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。     

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。     

基于组合模型的进出口贸易总额预测

进出口贸易总额作为经济活动中的一个宏观经济指标,对研究中国经济状况具有不可替代的作用。文章使用ARIMA(自回归移动平均模型)和SVM(支持向量回归模型)对1980—2016年的我国进出口贸易总额进行信息挖掘,在评价预测效果的基础上构建了基于权重分配的组合预测模型。通过实例分析印证了在进出口总额方面基于优化定权的组合预测模型要比单一预测模型精度高,对我国的对外贸易发展有一定的参考价值。     

公路交通运输量GM-Markov综合预测模型研究

为了提高公路交通运输量的预测精度,在介绍一般模型的基础上,建立了GM-Markov预测模型,它是将灰色预测方法与Markov预测模型优化组合,用灰色预测模型GM(1,1)预测随机时间序列数据的总体发展趋势,而用Markov模型预测各数据在总体趋势下的随机波动性变化,得到随机时间序列数据趋势预测模型的解。通过公路货运量的实际数据进行了验证,结果表明:GM-Markov预测模型既能预测参数随机数据序列的总体趋势,又能适应波动性较大的随机序列变化,其预测精度高于GM(1,1)模型的预测精度。     

奶类消费需求组合预测——基于指数平滑法和灰色模型

为了合理预测奶类消费需求量,建立了三次指数平滑和灰色模型两种单项预测模型。鉴于单预测模项型的局限性,提出了以预测偏差平方和(方差)最小为最优化准则的组合预测模型。分析比较表明,组合预测模型具有更高的预测精度和更低的预测误差,能避免各单项预测模型的局限。该组合模型对未来短期的奶类消费需求的预测具有一定的参考价值。     

中国石油消费的组合预测

石油消费预测有助于提高石油生产、进口及消费的合理性,进而实现合理规划.鉴于石油消费系统的复杂性和非线性特征,利用我国石油消费的历史数据,将VAR模型与灰色预测的GM(1,1)、无偏GM(1,1)两种模型有机组合,建立灰色VAR组合预测模型,实证分析得出了更为精确的预测值,由此得出此模型可以作为能源消费量预测的有效参考工具.     

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。     

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。     

我国税收收入预测模型的浅析与应用

税收作为地方财政收入的主要来源,同地区经济增长密切相关。目前,国内外学者关于税收收入预测的方法有很多,主要分为定性分析和定量预测两大类,本文在前期相关文献的基础上,重点对基于时间序列分析方法的统计模型在我国税收收入预测中的应用进行概括和总结,并在此基础上提出进一步研究的可能性。     

福建省城乡居民收入差距预测模型比较研究

本文选取福建省1981-2008年间的城乡收入差距值时间序列数据,建立四个时间序列模型进行比较分析,最终确定ARMA模型作为预测模型.并以2006年、2007年和2008年的数据作为检验数据检验该模型预测效果,进一步验证了其预测效果较优,最后利用该模型对福建省2011-2014年城乡收入差距值进行短期外推预测,并给出对策建议.     

组合预测模型在期货预测中的应用——基于灰色关联度

基于传统的GM（1,1）灰色预测模型,为了综合运用新老信息,采用等维递补的方法得到单个灰色预测模型,然后基于改进的灰色关联度这一相关性指标来确定权重,提出了一种组合预测模型.应用该模型对菜粕期货价格进行预测,预测结果表明该模型是有效的.     

中长期电力负荷预测理论研究

本文首先分析了电力负荷理论中的主成分回归理论与灰色预测理论,其次利用优选组合预测模型,形成中长期电力负荷预测理论模型。优选组合预测模型比主成分回归理论模型与灰色预测理论模型具有更高的精度。     

