组合预测模型在四川省工业经济效益预测中的应用

针对季度工业经济效益综合指数具有增长性和波动性的二重趋势,首先对该指标建立GMDH自回归模型和AC模型,然后用基于误差平方和最小的多元回归方法对各单一模型的预测值进行组合,得到最优模型。同时将组合预测结果与工业经济效益综合指数实际值以及GMDH、AC单一模型的预测结果相比较。进一步显现出组合预测模型在工业经济效益预测中的优势。从而为工业经济效益的预测提供了一种行之有效的方法。     

试论组合预测方法在旅游经济分析预测中的应用

近年来,旅游经济研究学者注重应用组合预测法进行旅游经济相关数据的分析预测,并组建了实用价值较高的数据分析模型。将组合预测方法应用于旅游经济的分析预测中能够进行准确的现状分析,并基于现状与经济发展趋势背景预测出经济的发展前景,此外应用组合模型还可以进行影响研究,实践作用明显。笔者认为将组合预测方法应用于旅游经济预测中能够提供经济发展趋势提供有效的数据参考,进而利于经济政策的制定。     

基于小波变换和时间序列模型的Brent原油期货价格预测

本文将小波分析与时间序列模型结合应用于布伦特国际原油价格预测,通过对小波分解与重构方法将油价时间序列分解为趋势(高频)部分和细节(趋势)部分,然后采用ARMA模型对分解后的油价进行样本内预测。实证研究表明,基于小波的组合模型具有较高的预测性能,同时验证了该方法的可行性和有效性。     

组合预测模型在股指短期预测中的应用——以上证综合指数为例的实证分析

本文分析了自回归移动平均模型(ARIMA)与BP神经网络模型在预测方面的特性和模型各自的优缺点,在此基础上尝试建立了ARIMA和BP神经网络的股指组合预测模型。ARIMA与BP神经网络组合使用的基本原理是股指时间序列数据可分解为线性部分和非线性残差部分。本文以上证综合指数为例,首先采用ARIMA预测上证综合指数的线性变化趋势,然后采用BP神经网络对上证综合指数的非线性趋势进行拟合,最后整合两种模型的预测结果。仿真结果表明:组合模型提高了对上证综合指数的预测精度,证实了组合模型在股指预测方面的有效性。     

基于EM的贝叶斯模型平均组合预测及应用研究

为了克服传统的组合预测方法没有明确考虑模型的不确定性,对贝叶斯模型平均组合预测新方法进行研究。应用贝叶斯模型平均的关键是精确估计单项模型的权重。采用期望最大化(EM)方法来估计权重。该方法操作简便,计算效率高且在运算过程中一直满足权重之和为1。通过对我国电力负荷预测实证分析表明:贝叶斯模型平均组合预测比其他组合预测方法预测精度高;EM方法估计权重比赤池信息准则(AIC),贝叶斯信息准则(BIC)估计权重得到的组合预测值,有更高的预测精度。     

基于趋势组合的我国煤炭需求预测模型研究

煤炭资源是我国第一大能源资源,准确地预测煤炭需求动态趋势,对于保障能源供需平衡和规避能源供给风险,促进我国经济社会可持续发展具有重要意义。由于煤炭消费具有非线性和不确定性特征,任何单项煤炭需求预测模型都不能较好地拟合煤炭需求的变动趋势,进而导致预测精度偏低。本文利用ARMA模型拟合其不确定性趋势,紧紧围绕我国煤炭实际消费的非平稳变动特征,通过趋势外推模型拟合煤炭需求的确定性趋势;建立了基于趋势组合的我国煤炭需求预测模型,该模型运用表明其实用性和精确度都好于已有的组合预测模型。     

RCH模型非线性组合预测方法研究

金融数据时间序列分析中,对具有ARCH效应的回归模型组合预测问题少有人涉及.简单的线性组合预测方法虽可提高预测精度,但忽略了候选模型间可能存在的关系,非线性组合预测方法可以将这种关系考虑在内。为此,主要针对ARCH模型,提出了一种非线性组合预测方法及权重形式,并通过模拟说明此方法的优越性。     

我国铁路货运量的组合预测

在二次指数平滑、一元回归、自回归、灰色预测四种模型的基础上采用方差倒数法定权的方式建立组合预测模型,对全国铁路货运量进行预测,并对预测结果进行误差分析。预测结果表明,组合预测较单一模型预测更具优越性。     

基于相似日的短期负荷预测模型优选组合方法

传统的模型组合优化方法是将几种预测方法所得的预测结果,选择适当的权重进行加权平均,或在几种预测方法中比较,选择拟合优度最佳或标准离差最小的预测模型进行预测。但在天气突变的情况下,对历史负荷预测效果好的方法,对待预测日预测效果不一定好。根据这一情况,在传统短期负荷预测组合优化模型的基础上提出一种基于相似日的短期负荷预测模型优化方法。该方法可以很好的分辨天气突变情况下各模型的优劣,算例结果表明,在相似日的基础上进行各模型的优化组合可以较好的提高整体预测精度,非常适用于对气象因素较为敏感的地方电网。     

福建省“十二五”期间工业总产值的预测

工业总产值反映一定时期内工业生产的总规模和总水平。这篇文章通过对福建省1981-2009年工业总产值观测值的分析,构建了福建省工业总产值趋势外推模型、Holter-Winter非季节模型、GM(1,1)模型,并利用它们构建了组合预测模型,对福建省"十二五"期间工业总产值进行预测,并根据预测结果提出了福建省"十二五"期间工业总产值的目标值建议。     

