基于GMDH方法的四川民用汽车保有量预测研究

文章针对四川民用汽车保有量原始数据较少的特点,应用GMDH方法建立预测模型对其进行了预测分析,并通过与传统的回归和人工神经网络模型预测结果的比较说明GMDH方法是汽车保有量等复杂经济系统变量小样本预测的一条有效途径。     

四川省六大工业城市成本费用利润率组合预测研究

文章综合利用统计数据建立成本费用利润率指标的AC—GMDH组合预测模型,预测四川省六大工业城市(成都、攀枝花、德阳、绵阳、乐山、宜宾)2007年4季度至2008年1季度成本费用利润率,并根据预测结果来分析成本费用利润率未来的景气变动趋势。     

变权组合模型在货运量预测中的应用

文章采用变权组合模型对货运量进行预测.首先阐述了变权组合预测模型的基本原理,构建出以每个样本点处误差绝对值最小为原则的变权组合模型,并对求解过程进行一些改进;然后分别选择单项模型、定权组合预测模型以及变权组合预测模型预测上海市2002～2013年货运量,再对变权组合预测模型的预测精度进行检验;最后运用该模型预测上海市未来5年货运量.     

组合灰色预测模型对物流需求预测效果的分析

在线性回归与GM(1,1)组合模型对物流需求量预测,可取得优于单方法预测效果的前提下,将线性回归法运用到与DGM(1,1)模型进行组合,检测该组合灰色预测模型对物流需求量预测效果。通过对国内2001-2012年物流需求量历史数据的分析,发现组合灰色预测模型的预测效果优于线性回归模型,但低于DGM(1,1)模型,最后利用线性回归模型、DGM(1,1)模型、简单平均组合模型和组合灰色预测模型对国内2013-2017的物流需求量进行了有效预测。     

组合灰色预测模型对物流需求预测效果的分析

在线性回归与GM（1,1）组合模型对物流需求量预测,可取得优于单方法预测效果的前提下,将线性回归法运用到与DGM（1,1）模型进行组合,检测该组合灰色预测模型对物流需求量预测效果。通过对国内2001-2012年物流需求量历史数据的分析,发现组合灰色预测模型的预测效果优于线性回归模型,但低于DGM（1,1）模型,最后利用线性回归模型、DGM（1,1）模型、简单平均组合模型和组合灰色预测模型对国内2013-2017的物流需求量进行了有效预测。     

GMDH网络在短期负荷预测中的应用

文章提出基于自组织方法的GMDH(Group Method of Data Handling)型神经网络并将它应用于短期负荷预测.与一般的前馈神经网络不同,GMDH网络的结构确定于训练过程之中,因而可大大提高神经网络性能.它能充分、合理地利用数据,自动进行变量组合,筛选及判断从而得到合适的模型,特别适用于数据预测.将这种用自组织方法所构成的GMDH型神经网络应用于广西某地区电力局的短期负荷预测,采用Matlab6.5进行仿真实验,证明其在短期负荷预测方面有很好的应用前景.     

基于组合灰色预测模型的物流企业运营成本预测

运营成本预测是物流企业制定企业发展战略的基础。文章基于GM(1,1)模型、Verhulst模型和SCGM(1,1)c模型建立组合灰色预测模型,运用预测有效度方法确定组合预测模型的权重系数,对物流企业运营成本进行预测。选用P物流企业2000—2009年的运营成本实际值作为原始数据,利用各预测模型预测2010—2012年物流企业运营成本。预测结果表明,组合灰色预测模型比单一预测模型具有更高的预测精度。在验证组合灰色预测模型可行性的基础上,进一步预测物流企业2013—2017年运营成本,为成本预测及相关领域提供理论及方法借鉴。     

GMDH网络在短期负荷预测中的应用

文章提出基于自组织方法的GMDH（Group Method of Data Halldlin亩型神经网络并将它应用于短期负荷预测。与一般的前馈神经网络不同,GMDH网络的结构确定于训练过程之中,因而可大大提高神经网络性能。它能充分、合理地利用数据,自动进行变量组合,筛选及判断从而得到合适的模型,特别适用于数据预测。将这种用自组织方法所构成的GMDH型神经网络应用于广西某地区电力局的短期负荷预测,采用Matlab6．5进行仿真实验,证明其在短期负荷预测方面有很好的应用前景。     

基于组合模型的用电量预测方法研究

电力是经济发展的保障,对用电量进行科学合理的预测是安排电力生产、电站建设的前提。文章基于灰色和时间序列预测模型,建立组合模型,经验证,组合模型预测精度较单一预测模型有一定程度的提高,最后利用组合模型对湖南省2010-2015年用电量进行预测。     

基于IOWA算子的灰色—多项式组合模型在武汉市物流需求预测中的应用

针对2002～2009年武汉市物流需求的数据,采用灰色GM 1,1模型和多项式拟合模型两种单项预测模型对数据进行建模预测。并结合组合预测理论,采用基于IOWA算子的组合预测模型进行预测,结果表明基于诱导有序加权平均算子的组合预测模型的预测精度明显高于两种单项预测方法,说明了该方法用于物流需求预测的可行性和有效性,并在此基础上对2010～2012年的武汉市物流需求作出预测。     

