基于IOWA算子的组合预测模型在航空客运预测中的应用

航空客运的发展是多种因素的综合结果,单项预测模型只是反映了这些影响因素的一个方面。在因素分析的基础上,利用基于诱导有序加权平均(IOWA)算子的组合预测模型对不同单项预测方法进行了组合,并对应用效果进行了对比和分析,说明了使用动态组合系数模型在航空客运预测中是合适的。     

组合预测法在我国汽车市场需求预测中的应用

组合预测理论是对同一个预测对象采用不同的单项预测模型,并对各个单项模型施以适当权重。因而,利用多个单项预测模型有效组合更多有用的信息资源,使组合预测模型具有较高的预测精度和预测稳定性,能比较合理地描述系统的客观现实。依据中国民用汽车保有量1985-2003年的历史数据及汽车市场需求系统的复杂特性,分别采用灰色系统、多元回归、三次指数平滑方法建立单项预测模型。根据组合预测理论建立中国汽车市场需求组合预测模型;运用组合预测模型对我国汽车市场的未来需求进行了预测。     

道路交通流短时预测方法研究

由于交通流数据具有高度的复杂性和非线性特性,如何提高交通流预测的精度一直是智能交通系统研究的重要课题。本文在分析交通流预测的几种主要模型的基础上,提出了一种将混沌理论、神经网络和卡尔曼滤波技术组合的短时交通流预测方法,并论述了该预测方法的基本原理。     

销售组合预测模型构建及实证分析

销售预测是企业快速响应市场需求的先决条件,精确的销售预测不但有利于提高企业及其产品的竞争能力,减少经营风险,也是企业提高市场应变能力的有效手段.本文构建了组合预测模型,然后运用单项预测模型和组合预测模型对A公司的销售情况进行了预测分析和比较.实践证明,组合预测的预测精度比单项预测更高、可靠性更强,是企业制定生产计划和采购计划的科学依据.     

奶类消费需求组合预测——基于指数平滑法和灰色模型

为了合理预测奶类消费需求量,建立了三次指数平滑和灰色模型两种单项预测模型。鉴于单预测模项型的局限性,提出了以预测偏差平方和(方差)最小为最优化准则的组合预测模型。分析比较表明,组合预测模型具有更高的预测精度和更低的预测误差,能避免各单项预测模型的局限。该组合模型对未来短期的奶类消费需求的预测具有一定的参考价值。     

上海港口货物吞呈量的组合预测

本文以港口货物吞吐量为预测对象,根据港口物流系统的特点及模型特征。选择灰色预测模型、回归模型作为单项预测模型对上述对象分别进行模拟、预测,然后运用组合预测方法预测出上海港口货物吞吐量的未来发展状况,得到了较好的效果。     

上海港口货物吞吐量的组合预测

本文以港口货物吞吐量为预测对象,根据港口物流系统的特点及模型特征,选择灰色预测模型、回归模型作为单项预测模型对上述对象分别进行模拟、预测,然后运用组合预测方法预测出上海港口货物吞吐量的未来发展状况,得到了较好的效果。     

营口港集装箱海铁联运量的预测与发展研究

选取营口港的集装箱海铁联运运量作为研究对象,分析了2015-2019年的海铁联运运量的增减趋势,结合各种预测方法的优劣和适用范围,最终提出了在GM(1,1)、回归模型和三次平滑指数法基础上的组合预测方法。介绍单项预测模型的基本原理的计算公式,并建立符合研究目的和内容的组合预测模型。运用三种不同方法验证2015-2019年的预测值与实际值的相对误差,进而得出各自的方差。采用加权组合预测的方法,对营口港未来五年的集装箱海铁联运运量进行了预测,并根据营口港目前的发展趋势提出发展建议。     

我国果酒需求量组合模型预测研究

果酒是保健类酒,市场潜力巨大。对重庆永川果酒的需求量进行预测,揭示变化规律和发展趋势。运用组合预测模型确定预测的权系数,将常用预测模型有机结合起来,建立果酒需求量组合结构模型,并通过实例分析证实。     

交通流状态辨识系统框架分析

交通流状态辨识是动态交通管理中交通控制和交通诱导措施制定的基础。首先讨论了交通流状态辨识概念,然后分别概述了交通流短时预测和实时检测的内容和常用方法,最后遵循动态交通管理的基本思想,以交通事件管理为基础,探讨交通流状态辨识的系统框架。     

