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。     

沿边铁路汤旺河至富锦段货运量的分析与研究

本文分析了沿边铁路汤旺河至富锦段货运量由沿线地方运量与通过运量两部分组成,品类主要为矿石、粮食、木材等。本文通过对本线货运量的分析,预测了本线区段的货流密度。     

神经网络组合预测方法在R&D支出中的应用分析

通过BP和RBF两种神经网络的组合应用,并结合使用Matlab7.0软件提出了一种新的组合预测方法。首先通过采用了两种成熟的预测方法BP和RBF神经网络对R&D经费的支出分别进行预测,然后把所得的预测值再通过三层结构的RBF网络结合Matlab软件进行组合预测,得出最后的预测值再与实际的数据进行比较。从预测结果来看,将该组合预测方法很好的拟合了我国每年R&D经费支出,避免单一预测方法存在的预测精度不高,限定条件过多等问题,有效地提高了预测精度,得出了较为满意的预测结果。     

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。     

组合预测模型在股指短期预测中的应用——以上证综合指数为例的实证分析

本文分析了自回归移动平均模型(ARIMA)与BP神经网络模型在预测方面的特性和模型各自的优缺点,在此基础上尝试建立了ARIMA和BP神经网络的股指组合预测模型。ARIMA与BP神经网络组合使用的基本原理是股指时间序列数据可分解为线性部分和非线性残差部分。本文以上证综合指数为例,首先采用ARIMA预测上证综合指数的线性变化趋势,然后采用BP神经网络对上证综合指数的非线性趋势进行拟合,最后整合两种模型的预测结果。仿真结果表明:组合模型提高了对上证综合指数的预测精度,证实了组合模型在股指预测方面的有效性。     

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。     

武汉铁路集装箱中心站参与铁水联运的发展对策

分析了影响武汉铁路集装箱中心站参与铁水联运的影响因素,并对武汉铁路集装箱中心站参与铁水联运的运量用灰色模型进行预测,提出了武汉铁路集装箱中心站参与铁水联运的应对措施。     

铁路格局变化对北方煤炭运输及环渤海港口的影响

由于我国煤炭资源主要分布在西北地区，而煤炭消费却主要集中在东南沿海，使得铁路成为“西煤东调、北煤南运”最主要的运输方式，其煤炭运量占全国总运量的70％以上。因此，我国形成若干从北向南、由西向东的运煤铁路网络。     

组合预测法在汽车预测中的应用

文章对传统组合预测方法的基本原理进行了阐述,并探讨了组合预测方法相对单一预测模型的优点。在此基础上,总结了组合预测方法的具体步骤,并对中国汽车市场进行预测,最后提出了建议。     

基于改进回声状态网络的居民消费价格指数预测研究

对居民消费价格指数(CPI)做出准确的预测,能够为国家或地区相关部门在制定合理的发展规划以及对资源进行优化配置时提供重要依据。早期研究者主要采用计量经济模型、时间序列模型对CPI进行预测。本文分析了回声状态网络预测模型和小世界网络结构。包括ESN的训练过程、储备池的关键参数和小世界网络的数学模型。然后,构建具有小世界特性的小波回声状态网络预测模型(SW-W-ESN)。同时,储备池是ESN的核心部分,改进回声状态网络对CPI的预测更为准确,在宏观经济调控方面更具有科学性和可行性。     

金融时间序列组合预测模型与方法

为了提高金融时间序列的预测精度,弥补单一预测方法的不足,组合预测从信息互补的角度为其提供了一条有效的途径。文章综述了现有的金融时间序列组合预测的模型与方法的分类,包括普通权重法、时变权重法、神经网络法以及集成预测法,并展望了在不确定的经济环境下组合预测方法未来的研究方向。     

游客网络团购旅游线路意愿及阻碍因素研究

近年来旅游类产品网络团购发展迅速,但旅游线路的网络团购却明显滞后于其他类型旅游产品。通过对旅游者旅游线路的网络团购意愿及其阻碍因素进行研究,游客当前网络团购旅游线路意愿较低,其阻碍因素主要包括感知风险、利益与信息、产品特性、异地消费顾虑、他人影响等维度,除产品特性外其他维度均对旅游者网络团购意愿具有显著的预测与影响作用。     

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。     

试论组合预测方法在旅游经济分析预测中的应用

近年来,旅游经济研究学者注重应用组合预测法进行旅游经济相关数据的分析预测,并组建了实用价值较高的数据分析模型。将组合预测方法应用于旅游经济的分析预测中能够进行准确的现状分析,并基于现状与经济发展趋势背景预测出经济的发展前景,此外应用组合模型还可以进行影响研究,实践作用明显。笔者认为将组合预测方法应用于旅游经济预测中能够提供经济发展趋势提供有效的数据参考,进而利于经济政策的制定。     

RCH模型非线性组合预测方法研究

金融数据时间序列分析中,对具有ARCH效应的回归模型组合预测问题少有人涉及.简单的线性组合预测方法虽可提高预测精度,但忽略了候选模型间可能存在的关系,非线性组合预测方法可以将这种关系考虑在内。为此,主要针对ARCH模型,提出了一种非线性组合预测方法及权重形式,并通过模拟说明此方法的优越性。     

灰色神经网络的建模原理及应用

所谓灰色神经网络就是将灰色系统方法与神经网络方法有机地结合起来,对复杂的不确定性问题进行求解所建立的模型。本文将灰色预测与神经网络预测方法相结合,提出了预测宏观经济指标的新方法,实例表明此种组合模型的精度较高。给出了一般灰色神经网络模型GNNM(1,1),该模型具有灰色系统的少数据建模优点及神经网络的精度可控特性,并给出了相应的学习算法,然后通过示例说明模型的可行性。     

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.     

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.     

预测未来商务中心的发展

这里提供一些电子商务中心明后年可能的预测发展方向:商务中具有赢家通吃的特性网络的报酬递增特性将使第一家商务中心更易具有规模优势,凝聚流量而成为入口站点。即使是第二名     

基于GA-BP神经网络的顾客满意度测评研究

本文利用遗传算法与神经网络的特性,建立了基于GA-BP神经网络的顾客满意度测评模型。该模型首先将BP网络的权值和阈值通过遗传算法进行优化,然后对BP网络进行训练。网络最终测评结果较BP神经网络更有效、准确。通过某商场实例数据证明此测评模型收敛速度快、预测精度高,为顾客满意度测评提供了一种实用的方法。