"碳达峰"目标下中国碳排放强度预测——基于LSTM和ARIMA-BP模型的分析

本文基于LSTM神经网络模型并在一定的经济增长预期下推导预测出我国碳排放强度变化趋势,同时,建立ARIMA-BP神经网络模型作为验证模型对碳排放强度进行直接预测。研究结论为:(1)LSTM神经网络模型在验证集上的均方误差(MSE)为0.00001,平均绝对百分比误差(MAPE)为0.33%,表明模型泛化能力十分优秀,在LSTM神经网络模型预测框架下,中国碳排放强度将在2030年达到0.9237吨/万元,相较于2005年的碳排放强度2.9755吨/万元下降68.96%;(2)在ARIMA-BP神经网络模型的预测分析中,预估中国2030年碳排放强度能够下降至0.9840吨/万元,相较于2005年2.9755吨/万元的碳排放强度下降66.93%;(3)将ARIMA-BP神经网络模型得到的碳排放强度预测值与LSTM神经网络模型进行对比,LSTM模型在预测精度上的表现更佳,两个模型对于2030年碳排放强度值的预测相差0.0603吨/万元,对于碳排放强度较2005年降幅预测相差2.03个百分点,验证了本文预测模型的稳健性。     

中国省际碳排放预测及达峰情景模拟研究

中国不同省级的碳排放量呈现明显差异。文章采用STIRPAT模型分析得到碳排放影响因素，运用遗传算法优化的极限学习机模型和中国30个省（自治区、直辖市） 1997—2020年的面板数据，对不同发展情景下中国30个省（自治区、直辖市）未来20年的碳排放量进行了预测分析，并将预测结果和误差指标与ELM、BP、GWO-SVM模型进行对比。同时，文章以行政区域为单位划分东北、华北等7个区域进行碳达峰、碳减排能力分析。研究结果显示：使用遗传算法改进的极限学习机模型可以克服ELM模型容易陷入局部最优解的缺点，获得更高的预测精度；在绿色发展情景下中国7个区域均能在2030前实现碳达峰。     

城市轨道交通客流预测的评估和抗风险设计

客流预测是城市轨道交通建设的基础性工作,没有客流预测城市的轨道交通建设将无从展开。本文对客流预测的内容、目的和作用;客流预测值的评价要求和应用;客流预测风险的分析和抗风险设计等几个方面进行了探讨。运用客流预测方法和抗风险设计理论,提出了抗风险设计的要求范围。     

基于残差自回归方法的短期区域用电量预测

基于我国区域用电量数据展开了短期用电量预测研究,采用了基于残差自回归方法的时间序列预测模型,有效提高了短期区域用电量预测准确性。相比于传统的时间序列模型(ARIMA模型和Holt-Winters模型),基于残差自回归方法的时间序列预测模型的MAPE值和RMSE值均最小,并在两个不同的数据集上表现平稳。     

仿射模型在银行间国债市场的价格预测研究

文章对两因子仿射模型在银行间国债市场的预测能力进行了实证检验,结果表明,模型对于3-4个月内剩余期限在7年期以下的品种预测误差较小,可信度较高。利用该预测方法,构建了基于极大似然框架的预测效果指标,证实了模型参数的稳定性较好。在归因分析的基础上,又构建了自适应的模型预测误差修正方法,这一方法对于预测期在4个月以上的中短期国债的预测误差修正效果最为显著。     

基于时间序列分析的单日地铁短时客流量预测研究

在以往的各种客流量的预测中，利用时间序列分析方法，预测未来阶段的客流量，都取得了较好的效果。纵观以往的各种客流量预测，都是对日客流量、月客流量、年客流量等宏观的方面进行预测研究，在此基础上，若将单日客流量划分为若干个时间节点，从微观层面将各节点客流量作为单位进行客流的分析预测，以此来预测下一时刻客流量的变化规律，由此可为地铁的预警提供依据。本研究以北京某地铁站两个圊一工作甘的客流量作为研究对象，以15分钟为单位进行时阐段的客流量采集，建立时阈序列，通过已知数据对下一时间点（15分钟内）客流量进行预测，并针对同一工作日的数据进行实证捡验。根据预测结果分析，验证了时闻序列分析在地铁短时客流量预测中应用可行性，以及得出了同一工作日利用同一模型进行预测分析的准确性。     

