向量自回归模型及其衍生出的结构向量自回归模型做相关的简介与探讨。     

支持向量机在春运客流预测中的应用

由于春运客流预测是不确定的,非线性的动态开放性复杂系统,传统方法往往难以正确地描述这种复杂的非线性特征,因而无法正确进行客流预测。本文采用指数平滑的客流预测方法,提出了一种基于时间序列的支持向量机的历史客流预测方法,实验数据表明,预测结果是可信的。     

基于支持向量机的区域物流需求预测研究

基于支持向量机的区域物流需求预测是在追求更高的预测精度下提出的,首先选取非线性回归方法筛选影响区域物流需求的主要因子,然后用支持向量机模型对原始数据进行处理,并通过"影响区域物流需求因素"求解最优化的支持向量机核函数,最后构建影响区域物流需求的影响因子的非线性数据模型。结论表明,支持向量机模型相对多元线性回归、BP神经网络等,提高了区域物流需求的精确度,在之后的区域需求预测中将会有更加广泛的应用。     

基于支持向量回归算法的RBF神经网络

支持向量机是由Vapnik等人提出的一种基于统计学习理论的新型机器学习算法,该技术已成为当前国际机器学习界的研究热点,并广泛用于解决分类和回归问题。本文给出了基于支持向量回归算法的RBF神经网络,实验结果表明,基于支持向量回归算法的RBF神经网络的泛化能力强、对样本的依赖程度低,它比基于RBF神经网络的建模方法具有更好的推广能力。