基于改进GM(1,1)的CPI灰色预测模型

根据我国2008年1至12月份的CPI数据,建立基于改进GM(1,1)的CPI灰色预测模型,并对2009年1月份CPI进行预测。     

一种新的卫星通信网流量预测算法

在通信网络的设计中,使用基于流量预测的网络规划已成为LTE发展的必然趋势。与 地面网络不同,卫星网络由于受资源受限和拓扑时变的不利影响,其流量预测算法必须能兼 顾精度和效率,这令传统的地面网络预测方法已不再适用。为了解决以上问题,提出了一种 新的基于小波回声状态网络的流量预测算法,该算法通过小波多尺度分解的信号处理方法屏 蔽了网络流量的噪声,而后结合了无反馈的回声状态网络联合进行预测。仿真证明,新算法 相比传统算法能大幅提升网络流量的预测精度和运行效率,为卫星网络的流量规划提供了 强有力的决策支持。     

基于季节ARIMA模型的安徽省CPI预测

以安徽省CPI月度数据为样本数据,利用Eviews6.0软件,建立乘积季节预测模型,并用该模型预测安徽省未来三个月的CPI指数,结果比较真实、能准确地反映安徽省CPI变化趋势。     

福建省居民消费价格月度同比指数的预测与预警研究

利用2003年7月至2017年3月的福建省居民消费价格月度同比指数CPI,建立了预测模型,得到了若干结果:(1)过去165个月CPI平均值为2.5194,具有36.33个月的循环变动周期;(2)预测得到2017年4月至2018年3月的12个月CPI数值;(3)2017年4月至2018年3月CPI都在[0.40,1.46)区间内、位于低轻警区间;(4)指出了研究结果的政策含义。     

基于商品期货价格的通货膨胀预测研究

利用商品期货价格对中国通货膨胀进行了实证分析和预测。研究发现,大宗商品期货价格对PPI和CPI的变动具有显著影响。回测结果表明,模型对PPI和CPI的短期预测能力相对良好,对中长期预测的误差虽有增大,但预测走势与实际走势大体一致。在此基础上对下一步通胀走势进行分析后发现:2022年PPI将呈现逐步回落趋势;短期内CPI有小幅上升的可能,未来一年内将回落至较低水平震荡。由于期货价格无法预测到中长期产业政策变动,因此预测模型无法捕捉到个别月份的大幅波动,但在趋势判断上仍有一定参考价值。     

基于隐马尔科夫的居民消费价格指数预测

本文引入隐马尔科夫模型对CPI波动进行分析,并结合中国2000年1月至2009年5月实际数据进行建模,结果表明该模型不仅能够准确预测CPI的数值,还能预测未来CPI可能的概率分布,对于宏观经济预测分析具有一定的借鉴意义.     

消费者信心指数与CPI分类指数的关联分析

消费者信心指数(CCI)作为预测经济走势和消费趋向的先行指标,对居民消费价格指数(CPI)具有一定的预测能力。本文运用协整分析、Granger因果检验及脉冲响应函数等方法,实证分析了CCI与CPI之间的相关关系。实证结果表明,CCI和CPI及各CPI分类指数之间存在长期一致的均衡关系。因此,在测定CCI对价格的预测能力时,不仅应针对CPI指数,更应该针对具体的CPI分类指数,以便更好地发挥CCI预测经济走势和消费趋向的功能。     

靶场测控装备状态及故障预测方法

靶场测控装备的管控与状态预测对于确保靶场试验任务的顺利开展有着重要的意义,也是状态/故障处理研究领域的发展方向。结合装备结构关系网络,通过对状态信号的分析,给出了靶场测控设备单元的状态预测方法。依据电子元器件寿命规律,结合状态异常出现的分布函数,重点构建了离散型状态变量的预测模型,提出了相应的预测流程和方法。仿真计算表明,提出的状态及故障预测模型和方法有效,可为提高任务期间装备的可靠性提供判断依据。     

我国CPI预期实证分析

本文运用ARIMA模型对我国2006年1月到2014年2月的月度CPI数据进行实证分析,建立了一个相对误差不超过1%的与预测模型。最后,本文对2014年3月到6月的CPI数据进行预测。     

基于改进型深度学习的流量预测

为了解决无线网络中流量的预测精度不高的问题，提出了一种自适应分组的栈式自编码(AG-SAEs)深度学习预测方法。在数据的预处理过程中，首先使用最大最小方式对数据进行归一化处理，并提出一种新型的自适应分组方法，把归一化后的链路数据进行关联性分组；然后，基于深度学习方法建立了一个多输入多输出的预测模型，并将分组后的数据输入到预测模型中，对该模型进行训练来建立输入和输出流量之间的映射关系；最后，为了进一步提高预测精度，在模型的训练过程中，使用改进型的牛顿法来进行权值参数更新。仿真实验以及和其他算法对比的结果证实了所提方案具有更小的预测相对误差。     