法玛—弗兰奇五因子模型的动态分析*

本文采用动态模型平均（dynamic model averaging,DMA）算法对法玛—弗兰奇五因子模型（Fama French five factor model,FF5模型）进行了系统性研究。基于法玛和弗兰奇（Fama and French）的数据,笔者所进行的实证分析表明：资产定价模型因子对投资组合收益的预测能力和系数是随时间动态变化的;不存在固定的因子模型能够同时解释和预测多种投资组合的收益;在对投资组合收益率进行预测时,DMA算法的预测均方误差（mean square error,MSE）显著低于固定系数的FF5模型。     

基于多造价信息限制的工程造价估算模型研究

文章提出了一种多造价信息限制的工程造价估算模型,选择建筑造价估计限制属性变量,构建特征因素模糊限制集,采用隶属函数描述建筑特征的相似度,获取建筑特征因素的量化值,得到模糊限制因子集的隶属度,运用模糊算法的工程造价估算模型进行反复多次迭代计算,运算出最优解。比较BP神经网络算法和本方法的均方误差(MSE)以及平均绝对误差百分率(MAPE)评价参数,结果表明,文章建立的工程造价估算模型的估算更加准确,具有更好的实用价值。     

股指期货套期保值理论及模型的演进与实证研究

将对股指期货套期保值策略进行比较全面的理论和实证研究。首先,概述了股指期货套期保值的相关理论,综述了套期保值的关键环节是最优套期保值比率的确定的相关的模型;其次,运用协整等分析方法,采用最小二乘回归模型（OLS）、向量自回归模型（VAR）、误差修正模型（ECM）、广义自回归条件异方差模型（GARCH）,分别对中国沪深300股指期货最优套期保值比率进行了实证研究,并对各模型的套期保值绩效做出了评价,得出ECM模型是最优的,是最适合中国沪深300股指期货的套期保值率估计模型。     

家用汽车需求预测

本文首先用定性预测方法分析了家用汽车需求的主要影响因素，论证了其平稳增长的特性。然后用定量预测方法，在灰色系统模型等单一预测模型的基础上，引入了组合预测模型，通过使组合预测误差平方和最小，得到了各个单一预测方法的权重系数，建立了最优组合预测模型。对预测结果进行对比分析，验证了最优组合预测方法的准确性。最后运用所建立的最优组合预测模型对家用汽车在最近几年的需求量进行了预测。     

基于最优组合预测模型的港口集装箱吞吐量预测

根据港口集装箱吞吐量非线性增长等特点,建立了三次指数平滑预测模型、灰色系统预测模型及BP神经网络预测模型等单项预测模型。鉴于单项预测模型的局限性,提出了以测试数据的预测误差绝对值加权和最小为最优化准则的最优组合预测模型,采用线性规划的方法确定最优组合的权系数。最后,给出一个实例进行应用和分析。     

中国废水排放量趋势预测——基于任务相关性的机器学习方法

中国的水污染是一个非常严重的问题,为了控制水污染,对中国未来废水排放量进行准确预测具有十分重要的意义。从影响废水排放量的潜在变量中筛选出GDP、人均GDP和产业结构三个关键预测变量,采用1998—2017年中国省域数据和基于任务相关性的机器学习方法对各省份废水排放量趋势进行预测。实验结果表明,所建立的预测模型能够保持线性回归模型的可解释性,并获得较高的预测精度(RMSE、MAE和MAPE分别为0.0882、0.0643和0.5533)。预计全国年废水排放总量2025年最低将达到9081209万吨,最高9903864万吨;2030年最低将达到10864311万吨,最高13081922万吨。政府部门可根据预测结果制定废水减排计划和经济发展规划,在发展经济的同时维持生态环境的平衡。     

基于时间序列分析的单日地铁短时客流量预测研究

在以往的各种客流量的预测中,利用时间序列分析方法,预测未来阶段的客流量,都取得了较好的效果.纵观以往的各种客流量预测,都是对日客流量、月客流量、年客流量等宏观的方面进行预测研究,在此基础上,若将单日客流量划分为若干个时间节点,从微观层面将各节点客流量作为单位进行客流的分析预测,以此来预测下一时刻客流量的变化规律,由此可为地铁的预警提供依据.本研究以北京某地铁站两个同一工作日的客流量作为研究对象,以15分钟为单位进行时间段的客流量采集,建立时间序列,通过已知数据对下一时间点(15分钟内)客流量进行预测,并针对同一工作日的数据进行实证检验.根据预测结果分析,验证了时序列分析在地铁短时客流量预测中应用可行性,以及得出了同一工作日利用同一模型进行预测分析的准确性.     

