在多模型预测基础上进行综合预测探讨

在实际经济预测工作中,为了使预测做到科学、准确、全面、可靠,往往需要使用多个模型同时对某个经济变量进行预测。这样就同时得到了多个不同的预测结果,到底以哪个预测值为准,预测者常常苦心费尽。一般地说,需要在多模型预测的基础上进行综合预测。问题的关键在于怎样建立综合预测模型。本文应用最小二乘法,提出一种比较理想的建立综合预测模型的新方法。     

灰色神经网络在轴承故障预测中的应用

为提高旋转机械中滚动轴承故障预测的精度,提出灰色神经网络预测模型。利用训练样本数据,使用灰色神经网络模型完成训练过程;基于已训练好的模型对未来时间点的运行状态进行拟合,实现轴承的故障趋势预测。相比采用单一的BP神经网络预测模型,该组合模型具有较高的精度,对轴承故障趋势预测有一定的现实意义。     

基于回归-ELM神经网络模型的滑坡变形及失稳预测模型

为准确预测滑坡的变形趋势,有效预防滑坡灾害的发生,提出了基于变形预测和检验的趋势判断模型。首先,利用回归分析,拟合得到滑坡的变形曲线,再利用组合权值,实现拟合结果的组合,得到滑坡变形的初步预测结果;其次,利用极限学习机(ELM神经网络)对初步预测结果进行误差修正,将修正结果与初步预测结果进行叠加,得到滑坡变形的综合预测值;最后,利用秩相关系数检验与Mann-Kendall检验,对滑坡变形趋势进行判断,以验证预测结果的准确性。经过实例检验得出,预测模型的预测效果较好,其组合预测及误差修正均能不同程度地提高预测精度及稳定性,且两检验模型的结果均与预测结果相符,相互验证了其可靠性。因此,预测模型能对滑坡变形趋势进行综合判断,为滑坡的变形研究提供了一种新的思路。     

人才需求组合预测模型研究

本文建立了人才的组合预测模型，结合国有重点煤矿的实际，对其工程技术人才需求总量进行了预测，结果表明：组合预测模型用于人才预测是可行的。     

数据挖掘方法在传统预测模型中的应用

数学建模领域中,对于解决不同类型的预测问题有一些经典的预测模型。最近日益流行的数据挖掘技术也有一些针对解决预测问题的独特的数学模型和建模方法。在此对使用传统解析式模型的预测方法与应用数据挖掘技术的数据库模型的预测方法进行了对比,重点分析了2种方法在影响因素的确定、数据规律的寻找方法以及模型侧重点选择上的不同之处,并简单讨论了如何结合2种模型的优点,将数据挖掘技术应用于传统解析式模型的建模过程之中,对已有的解析式预测模型进行改进,进而得出更加可靠准确的预测结果。     

基于健康状态预测的家具制造设备维修方法

针对板式家具制造企业中如何以较少的投入来减少故障停机时间的问题,提出了一种基于健康状态预测的设备维修方法。该方法将设备的温度和电信号数据作为输入信息,通过模糊最小二乘支持向量机构建的故障预测模型获得预测输出,并以该预测输出数据来建立设备健康状态等级、指导设备维修计划的科学制定,从而减少故障停机时间。利用直线封边机的运行和维修数据对该方法进行案例验证,表明该方法有一定有效性。     

基于数据挖掘的生产技改项目投资预测研究

随着我国经济社会不断进步和生产能力迅速发展，电网技改工程项目数量日益增加，技改项目种类日益多样，管理难度也逐渐增大，提升其造价预测的准确性对于提升电网企业的经济效益和社会效益具有重要作用。工程项目投资预测目前主要采用传统预测模型，传统预测模型存在精度不高、容易出现过拟合现象等问题。而随机森林算法的整体性能突出，预测效果较好。文章基于实际工程数据，构建基于随机森林算法的生产技改投资预测模型，用以预测项目的投资情况，并将其预测性能与线性回归模型和SVM模型进行对比。结果表明，当预测范围在训练集样本范围内时，基于随机森林算法的生产技改投资预测模型的预测精度较高，稳定性较好，为生产技改投资预测提供了一种新途径。     