组合模型对南通港集装箱吞吐量预测研究

港口集装箱吞吐量是增强港口竞争力,提升港口经济效益的一个重要影响因素。准确预测港口集装箱吞吐量,对于港口发展具有重要作用。本文选取了1995年~2010年南通市港口集装箱吞吐量的数据,在灰色预测模型和三次指数平滑模型的基础上进行加权组合,建立组合模型预测2011年~2015年的集装箱吞吐量,通过对比分析,组合模型的预测结果比单一模型的预测结果更接近于实际值。最后,利用组合模型对2016年~2020年南通市港口集装箱吞吐量进行预测,并在预测结果的基础上结合南通港发展现状,对南通港今后的发展建设提出了一些建议,为"十三五"期间南通市港口更好地发挥在对接"一带一路"和长江经济带战略中的作用提供决策参考。     

营口港集装箱海铁联运量的预测与发展研究

选取营口港的集装箱海铁联运运量作为研究对象,分析了2015-2019年的海铁联运运量的增减趋势,结合各种预测方法的优劣和适用范围,最终提出了在GM(1,1)、回归模型和三次平滑指数法基础上的组合预测方法。介绍单项预测模型的基本原理的计算公式,并建立符合研究目的和内容的组合预测模型。运用三种不同方法验证2015-2019年的预测值与实际值的相对误差,进而得出各自的方差。采用加权组合预测的方法,对营口港未来五年的集装箱海铁联运运量进行了预测,并根据营口港目前的发展趋势提出发展建议。     

基于组合模型的我国税收收入预测分析

本文在ARIMA和GM(1,1)模型基础上,利用我国经济发展数据建立一个组合预测模型,并把它应用于我国税收收入的预测.所得结果误差优于两个模型的分别预测,表明组合预测模型在税收收入数据的预测中更有优势.最后据此组合预测模型对2009年中国税收收入进行了预测分析.     

基于IOWA算子的组合预测模型在航空客运预测中的应用

航空客运的发展是多种因素的综合结果,单项预测模型只是反映了这些影响因素的一个方面。在因素分析的基础上,利用基于诱导有序加权平均(IOWA)算子的组合预测模型对不同单项预测方法进行了组合,并对应用效果进行了对比和分析,说明了使用动态组合系数模型在航空客运预测中是合适的。     

基于Stacking集成学习的Lasso-GBDT组合房价预测模型研究

房地产行业是我国国民经济的重要组成部分，关乎国计民生。房价预测的准确性与稳定性，对政府、开发商和广大市民均具有重要的现实意义。本文利用网络爬虫方法获取银川市2015年4月至2021年3月安居客房产信息服务平台样本住宅价格数据，分别利用Lasso模型和梯度提升决策树（GBDT）模型对银川市房价进行预测；综合两种预测方法的优点，建构基于Stacking集成学习的Lasso-GBDT组合回归预测模型。通过实例预测结果比较，组合预测模型预测精度均在0.98以上，能有效避免病态数据对拟合程度的影响，较单项预测模型有更高的准确性和稳定性。     

金融时间序列组合预测模型与方法

为了提高金融时间序列的预测精度,弥补单一预测方法的不足,组合预测从信息互补的角度为其提供了一条有效的途径。文章综述了现有的金融时间序列组合预测的模型与方法的分类,包括普通权重法、时变权重法、神经网络法以及集成预测法,并展望了在不确定的经济环境下组合预测方法未来的研究方向。     

基于PLS的组合预测模型及其应用

本文运用组合预测理论,利用偏最小二乘回归方法建立了基于灰色预测模型GM(1,1)、2阶自回归模型AR(2)和龚伯兹曲线模型的组合预测模型,并对农业贷款需求进行了预测。     

公路货运量的组合预测方法研究

本文概述了组合预测的基本思想,介绍了基于Shapley值的组合预测模型,并以吉林省公路货运量为例给出计算实例,同时也用数理统计的方法证明了此模型的适用性。计算实例和统计分析都证明此模型的可行性和适用性,说明将此模型用于公路货运量预测是有效可行的。     

星级酒店人才需求预测模型构建及发展战略分析——以江苏为例

本文依据大样本调查数据,Elman人工神经网络模型,对江苏省"十二五"期间旅游星级酒店从业人才需求进行了预测,并运用模型最优组合对预测结果进行修正。在人才量预测的结果上,提出了实现预测目标的人才发展战略,以为江苏省酒店人才的开发和培养提供有效的决策性参考。     

神经网络组合预测方法在R&D支出中的应用分析

通过BP和RBF两种神经网络的组合应用,并结合使用Matlab7.0软件提出了一种新的组合预测方法。首先通过采用了两种成熟的预测方法BP和RBF神经网络对R&D经费的支出分别进行预测,然后把所得的预测值再通过三层结构的RBF网络结合Matlab软件进行组合预测,得出最后的预测值再与实际的数据进行比较。从预测结果来看,将该组合预测方法很好的拟合了我国每年R&D经费支出,避免单一预测方法存在的预测精度不高,限定条件过多等问题,有效地提高了预测精度,得出了较为满意的预测结果。