基于组合模型的江苏省居民用电量预测分析

研究利用时间序列基本分析方法ARIMA模型分析法、指数平滑ETS模型和神经网络自回归模型对江苏省居民每月用电量进行数据分析、处理、拟合、检验及预测,以2004年1月至2017年12月用电计量数据作为分析样本,使用R软件对该时间序列进行建模。对给出的数据建立ARIMA模型、ETS模型和NNAR神经网络自回归模型,接着利用MAE、RMSE、MAPE三个评价指标来衡量模型的优良度。尝试通过组合模型对2018年江苏省居民12个月的用电量进行预测,与实际值进行对比验证,发现权重模型的误差最小,选择作为最终预测模型。最后得出结论,组合模型的预测效果要优于非组合模型。     

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。     

组合预测法在我国汽车市场需求预测中的应用

组合预测理论是对同一个预测对象采用不同的单项预测模型,并对各个单项模型施以适当权重。因而,利用多个单项预测模型有效组合更多有用的信息资源,使组合预测模型具有较高的预测精度和预测稳定性,能比较合理地描述系统的客观现实。依据中国民用汽车保有量1985-2003年的历史数据及汽车市场需求系统的复杂特性,分别采用灰色系统、多元回归、三次指数平滑方法建立单项预测模型。根据组合预测理论建立中国汽车市场需求组合预测模型;运用组合预测模型对我国汽车市场的未来需求进行了预测。     

家电产品市场销售的预测方法研究

以家电产品销售量常用的预测模型——灰度理论GM(1,1)模型为参照蓝本,根据1996—2009年家电产品年销售数据,探讨修正威布尔模型在家电产品市场销售量的预测作用。根据家电产品销售市场的变化规律,以威布尔累计概率为基础,提出修正威布尔预测模型。通过对1996—2009年家电产品年销售数据的拟合,建立家电销产品年销售量的修正威布尔预测模型,与灰度理论的GM(1,1)模型对比,分析两种预测模型的优劣,分析修正威布尔预测模型在家电产品市场销售量预测的适用性和准确性,为家电销产品售量预测提供全新的预测模型。     

混频模型在我国宏观经济预测中的应用研究

近年来,我国宏观经济预测模型存在稳定性显著下降、预测精度大幅降低等缺陷,亟待对其进行改进。本文通过融合动态因子模型和混频数据抽样模型,构建了因子混频数据抽样模型FA-MIDAS,实现对120多个宏观运行监测指标的深度挖掘和信息提取,并对我国季度GDP增速进行样本内拟合与样本外预测。研究结果表明：FA-MIDAS模型的样本内拟合效果好于未考虑混频数据的模型以及将月度数据简单平均后转换为季度数据的模型。与同频模型相比,FA-MIDAS模型能够提高预测精度。在数据处于较为平稳阶段时,模型中加入自回归项确实会带来预测精度的改善,但在数据波动较大时,加入自回归项会存在惯性趋势,反而降低了模型预测精度。随着当季数据公布的增多,当季GDP的实时预测及向前多步预测的预测精度会随之提高。     

工业快速发展中基于var模型的化肥施用量预测

本文运用var模型相关理论,建立化肥施用量的预测模型,对未来一个时期的数据进行预测,模型检验和预测结果验证了所建立的预测模型具有可行性和有效性。     

我国居民消费价格指数的预测分析——基于残差修正的改进GM(1,1)模型

我国居民消费价格指数受到诸多因素的影响,导致数据波动性较大,单纯地采用灰色预测模型无法更加准确地进行预测,因此本文提出了基于残差修正的改进GM(1,1)模型。首先,本文介绍了改进GM(1,1)模型的建立方法与步骤;接着结合2007²011年我国居民消费价格指数建立新的预测模型,并用2012年数据对模型进行验证合格,可以用来预测未来几年我国居民消费价格指数,便于对我国未来居民消费价格指数的宏观调控。结果表明,该预测方法是可行的,为相关预测提供了理论依据。     

组合预测模型在短时交通流预测中的应用研究

根据智能交通诱导和信号控制的需要,短时交通流预测应具备实时性、准确性和可靠性,应用单项预测模型已不能满足当前交通流预测的要求,借此提出了以时间序列法、非参数回归法和RBF神经网络预测法为基础的定权系数和变权系数组合模型进行短时交通流预测,实例应用表明组合预测模型较单项预测方法预测精度有显著的提高。