石油价格波动期中的油价预测模型--以俄罗斯乌拉尔原油价格变化为例

国际石油市场翻云覆雨,2000年以来进入了新一轮波动期,油价大大地偏离了人们的预测值。在这种情况下,有必要重新审视传统的油价预测方法。传统上惯用的线性回归分析方法所给出的原油价格预测值往往较大地偏离实际值,有时不得不放弃使用线性回归。这是因为在建立线性回归方程时,一些有来头、有分量的波动组分也被当作“随机因素”一同扬弃了。因而在波动组分不能忽视的情况下,有必要构建新的预测模型。油价变动既有线性趋势又具波动趋势,据此,提出一个改进的油价预测模型,在揭示油价变化的线性构成的同时将波动构成一并揭示出来,从而对油价变化机制能做出较为全面的反映,并使预测准确度比单一的线性预测模型有较大的提高。     

国际石油价格预测模型综述

按照时间的顺序,从非正式模型、理论模型和模拟模型3个角度综述了世界石油价格的预测模型。其中,石油价格的非正式预测模型简单易懂,对政策的制定和社会经济发展影响较大;理论模型是研究问题的基础;模拟模型能利用技术手段更好地进行价格波动区间的预测。     

中国碳排放的组合预测与减排缺口分析

预测我国碳排放量的变动趋势,对国家进行宏观经济管理和碳减排工作具有重要的参考价值。（1）利用中国1997～2011年碳排放数据,分别采用三次指数平滑模型、灰色模型、二次指数模型建立中国碳排放的单项预测模型;（2）采用标准差法进行非负权重分配,建立了中国碳排放的组合预测模型,结果表明,组合预测模型的精度高于单项预测模型。（3）应用该组合模型对中国2014～2026年的中国碳排放量。预测表明,中国碳排放存在较大的减排缺口,碳减排需要从优化产业结构、优化能源消费结构和改善能源利用效率上进行。     

最小二乘法在商品销售预测中的应用

作为商品预测中的一种方法，本文介绍了最小二乘法的基本原理，并在一般和特殊两种情况下利用最小二乘法建立了回归线性预测模型。最后给出了利用最小二乘法进行商品预测的实例。     

国际石油价格预测模型综述

按照时间的顺序,从非正式模型、理论模型和模拟模型3个角度综述了世界石油价格的预测模型。其中,石油价格的非正式预测模型简单易懂,对政策的制定和社会经济发展影响较大;理论模型是研究问题的基础;模拟模型能利用技术手段更好地进行价格波动区间的预测。     

灰色神经网络模型应用于证券短期预测研究

证券市场中存在大量的非线性及混沌现象使得许多基于证券投资理论建议的各种线性模型在对其发展进行预测时往往得不到很好的结果。利用两种非线性预测模型并充分考虑各技术指标之间的序列相关性,在灰色GM(1,1)预测模型的基础上提出了组合灰色神经网络预测模型。通过对近期深证成指及首钢股份进行短期预测和检验,结果表明了该方法具有很高的精确度及广泛的应用前景。     

武汉地区物流发展水平灰色预测

本文针对武汉物流中心发展规划中的具体问题，系统分析了影响武汉物流中心发展的各种因素，运用GM（1，1）灰色系统预测模型对武汉的物流规模进行了预测，定量计算结果与定性分析的结论一致。     

大数据思维下的矿产资源评价分析

利用大数据预测思维评价矿产资源,能够为矿产资源的预测评价工作奠定基础。大数据相关预测方法和综合信息矿产预测方法具有一致性,在矿产资源评价过程中需要利用矿山预测模型理论,落实多学科信息相关性分析,分析矿山区域趋势。本文总结了数字化时代矿产资源预测评价工作流程,通过建立数字化预测数据凭条和预测矿产模型等,精确地对矿山资源进行预测评价。     