我国CPI预期实证分析

本文运用ARIMA模型对我国2006年1月到2014年2月的月度CPI数据进行实证分析,建立了一个相对误差不超过1%的与预测模型。最后,本文对2014年3月到6月的CPI数据进行预测。     

基于加性模型与灰色预测的加权预测法对我国CPI的预测

C2GS2型加性DEA模型可预测有效输出,因而可用来研究数列变化的上界。本文通过采用C2GS2型加性DEA模型GM(1,1)模型、以及对数列变化下界的研究,用加权法对我国CPI进行预测,预测结果较为准确。     

基于组合预测模型的水果产量的研究

水果产业是关系国计民生的重点产业。科学、准确地预测水果产量对水果产业发展具有重要的意义。为了更准确地预测我国水果产量,本文尝试把各种常用的预测模型结合起来,建立组合预测模型。结果表明,此模型对于水果产量的预测有明显的改进作用,能对水果产量进行有效的预测。     

基于灰色系统理论的国家外汇储备总额预测

采用灰色系统理论的预测方法,以2007年10个月的国家外汇储备总额为基础数据,调用Maple函数,简捷的导出了国家外汇储备总额的预测模型,并在此基础上对国家未来外汇储备总值进行了预测。     

基于LSTM深度学习的大豆期货价格预测

面对越来越复杂的金融市场环境,以传统统计学和计量学为主的时间序列预测模型在发现序列中的长期依赖关系方面存在一定局限性,而深度学习中的长短期记忆(LSTM)网络有望克服这一问题。通过构造一个多层LSTM网络价格预测模型,使用中国2007—2019年大豆期货价格数据进行了实证研究。结果显示,参数调优对LSTM网络模型预测效果有着较大影响,其中影响较大的主要参数包括迭代次数、学习率、窗口大小和网络层数等;与ARIMA模型、MLP模型、SVR模型相比,LSTM网络模型的预测结果准确性更高,在拟合优度(R-2)上分别提高了1.064%、2.147%、1.674%。LSTM网络模型在价格预测方面的良好表现,为预测大豆期货价格提供了新思路。     

基于组合预测模型的水果产量的研究

水果产业是关系国计民生的重点产业。科学、准确地预测水果产量对水果产业发展具有重要的意义。为了更准确地预测我国水果产量,本文尝试把各种常用的预测模型结合起来,建立组合预测模型。结果表明,此模型对于水果产量的预测有明显的改进作用,能对水果产量进行有效的预测。     

自组织FPNN在宏观经济预测中的应用

论文针对经济预测通常表现为复杂的非线性这种特性,提出了一种基于自组织过程神经元网络(FPNN)和改进的BP神经网络建立的经济预测模型方法。自组织过程神经元网络(FPNN)由输入层、竞争层和输出层组成。FPNN筛选出对因变量(网络输出)最有影响作用的变量(自变量)之后作为改进的BP算法网络的输入节点,再用进行学习。该模型不仅克服了时间序列预测模型只能进行线性预测的不足,而且还避免了传统神经网络的固有缺陷。以2001年到2004年国内生产总值作为预测分析样本,并对预测结果和实际值进行了比较分析,结果验证了该方法的有效性。     

RFID技术发展趋势预测研究

针对射频信号自动识别(RFID)技术发展受多种因素影响,变化趋势复杂,难以通过建立准确的数学模型进行预测的问题,本文提出了灰色动态模型对射频信号自动识别(RFID)技术发展趋势进行预测,在此基础上构造了灰色神经网络组合预测模型。该模型避免了变权组合预测模型的主观与繁琐,能有效地将灰色预测弱化数据序列波动性的优点和神经网络较强的非线性适应能力相融合。算例结果表明该方法的可行性和有效性,预测精度也得到了改善。     

灰色系统理论在产品失效时间预测中的应用

运用灰色系统理论,对产品失效时间建立GM(1,1)预测模型,并进行了预测,由计算结果表明该预测模型具有较好的预测精度。     

社交网络在电子商务中的应用研究

随着智能手机的普及，造成了大量的低头族,由此社交网络上产生了大量离散化、群体化的数据，吸引了各领域专家和学者、特别是电子商务专家对其进行研究和探索，SNS作为新的营销模式应用于电子商务网站已经取得初步成果,社交网络电子商务（ESN）正是基于社交网络内容及用户基础之上发展的电子商务。