区域耕地数量变化预测方法的对比研究

研究目的:对区域耕地数量变化预测方法进行对比分析,科学合理确定区域耕地数量。研究方法:通过Pearson相关分析法筛选影响耕地变化的关键因子,利用改进的BP神经网络算法、灰色模型和多元线性回归模型法对费县耕地数量变化进行预测。研究结果:改进的BP神经网络算法相对传统的灰色模型和多元线性回归模型等预测方法具备较高的预测精度。研究结论:改进的BP神经网络算法是进行耕地数量变化预测的较好方法,具有实际指导意义,其预测结果可以为当地相关部门合理地确定耕地保有量、推进耕地保护提供科学依据。     

基于遗传算法改进的BP神经网络房价预测——以重庆市为例

商品房的价格受多方面因素的影响,传统的预测方法并不十分有效。为了探索新的房价预测理论模型,利用重庆市的数据,验证了遗传算法改进的BP神经网络房价预测的有效性,从而可以对房地产供求双方及监管机构提供一定的参考。     

西安市商品房房价影响因素的实证研究——基于多元线性回归模型分析

西安市是我国西北地区典型二级省会城市,不仅历史悠久,而且是我国少有的历史文化旅游胜地,一直保持"全国文明城市"的荣誉称号,是很多人向往的居住之地。本文选取西安市2006~2015年商品房价格作为研究对象,运用多元线性回归模型对其价格影响因素进行实证分析。研究表明影响西安市商品房房价的主要因素有以下四点:商品房销售面积、房地产开发企业住宅竣工房屋面积、居民消费价格指数CPI、新建住宅销售价格指数。     

BP神经网络在耕地减少预测中的应用研究

由于耕地资源的有限性,因此有必要掌握陕西省的耕地面积减少趋势.利用前向多层神经网络的反向传播算法,即BP算法.采用MATLAB软件建立用于预测的BP神经网络,将已知陕西省的耕地资源年减少量通过BP神经网络进行训练,建立陕西年耕地面积减少的时间序列的预测模型.此BP神经网络在对陕西的耕地资源年减少量进行预测时精度较高,可靠性较好.表明BP神经网络用于耕地减少的预报具有一定的可行性.     

新疆棉花产量人工神经网络预测研究

本文运用人工神经网络预测方法,建立新疆棉花产量预测模型,通过与多元线性回归预测误差的比较,说明神经网络预测方法在新疆棉花产量预测上是有效的。     

林产品价格的时间序列分析——以福州贮木场松杉原木价格为例

对福州贮木场松杉原木月价格进行时间序列分析,采用EViews5.0软件所做的实证分析结果表明:福州贮木场松杉原木月价格变化具有非平稳性和弱季节性特点,ARIMA模型对其价格序列具有良好的拟合效果,能够有效地预测其价格动态变化。     

部分线性可加模型在GDP预测中的应用

在全球经济快速发展进程中,我国作为东方大国为全球经济增长贡献巨大的力量,努力发展自身的同时也带动着周边国家的经济增长。经济活跃的直接体现是人均生产总值的不断增加,探究我国人均生产总值的主要影响因素对稳步提高居民生产消费水平具有重要意义。本文选取我国2020年31个省市地区人均生产总值进行建模预测。先对数据进行预处理,参考历史相关文献筛选出8个指标建立多元线性模型,得出粗略的预测结果。为改进预测效果,再使用Lasso变量选择方法筛选出主要影响变量,根据变量间线性相关显著性挑选出线性和非线性影响因素,继而建立半参数部分线性可加模型进行预测,该模型提高预测精度与稳健性,使回归结果在很大程度上得到优化。     

基于RBF神经网络的水产品冷链物流需求预测研究

[目的]水产品是我国农业经济的重要组成部分,冷链物流制约着水产品的可持续发展。为实现水产品供需均衡和物流资源合理配置,有效推进水产品冷链物流行业快速发展,对水产品冷链物流需求进行预测尤为重要。[方法]选取影响水产品冷链物流需求的9个主要因素,运用RBF神经网络模型、BP神经网络模型、多元线性回归模型和GM(1,1)模型对2007—2016年我国水产品冷链物流需求分别进行模拟预测,并对预测结果进行对比分析。[结果]总体上我国居民对水产品的需求量逐年上升,2016年的需求量超过1 600万t,水产品冷链物流需求具有极大的市场空间;在水产品冷链物流需求预测中,RBF神经网络预测结果的残差平均值、相对误差平均值和误差均方根均比BP神经网络、MLR和GM(1,1)模型的预测误差小。[结论]RBF神经网络模型对水产品冷链物流需求的预测精度显著优于其他预测方法,表现出极强的处理非线性系统的能力,说明RBF神经网络模型是预测水产品冷链物流需求的一种有效方法。     

信贷政策调整和房地产价格的动态关系--基于VEC模型的分析

文章从理论角度分析了银行信贷同房产价格间的关系和作用机制,并在此基础上利用2010年1月-2019年6月全国房产价格月度数据建立VEC模型进行实证研究。结果表明,银行信贷和房产价格具有双向因果关系:房价波动对信贷波动具有显著影响,而信贷波动对房价波动影响相对有限。文章认为房价波动通过短期信贷、抵押物价值和银行资本金三种渠道来影响信贷供给。因此,政府在调整信贷政策时需要考虑房价波动的影响。     

石家庄市房地产价格影响因素实证分析

本文基于石家庄市2002～2020年房地产业相关时间序列数据,建立多元回归模型,从需求、供给和政策等方面实证分析石家庄房价的主要影响因素.同时,根据模型预测石家庄市未来五年商品住宅价格的可能区间,为石家庄市房地产业理性发展提供辅助决策依据.     

