中国黄金期货价格影响因素实证分析

黄金期货是我国第一个具有金融属性的期货品种,自2008年上市以来受到广泛关注.本文基于2009年8月至2016年8月的月度数据,通过建立多元线性回归模型对黄金期货价格的影响因素进行实证研究.为投资者利用黄金期货规避风险和政府进一步完善黄金期货市场提供理论借鉴.     

论提高装备故障预测准确度的方法途径——先进智能预测算法研究

提高故障预测准确度的方法有很多,研究先进的智能预测算法就是其中的一种。大量的先进预测算法都得到了广泛的应用,如专家系统、神经网络、支持向量机等。每种智能预测算法都有各自的优点和不足,首先介绍了常见的智能预测算法及其应用;然后重点介绍了支持向量机,主要包括其基本原理和主要问题;最后对支持向量机算法的改进方向进行了探讨。支持向量机作为智能预测算法的一种,对于提高故障预测准确度有很好的应用前景。     

基于支持向量机的福建省GDP预测研究

采用1981～2002年的福建省GDP数据作为支持向量机(SVM)的训练目标,以各期前三年的GDP作为输入向量构成训练样本。首先利用格子搜索法获得支持向量机模型中的参数(C,γ,ε)对样本进行训练。然后用训练所得模型对2003、2004、2005三年的福建省GDP进行测试,平均测试精度达98.12%。可以认为支持向量机具有较强的泛化能力,在宏观经济预测中具有较高的精度,从而可用于未来实际GDP的预测。     

基于SVR模型的区域公路货物周转量预测

针对区域货物周转量的特点:时间上的大波动性和区域之间的密切相关性,指出:反映区域货物周转量预测的指标数据存在高度的非线性、耦合性和时变性。通过对区域公路货物周转量历史数据的分析,确定了相关预测变量。在上述基础上,建立了基于SVR的区域公路货运周转量预测模型。由于该模型建立在统计学习理论的基础上,因而具有良好的非线性数据处理能力,并保证了预测模型的泛化性能。以金华市为应用对象,说明了该模型的有效性。     

安徽省“十四五”能源消费趋势预测研究——基于SVR模型

本文选取2000～2020年安徽省样本数据,建立能源消费支持向量回归预测模型,预测了安徽省“十四五”能源消费总量和煤炭、石油、天然气及电力的消费量,并分析了单位地区生产总值能耗量。研究发现：整体上,安徽省“十四五”能源消费总量呈现先缓慢上升后下降的趋势,平均消费量为15183.8万吨标准煤,平均增速为0.79%,预计2025年能源消费总量达15275万吨标准煤;分能源品种来看,煤炭和石油的消费量呈现显著的不断下降的走势,天然气和电力的消费量总体上保持上升的态势;单位地区生产总值能耗呈明显下降趋势,平均值为0.56万吨标准煤/亿元,年平均下降率为5.38%。为此,可通过引进和研发节能技术、发展非化石能源等方式,促进安徽经济高质量发展。     

基于支持向量机回归算法的航空公司客流量预测研究

在航空公司运营管理过程中,航空客流量预测是其航班计划和机队规划的重要依据。本文介绍了航空客流量预测中常用的几种预测方法,并对他们的特点进行了分析比较;阐述了支持向量机的理论基础和原理,给出了支持向量机的回归模型,并重点探讨了预测模型中核函数的选择方法;在选择适当的参数和核函数的基础上,对航空客流量进行预测,并与BPANN和线性回归算法这两种预测方法进行对比,证明支持向量机回归算法能获得训练最小的相对误差,是相对有效的一种航空客流量预测方法。     

中国黄金期货与黄金现货价格联动性研究

本文通过实证分析方法,研究中国黄金期货上市五年半来价格发现功能的发挥情况。本文运用协整、脉冲响应函数等计量方法探索中国黄金期货市场与现货市场的联动性问题,发现中国黄金期货价格对现货价格的影响程度相对较弱。     

基于SVM-GA的剩余使用寿命预测方法研究

提出了基于支持向量机和遗传算法的齿轮剩余使用寿命预测方法,该方法包含退化特征提取、状态数优化和寿命预测三个过程。齿轮箱全寿命数据用来对方法进行验证,通过分析单步和30步预测结果,充分说明了该预测方法的有效性,为后续工作奠定了基础。     

支持向量回归机在装备维修器材消耗预测中的应用

首先介绍了ε-支持向量回归机(ε-SVR)的基本原理,而后把它引到装备维修器材的消耗分析当中,建立了预测模型,并结合例子进行仿真实验。仿真结果表明,模型可行、准确。     