特高压输电线路工程造价预测模型研究——基于因子分析及BP 神经网络

本文在对特高压输电线路工程进行项目划分的基础上,分析识别出影响特高压输电线路工程造价的主要因素,并使用因子分析法对其中18 个主要影响因素进行度量,将得到的5 个因子作为输入、工程单位造价作为输出,构建了基于BP 神经网络的造价预测模型,以国内已建和在建的9 个特高压输变电工程中的75 段输电线路工程数据为样本进行了实证研究,结果证明预测模型对特高压输电线路工程造价进行预测具有可行性和较高的准确性,为特高压工程全生命周期内管理优化提供了一种新的思路和实现方法。     

基于库水位和蓄水量的土石坝溃决参数预测模型研究

土石坝溃决参数预测研究具有重要理论和实际意义。文章基于国内外典型土石坝溃决案例,选择库水位和蓄水量两个易于测量的水力变量作为预测变量,构建起管涌和漫顶两种不同土石坝溃决模式下的洪峰流量和溃口宽度回归预测模型。模型的评价和验证结果显示,预测模型对实测数据具有良好的拟合度,具有较高的预测精度,可以为土石坝的溃决风险预测和相关预警工作提供参考。     

基于Logistic组合模型的中国民用汽车保有量预测

经济的发展和人民生活水平的提高使我国民用汽车保有量急速上升,同时导致公共设施和能源供应等矛盾凸显。客观、准确的未来中国汽车保有量预测是解决上述问题的前提。本文以传统Lo-gistic模型为基础,借鉴灰色理论累加生成数据处理方法和级差格式,对预测参数进行估计,同时将模型中扩散速度函数化,并建立以误差标准差为权重的民用汽车保有量的Logistic组合预测模型。该模型能很好地避免传统预测模型中预测参数主观化,预测环境常态化的缺点,使模型能够客观、动态地反映未来中国汽车保有量的扩散趋势。最后结合中国历年民用汽车历史数据,对未来十年中国民用汽车保有量进行预测。预测结果表明:未来十年中国的民用汽车保有量还将快速增长,到2020年中国民用汽车保量将超过2.3亿辆。     

基于EEMD-BP的输变电工程造价不确定因素预测

当前对于输变电工程不确定因素的研究集中于不确定因素识别,对其预测研究较少。不确定因素变化呈现出明显的非周期性及非平稳性,常规模型的预测精度较低。鉴于此,本文建立了EEMD-BP模型,将历史数据序列分解为随机分量和呈现明显波动周期的若干趋势分量。对各趋势分量采用BP算法预测,将各分量预测值叠加后得到趋势分量预测结果。对随机分量通过分析其相对于趋势分量的离散度得到其波动范围。综合考虑趋势分量预测值和波动区间得到最终的预测结果。选取PPI的历史数据进行算例分析,验证了方法的有效性,并对未来两个时点进行预测。采用同样方法对包括铜材价格、导线价格在内的其他不确定因素进行了预测。     

面向智能控制湿法脱硫系统的动态建模

针对燃煤电厂湿式石灰石—石膏湿法烟气脱硫过程中控制环节精度较低的问题,建立精确的机理模型以及预测模型实现对脱硫过程中长时滞、非线性、多变量等复杂特性的最优控制,结合数据可视化技术揭示的内部趋势实现对电厂参数的针对性控制。基于电厂8826组实际运行数据,通过随机森林树模型以及矩阵模型对参数重要性以及相关性进行分析,采用多元线性回归分析建立机理模型以及XGBoost建立预测模型。结果表明,机理模型和预测模型相结合的预测精度较高,可以为电厂优化控制系统提高脱硫效率提供理论基础。