北京市垃圾产生量的预测——基于三种预测模型的比较

文章以2000~2011年北京市垃圾清运量的数据为基础,依次建立线性回归模型、灰色预测模型和BP神经网络模型,并分别利用三种模型预测出2012年的垃圾清运量。通过预测结果与实际数据的对比,得出BP神经网络模型比较适合预测北京市垃圾产生量。最后,文章利用BP神经网络模型预测出了未来10年北京市的垃圾产生量,并根据预测结果提出了结论和建议。     

多元线性回归模型在房地产评估中的应用

主要通过多元线性回归统计模型对房地产的价格进行评估。首先运用统计软件中的SPSS进行线性回归分析建立房地产评估的多元线性回归预测模型,同时对该预测模型进行显著性检验,并进行残差分析检验和异方差性检验,使得该模型具有解决实际问题的意义。最后,说明多元线性回归模型对于房地产评估的实用性。     

BP神经网络和多元线性回归模型对碳排放预测的比较

为帮助钢铁企业了解自身的碳排放情况,更好的实现节能减排,建立BP神经网络和多元线性回归模型对钢铁企业碳排放进行预测分析,以期找到一种精确、实用的碳排放预测模型,为工业化生产提供参考依据,致力于帮助企业做好提前的碳排放预测,掌握自身排放情况,能够更有效的实施温室气体减排,将企业的碳排量控制在国家政策允许的范围内。结果表明：发现两种模型均能有效的对碳排放进行预测,误差均小于5%;BP神经网络模型对碳排放的预测优于多元线性回归模型。     

北京市城乡收入差距的预测和成因分析

城乡居民收入差距不断扩大是我国许多省区面临的重要问题,北京市作为全国的政治文化中心,也面临着同样的难题,并且形势不容乐观。本文依据1990-2010年北京市城乡收入数据,运用SPSS回归分析法,对北京市未来几十年的城乡收入状况进行了预测,然后本文结合相关学者的研究,建立了多元线性回归模型,用1990-2010年相关数据,采用逐步回归法进行回归。并在回归结果基础上,给出了缩小城乡居民收入差距的几点建议。     

北京市城乡收入差距的预测和成因分析

城乡居民收入差距不断扩大是我国许多省区面临的重要问题,北京市作为全国的政治文化中心,也面临着同样的难题,并且形势不容乐观。本文依据1990-2010年北京市城乡收入数据,运用SPSS回归分析法,对北京市未来几十年的城乡收入状况进行了预测,然后结合相关学者的研究,建立了多元线性回归模型,用1990-2010年相关数据,采用逐步回归法进行回归。并在回归结果基础上,给出了缩小城乡居民收入差距的几点建议。     

美元/欧元汇率的组合模型区间预测

利用BP神经网络提取非线性特征,对残差运用广义自回归条件异方差模型分析波动性,最后将趋势与波动性结合给出预测区间。以2001年2月至2017年6月美元/欧元汇率的日收盘价数据为例,研究发现：BP神经网络具有很好的非线性刻画能力,但“过拟合”以及“欠拟合”均会影响预测区间的精度,只有合适的误差大小和精度标准才能得出较好的预测结果;同时也发现广义自回归条件异方差模型能够较为准确地分析波动性,且组合模型优于单一模型,适合中长期的区间预测。     

基于多元线性回归分析的铁路旅客周转量预测研究

分析影响铁路旅客周转量的相关因素,以统计年鉴1994年至2012年数据为基础,运用多元线性回归预测法,结合二次平滑指数预测法,建立铁路旅客周转量与相关数据的预测模型,对2012年至2015年的铁路旅客周转量进行预测。结果表明,模型可以准确预测未来铁路旅客周转量,能够为决策者提供有价值的参考。     

基于多元线性回归模型的黑龙江省人口老龄化影响因素分析

本文从人口老龄化的影响因素出发,选择了8个影响人口老龄化的指标建立多元线性回归模型进行分析。分析结果得出,人口结构指标0-14岁人口数、15-64岁人口数、出生率和衡量人民生活水平的重要指标人均GDP是影响人口老龄化的重要因素。模型的预测准确度较高,将有利于准确地预测黑龙江省人口老龄化的发展趋势,为及时制定社会经济各个方面的应对政策提供可靠的依据。     

一种对指数增长年度用电量的组合预测方法

为有效预测呈指数增长的年度用电量,本文选用了指数函数法、GM(1,1)灰色模型和多元线性回归模型来对年度用电量进行拟合外推预测。通过运用这些方法预测北京年度用电量和对预测结果进行比较分析得到,GM(1,1)灰色模型的实际预测结果往往偏大,指数函数法预测结果可能偏小,而多元线性回归模型虽然考虑了其他因素影响但在实际预测指数增长负荷时参考意义较小。因此,最终选择合适的权重加权组合以上模型得到最终预测值,预测精度较高。     

中国建筑业总产值的多元线性回归分析

在建筑业的企业类型视角下,从国有企业、集体企业、港澳台商投资企业、外商投资企业、其他等5个方面建立建筑业总产值影响因素多元线性回归模型,用2013年中国统计年鉴中2000—2012年建筑业总产值的数据对构建的线性回归模型加以可行性验证,结果显示建筑业总产值与参与建筑业的企业类型存在显著的多元线性回归关系。     