基于熵权灰色组合预测模型的区域能源需求预测研究

本文在充分考虑传统GM(1,1)模型所存在缺陷的基础上,结合灰色预测模型的最新理论成果,提出了基于GM(1,1)模型,新陈代谢模型,离散DGM模型三种灰色预测模型的组合预测模型,采用熵值法来确定组合预测模型中各单项方法的权重,并以湖北省为例,对湖北省2001-2010年能源需求总量进行实证研究,结果表明基于灰色组合预测模型的预测精度明显高于三种单项预测方法的精度,证明了该模型用于区域能源需求预测的科学性和有效性,在此基础上对2011-2015年湖北省能源需求进行了预测。     

几种无偏组合预测模型的分析

一、引言 对于同一预测问题,可以建立多个预测模型或由不同专家作出不同的预测。组合预测是以一种简单、实用和有效的方式综合各模型或专家预测的信息,以产生更好的预测效果。Bates和Granger(以下简称B-G)提出的组合预测模型是对可选的多个单项预测模型加权平均。记随机变量y_t的n个单项预测模型为、f_(it),B-G组合预测模型表示为     

建筑物沉降的组合预测模型应用研究

提出采用组合模型预测建筑物沉降,并以常用的三种建筑物沉降预测模型组成组合模型进行了计算分析,结果表明组合预测模型具有较高的预测精度,值得推广应用.     

结合GMDH算法与AC算法建模的汇率预测

汇率波动预测是金融市场的一个重要课题,本文结合GMDH算法(分组数据处理算法)和AC算法(相似体合成算法)建立模型用于预测汇率市场的波动。首先用相似体合成算法选择与当前时期有相同特征的相似体,再用分组数据处理算法将相似体进行加权组合,选择最优模式,用于预测当前时期的发展趋势。实证结果表明,此组合模型的预测效果较好。     

基于自组织数据挖掘的电子商务客户流失预测模型

为解决电子商务客户流失预测中的高维、非线性问题,本文将自组织数据挖掘理论(SODM)引入客户流失预测,提出一种新颖的基于自组织数据挖掘的电子商务客户流失预测模型。该方法将自组织数据挖掘中的客观系统分析算法(OSA)和改进分组数据处理网络(GMDH)集成起来进行电子商务客户流失预测。首先利用OSA算法选择出重要的电子商务客户流失关键属性,然后将训练样本送入改进GMDH网络进行学习和训练,进而对测试样本客户流失状态进行判别。将该方法应用于某网上商店客户流失预测实证分析,预测结果验证了该方法对包含多种因素影响的电子商务客户流失预测具有优势,基于自组织数据挖掘的电子商务客户流失预测模型具有较强的实用性和可操作性。     

基于组合模型的某农场电商生鲜农产品需求预测研究

为实现某农场生鲜农产品需求量的精准预测,文章基于Sharply值权重分配法构建ARIMA-SVM组合预测模型,并采用误差分析等方式证明预测方法的可行性、有效性。结果表明：Sharply值组合预测模型克服了ARIMA模型与SVM模型在局部区间内预测精度欠佳的弊端,能够应用于生鲜农产品需求量完整性、可靠性的需求量预测;组合模型的预测结果可以为农场生鲜农产品产销提供理论指导。     

基于IOWA算子的我国社会消费品零售总额的组合预测

为了准确判断我国的消费形势,选取我国2000-2018年的经济月度数据,首先基于机器学习的方法分别构建随机森林、支持向量机和BP神经网络三个单项预测评价模型对我国社会消费品零售总额进行预测,由于单项预测方法存在自身的优势与限制条件,于是引入了基于误差平方和最小的诱导有序加权算术平均(IOWA)组合预测模型,结果表明:组合预测模型各种预测误差均小于单项预测模型,说明文中构建的IOWA组合预测模型预测性能优越,具有较好的运用前景。     

广义加权对数平均组合预测模型的性质与应用

针对组合预测模型能够充分利用各种单项预测方法提供的信息,从而具有模拟和预测精度较高的优点,研究和探讨了广义加权对数平均组合预测模型的最优化理论基础及其数学性质,在组合预测模型预测值与单项预测方法预测值的P次幂误差平方和最小的基础上建立了广义加权对数平均组合预测模型,并推导出最优权的计算公式。最后通过实例证明了该模型的有效性和实用性。     

工业用电市场用电量组合预测方法研究

在总结现有用电量预测的主流方法基础上,对工业用电量数据特征进行分析,提出一种新的工业市场用电量预测方法。文章通过分析文献,总结了当前主流预测模型和方法的优势和劣势,从而提出灰色预测和梯度提升回归的组合模型。针对文章建立的模型,使用某地区四年实际用电量数据,与传统灰色预测模型、神经网络模型、单一梯度提升回归模型的预测结果进行对比,发现该组合模型在数据量较少或数据量比较充足的情况下,预测精度和稳定性很高,证明了所建立模型可靠性和有效性。     

基于IOWGA算子的生态足迹组合预测模型研究

随着经济水平的不断发展，我国生态资源与环境正面临着巨大的压力与挑战。作为衡量自然生态资源与环境状况的重要指标，生态足迹的准确预测对于制定自然资源保护与环境治理政策具有重要意义。本文基于2003至2014年安徽省各生物资源及能源消费量，计算了各年人均生态足迹，并采用灰色GM模型、长短期记忆神经网络模型、差分自回归移动平均模型作为单项模型进行预测，建立了基于诱导有序几何加权平均算子（IOWGA）的人均生态足迹组合预测模型，并将组合预测模型与单项预测模型进行比较。结果表明，组合预测模型对人均生态足迹的拟合程度较好，具有较高预测精度。