基于支持向量回归机的物流需求预测模型研究

通过介绍物流需求和支持向量机的基础理论,利用经济与物流需求之间的关系,提出了基于支持向量回归机的物流需求预测模型,给出了构建模型的具体分析步骤,并通过实例详细阐述了模型的应用过程,预测结果验证了模型的可行性和有效性。     

基于灰色支持矢量机的金属构件寿命预测

基于灰色系统和支持矢量机理论,建立了基于计算机软件预测金属构件剩余寿命的灰色支持矢量机模型,并应用此模型预测了某大型设备连接件的模拟试件剩余寿命,得到了较高精度的预测结果,为小样本情况下金属构件的疲劳寿命在线预测提供了一种简单、可靠和实用的新方法：同时也为大型结构件的寿命预测提供了可靠的基础。     

基于支持向量机的轮胎中PU综合性能的预测应用

为了更好聚氨酯(PU)绿色轮胎原料的批量投产和产业化过程中进行实时的产品质量预测与控制打下了良好的基础。本文利用支持向量机对PU弹性体制备过程中的综合性能指标建立预测模型,同时获得较好的预测精度。     

支持向量机在装备维修备件需求量预测中的应用

利用支持向量机回归算法建立备件需求模型,对未来备件需求进行了预测,并结合实例将支持向量回归算法与传统的最小二乘拟合方法作比较。结果表明,支持向量回归算法在预测精度上具有明显的优势,该方法能够较好地适应样本数量较少、需求呈非线性特征的备件预测问题。     

基于最小二乘支持向量机的短期负荷预测

支持向量机是一种基于统计学理论的新颖的机器学习方法,该方法被广泛用于解决分类和回归问题。文章将最小二乘支持向量机(LS-SVM)算法应用于电力系统短期负荷预测中,并将其预测结果和BP神经网络的预测结果进行比较分析。仿真实验表明,该方法在短期负荷预测中具有很好的预测速度和精度。     

基于支持向量机的上市公司财务困境预测

文章采用支持向量机（SVM）来处理上市公司财务数据,与传统的方法相比较,有较好的范化能力,避免了传统方法的不足,能较客观的对上市公司财务困境进行预测。事实证明本模型是有效的,能为投资人和债权人的决策提供有力的支持。     

基于最小二乘支持向量机的短期负荷预测

支持向量机是一种基于统计学理论的新颖的机器学习方法,该方法被广泛用于解决分类和回归问题。文章将最小二乘支持向量机（LS—SVM）算法应用于电力系统短期负荷预测中,并将其预测结果和BP神经网络的预测结果进行比较分析。仿真实验表明,该方法在短期负荷预测中具有很好的预测速度和精度。     

橡胶充气芯模混凝土填料工程工期预测研究

根据橡胶充气芯模混凝土填料施工的特点,详细分析了影响其工期的因素,结合支持向量回归机(SVR)和粒子群算法(PSO)的优点,建立基于PSO-SVR的橡胶充气芯模混凝土填料工程工期预测模型。通过对某选煤厂混凝土填料施工的数据进行仿真,结果显示:PSO-SVR模型的预测效果优于基于交叉验证的支持向量回归机(CV-SVR)模型以及基于遗传算法的支持向量回归机(GA-SVR)模型。     

房地产企业财务风险智能预警研究

近年来我国政府相继出台一系列针对房地产行业的调控政策,使本就对宏观经济环境非常敏感的房地产企业面临巨大的财务风险。为使房地产企业更好的认识自身财务风险,文章运用智能方法———支持向量机方法,结合20家上市房地产公司财务数据对房地产企业的财务风险预警展开研究,取得了很好的效果。为房地产企业财务风险在智能预警领域的研究提供了新思路。     

基于FOA-SVR算法的边坡稳定性预测方法及其软件设计

针对一般边坡失稳预测方法的样本归一化处理、选择经验核函数等带来的预测误差,本文利用果蝇优化算法优化支持向量回归的回归参数（FOA—SVR）,选择“bspline”核函数,对于边坡训练样本不做归一化处理,通过训练来对边坡稳定性进行预测,并且利用MATLAB编程将上述算法可视化,开发出了基于FOA—SVR的边坡预测软件。算例的计算结果显示,预测值和实际值一致,算法精度较高,而且软件系统稳定,界面简洁,具有很强的实用性。     

基于熵技术的公共事业费最优组合预测

本文采取了一种基于支持向量机的预测方法对公共事业费的支出情况进行了预测。计算结果证明,这种方法与传统的方法相比,具有更好的泛化能力,可以使神经网络方法出现的过拟合、网络结构难以确定等问题得到有效地解决,因而该方法可以作为一种新途径用于研究此类问题。