大石桥市兴隆集团彩电产品销售量的预测和分析

以大石桥市兴隆集团为研究对象,采用移动平均和GM(1,1)模型两种预测方法,对大石桥兴隆商城彩电产品的销售量进行预测。结果表明,这两种方法的预测结果均比较准确,但从误差精度来看,GM(1,1)模型要优于移动平均法。研究结果可为大石桥市兴隆集团及同类企业产品销售预测提供参考。     

经济开放对中国就业的长期和短期影响效应——基于跨省面板数据的协整与误差修正模型的再检验

文章基于1996—2007年的省际面板数据,采用面板协整和面板误差修正模型的计量方法就经济开放对我国国内就业的长期和短期影响效应进行了深入的实证分析,研究结果表明：（1）出口是就业增长的长期和短期原因,且长期的拉动效应更大;进口在长期和短期对国内劳动力都具有替代效应,且长期的影响弹性较小;外资是就业增加的长期原因但其对就业的影响效应很弱;（2）出口、进口和外资对就业变化的平均贡献度分别为12.994%、-4.051%和0.392%,总体的经济开放因素对就业变化的平均贡献度为9.336%,且贡献度的变化趋势表现为倒＂U＂型。     

失业风险预警系统研究

基于我国29年的历史数据,采用BP神经网络模型对我国的失业风险预警问题进行研究。结果表明,神经网络方法在失业风险系统中具有优良的预警效果,其对失业风险综合警情值的预测误差小于3％。相对于景气分析预测法、时间序列分析、灰色预测模型以及回归预测模型等技术,神经网络方法不仅具有良好的预测精度,同时还具备较强的容错能力和泛化能力。因此,在构建我国的失业风险预警系统中,神经网络模型应该是一种被优先考虑的方法。     

城市轨道交通客流预测浅析

本文针对当前城市轨道交通规划客流预测中存在的问题,分析了目前主流预测模型理论及影响预测精度的原因,对城市的客流预测进行了深层次的思考。     

不同估计模型最优套期保值比率绩效研究

本文主要介绍了在最小方差思想下最优套期保值比率的估算方法,分别用OLS、双变量自回归模型、误差修正模型,以及ECM—GARCH模型4种方法对最优套期保值比率进行了估计。结果显示,由于数据没有集群效应,故ECM-GARCH模型不合适,在前3个模型中用误差修正模型得到的套期保值效果最好。     

中国会展客流的空间格局与影响因素

基于大众点评网络平台的会展大数据挖掘,运用GIS空间分析、复杂网络等研究方法,对中国会展客流的空间格局与影响因素进行研究。研究表明:①中国会展客源主要分布在上海、北京、天津、深圳等少数大城市,在空间上呈"东多、西少""大分散、小集聚"的分布特征,长三角、京津冀、珠三角地区是中国会展客源市场的三大集聚区。②中国会展客流形成了以上海、北京、广深、成渝为中心的菱形空间结构,会展客流总体上表现出明显的距离衰减特征,82.05%的游客流动距离集中在0～50 km范围内。③中国会展客流网络呈现出以上海为核心,以北京、杭州、深圳为次核心的层级结构,表现出明显的小世界效应。④会展发展水平、会展发展规模、商业发展状况、经济发展水平是影响中国会展客流空间的主要因素,其中,会展发展水平是首要因素。     

发电量的时间序列模型构建及实证分析

主要研究乘积季节模型在中国发电量预测中的应用,通过对中国发电量1992年1月至2009年12月共216个月份的月度资料来进行实证分析。首先采用差分方法对序列资料进行平稳化,然后进行模型定阶并估计其参数,建立一个中国发电量的乘积季节预测模型ARIMA（4,1,0）×（1,1,1）12。接着对模型进行诊断检验,结果都表明,用该乘积季节模型对中国发电量的拟合效果较好。最后,利用此模型对中国2008年发电量的趋势进行了预测。