油田累积产油量统计建模——以河南油田为例

通过对河南油田某些断块累积产油量构建统计模型,证明统计模型在油田产油量预测中应用的有效性。针对研究区内不同区块累积产油量数据的统计特征,分别采用了时间序列分析,多元线性回归分析方法进行研究。结果表明,统计建模方法构建的累积产油量模型能达到较好的模拟效果。     

河南省房价走势预测

本文分析河南省房地产市场的特点和影响房价走势的主要因素,对比已有的房价预测模型,提出用改进的BP神经网络进行预测的模型,为个人和相关部门决策提供理论支持和实践参考。     

土地转入规模对农户收入差距的影响

本文根据山东省聊城市茌平区的实地调研取得的问卷数据,基于多元线性回归模型探究土地转入对农户家庭收入的影响,并将分位数回归模型用于估计农户转入土地的规模对不同收入水平农户的影响,通过比较系数验证收入分配效应。最后基于促进农民增收的角度,提出促进土地流转并支持合作社发展的相关建议。     

基于BP神经网络和小波降噪的沪深300股指期货价格预测

本文在小波去噪的基础上构建了BP神经网络模型,选取了具有代表性的沪深300股指期货来进行价格预测,并对去噪前后的预测结果进行了对比,发现小波去噪后的BP神经网络模型对股指期货价格的预测效果更佳,为短期投资者们提供了一定的决策依据。     

上海市房价影响因素研究——基于供给和需求视角

选取2008～2017年上海市社会经济数据为样本,运用逐步多元线性回归模型从供给和需求角度对上海市商品住宅价格的具体影响因素进行实证分析。结果表明,需求因素中的城镇居民人均消费支出和居民消费价格指数以及供给因素中的住宅竣工面积对房价具有显著影响,供求失衡是造成上海市房价现状的重要因素。文章最后从政府和消费者角度提出了相关建议。     

武汉市房价的空间分布格局及其影响因素分析

本文利用网络爬虫技术搜集武汉市主城区房价样本,采集2014年9月-2015年9月的房价数据和相应的社会经济地理数据。本文首先探索武汉市主城区住宅价格的空间分布形态;然后,根据模型比较选取最优空间模型,并筛选影响房价空间分异的显著性因子。研究结果表明:(1)武汉市主城区房价主要呈现多中心集聚的空间格局。(2)地理加权回归模型比克里格插值和多元线性模型更准确地捕捉房价空间分异特征。(3)总楼层因子,城市中心、轨道交通、主干道、综合商场、基础教育、开敞空间(包括长江、湖泊、公园绿地、城市广场)的可达性因子能够显著影响房价的梯度变化,其影响系数的空间波动也证明影响因子在不同城市区位对房价变化的影响程度的差异性。     

我国粮食产量预测的时间序列模型与应用研究

新中国成立以来,尤其是改革开放的三十年来,我国粮食产量得到大幅度提高,同时粮食生产也呈现出周期性震荡上升态势。本文运用HP滤波分析方法将我国1949—2008年的粮食产量分离为时间趋势序列和波动序列,对趋势序列建立了关于时间t的趋势模型,并拟合估计了我国60年的粮食产量趋势;利用频谱滤波(BP滤波)法估计并拟合了粮食产量的波动周期。利用上述两个模型进行叠加,预测了未来10年我国的粮食产量。     

2008—2020年我国粮食产量的预测分析

改革开放30年来,我国粮食产量大幅度提高。但是粮食生产并不是一个稳定变化的过程,而是呈波动增长的态势。本文首先运用HP滤波分析方法将我国1988—2007年的粮食产量分离为波动序列和时间趋势序列,在此基础上对趋势序列建立了三次抛物线模型。分别利用三次抛物线模型、灰色预测模型以及组合预测方法拟合估计了我国前20年的粮食产量,并分析了三者的拟合精度。结果显示,组合预测模型能够提高预测精度。并利用该方法进一步预测了2008—2020年我国的粮食产量。     

小麦价格波动的时间序列分析

粮食价格波动的成因一直是学术界关注的问题。本文通过对1995年1月至2005年12月全国小麦批发市场月度价格序列的分析，表明所观察的小麦价格序列的分布不符合传统线性回归模型关于独立同方差的假设，其特征比较适合使用ARCH族模型来描述。GARCH（1，1）模型的结果显示，由前期价格代表的存粮情况对现期小麦价格影响显著，前期的高价会引发未来小麦市场较大的价格波动；考察期间两次大的粮食市场改革虽然对短期小麦价格有影响，但并未引发剧烈的小麦价格波动。     

多元线性回归模型在市场比较法中的应用

市场比较法是房地产估价中的最重要的方法。通过收集市场交易案例对房地产价格与其影响因素进行线性拟合得到计算某类房地产价格的通用方程，对拟合交易案例的选择，影响因素的量化，回归模型的建立和解算，房地产价格的确定分别作了具体阐述。