基于Stacking集成学习的Lasso-GBDT组合房价预测模型研究

房地产行业是我国国民经济的重要组成部分，关乎国计民生。房价预测的准确性与稳定性，对政府、开发商和广大市民均具有重要的现实意义。本文利用网络爬虫方法获取银川市2015年4月至2021年3月安居客房产信息服务平台样本住宅价格数据，分别利用Lasso模型和梯度提升决策树（GBDT）模型对银川市房价进行预测；综合两种预测方法的优点，建构基于Stacking集成学习的Lasso-GBDT组合回归预测模型。通过实例预测结果比较，组合预测模型预测精度均在0.98以上，能有效避免病态数据对拟合程度的影响，较单项预测模型有更高的准确性和稳定性。     

基于趋势组合的我国煤炭需求预测模型研究

煤炭资源是我国第一大能源资源,准确地预测煤炭需求动态趋势,对于保障能源供需平衡和规避能源供给风险,促进我国经济社会可持续发展具有重要意义。由于煤炭消费具有非线性和不确定性特征,任何单项煤炭需求预测模型都不能较好地拟合煤炭需求的变动趋势,进而导致预测精度偏低。本文利用ARMA模型拟合其不确定性趋势,紧紧围绕我国煤炭实际消费的非平稳变动特征,通过趋势外推模型拟合煤炭需求的确定性趋势;建立了基于趋势组合的我国煤炭需求预测模型,该模型运用表明其实用性和精确度都好于已有的组合预测模型。     

灰色关联度极大化组合预测模型在区域人才需求预测中的应用

本文根据灰色关联分析的基本思想,以灰色关联度最大为组合预测模型权系数的确定准则,适合于历史资料稀少的情况。该方法运用到区域人才需求预测中,可取得良好的预测效果。     

基于组合模型的我国税收收入预测分析

本文在ARIMA和GM(1,1)模型基础上,利用我国经济发展数据建立一个组合预测模型,并把它应用于我国税收收入的预测.所得结果误差优于两个模型的分别预测,表明组合预测模型在税收收入数据的预测中更有优势.最后据此组合预测模型对2009年中国税收收入进行了预测分析.     

最优组合预测在股指预测中的应用

在股票市场中,股票价格指数体现着股票市场的整体走势,因此对股指进行预测具有重要的理论研究和现实意义。采用一次移动平均、一次指数平滑和人工神经网络预测模型。对上证指数数据进行的预测结果表明,线性规划最优组合预测模型预准确度和精度要优于一次移动平均和一次指数平滑预测模型。线性规划最优组合预测模型可运用于股票价格指数的预测之中,提高预测准确度和精度。     

经济管理中常用预测模型的应用及比较分析

本文研究了经济预测中常用的逐步回归分析模型、偏最小二乘回归分析模型,BP神经网络分析模型,灰色预测GM(1,1)模型和组合预测模型在经济预测中的应用,比较了他们的优缺点,便于管理者在实际应用时对模型进行选择.     

对交通流预测模型的理论分析，深化社区警务

交通流预测在智能交通系统中发挥着越来越重要的作用，包括交通信号的实时控制、路径分配及疏导、自动导航、检测交通事故等。本文分析了交通流短期预测模型应具备的特性，讨论了基于统计方法的模型，交通仿真模型、基于动态交通分配的模型、非参数回归模型和神经网络模型五种主要模型的结果和精确度。     

环渤海动力煤价格指数预测研究

环渤海动力煤价格指数素有"煤炭价格风向标"之称。本文运用EMD-ARMA组合预测模型对环渤海动力煤价格指数进行预测,通过与ARIMA、神经网络和灰色预测三种方法预测结果的比较,得出EMD-ARMA组合预测模型预测精度更高,更适合预测环渤海动力煤价格指数。最后基于研究结论,提出了促进我国煤炭行业稳定发展的对策建议。     

基于PLS的组合预测模型及其应用

本文运用组合预测理论,利用偏最小二乘回归方法建立了基于灰色预测模型GM(1,1)、2阶自回归模型AR(2)和龚伯兹曲线模型的组合预测模型,并对农业贷款需求进行了预测。     

组合预测模型在期货预测中的应用——基于灰色关联度

基于传统的GM（1,1）灰色预测模型,为了综合运用新老信息,采用等维递补的方法得到单个灰色预测模型,然后基于改进的灰色关联度这一相关性指标来确定权重,提出了一种组合预测模型.应用该模型对菜粕期货价格进行预测,预测结果表明该模型是有效的.