多元旋转自回归条件异方差模型的构建与应用研究——以九种人民币汇率波动为例

本文描述了新扩展的多元旋转自回归条件异方差(RARCH)模型与旋转条件相关(RCC)模型及其三种主要类型:Scalar、Diagonal和CP,说明了如何利用极大对数似然法进行参数估计,然后,以9种主要的人民币外汇汇率收益率序列为例,对这两个多元旋转自回归条件异方差模型进行了参数估计,并与OGARCH和GOGARCH模型进行了有效性比较。研究结果表明,在二元波动模型中,RARCH与RCC模型的拟合效果显著优于OGARCH与GOGARCH模型,而且,RCC模型受益于分步估计,可以首先得到各序列的边缘分布,再对动态波动的参数进行估计,因而其表现要好于RARCH模型;在多元波动模型中,CP类的RARCH与RCC模型的拟合效果稍劣于Diagonal类型,但所需估计的参数大幅度减少,这对于估计高维数据的动态波动非常有效。通过边缘Copula预测能力分解可以看出,RARCH和RCC与OGARCH及GOGARCH模型相比,在1步提前预测的联合似然值上,获得了统计显著的收益。     

基于循环神经网络的西北太平洋台风路径预测

西北太平洋是全球台风高发区域之一,我国每年受登录台风影响,造成沿海地区发生狂风、暴雨和风暴潮等灾害性天气,准确预测西北太平洋台风路径对我国防震减灾意义重大。 基于循环神经网络的多元时间序列预测模型,以处理好的包含中国气象局（CMA）台风最佳路径数据集和欧洲中期天气预报中心（ERA5 ）数据集两种资料的多元时间序列数据为样本,训练3种循环神经网络并预测未来 6、12、24 h 的 热带气旋（TC）中心位置。结果表明预测失效为24 h时利用长短期记忆神经网络（LSTM）模型预测E值为173.15 km,误差要远小于门控循环神经网络（GRU）模型和循环神经网络（RNN）模型,认为利用 LSTM 网络对未来 24 h TC 中心位置的预测具有可行性和参考价值。     

基于BP神经网络与灰色预测理论的人口死亡率预测

根据2013年《福建统计年鉴》上收集到的资料,运用GM(1,1)模型以及MATLAB构建3层BP神经网络结构模型,分别对福建省人口死亡率进行建模预测。结果表明:BP神经网络预测人口死亡率拟合结果优于GM(1,1)模型,最小相对误差率为1.05%,最大相对误差率为3.75%,平均相对误差率为2.54%,拟合结果显示模型可靠。BP神经网络非线性结构系统,具有预测精度高,可行性强的特点,表明BP神经网络可用于未来人口规模预测,为福建省经济社会发展战略与规划,调整人口结构,制定合理的人口决策提供参考。     

基于IOWGA的汇价预测风险程度的组合预测

通过定义汇价预测风险程度,分析其成分数据性质,运用IOWGA算子对多元线性回归的预测风险程度建立组合预测模型。结果表明:基于IOWGA算子的组合预测具有优越性,对汇价预测风险程度准确预测,为汇率投资者的风险预防与控制提供参考。     

基于案例推理的非常规突发事件资源需求预测

近年来非常规突发事件频繁发生,严重危害了人民的生命财产安全,而如何及时预测灾害发生后的资源需求成为一个重要课题。文章提出了一种精确的预测方法,将模糊集理论,神经网络Hebb学习规则和多元线性回归与案例推理法相结合。这种方法很好地解决了非常规突发事件资源需求预测这类信息不完备、不精确问题,能够比较准确的作出资源的需求预测。该模型对灾害资源需求预测具有一定的参考价值。     

北京市经济增长影响因素的实证研究

本文主要采用多元线性回归分析的方法,通过查阅大量文献,选取了五项影响经济增长的指标,并根据1999-2018年共20年的时间序列数据,对北京市的GDP与五个潜在因素建立回归模型。研究表明,居民消费水平以及进出口总额是影响北京市经济增长的主要因素。二者对北京市经济增长的影响均为正相关。并针对这一结论,从提升居民消费水平、扩大进出口贸易等方面给出了提高北京市经济发展水平的政策性建议。     

对全国31个省市综合科技创新能力的线性回归分析

一、多元线性回归 多元线性回归是研究一个随机变量与多个自变量之间的统计线性相关关系,如产销售收入与个人可支配收入、研发费、商品价格等要素之间的关系.     

浅议中国经济发展中耕地资源的变化

本文将对我国经济发展与耕地资源变化关系进行理论分析。在理论分析的基础上,运用1990年至2008年的数据对影响耕地变化的因素进行多元线性回归。结果表明人口、建筑用地和农业技术对耕地数量有较大的影响;其他因素对耕地数量影响在95%的置信水平下不显著。根据回归结果提出了我国耕地可持续利用的相关建议。     

BP神经网络在安徽省GDP预测中的应用

根据2008年安徽省统计年鉴中的数据,构建并选用合适的BP神经网络建立了安徽省GDP的神经网络预测模型。计算结果表明,BP模型应用于安徽省GDP预测具有较高的预测精度和良好的泛化能力,它为经济预测工作提供了一种全新的思路和方法。     

影响中国城市化发展的产业结构因素分析

文章利用1997-2008年影响中国城市化发展的有关产业结构数据,运用多元线性回归分析方法,以Eiews6.0统计软件为工具,分析了影响中国城市化发展的产业结构因素,得出一系列结论,并提出了相关对策。