基于EMD-SARIMA模型的铁路商品汽车运量预测

针对铁路商品汽车月度运量时间序列呈现非平稳、季节性波动等特征,结合经验模态分解（EMD）方法建立了一种新的SARIMA时间序列预测模型。首先利用EMD将时间序列分解成多个相互独立且相互平稳的分量。然后分别对各个分量建立相对应的SARIMA时间序列模型,去除噪声分量。最后进行数据重构,将重构后的数据再进行SARIMA建模,以实现铁路商品汽车月度运量预测。预测结果显示,建立的EMD-SARIMA模型有着很高的预测精度,能够学习获取时间序列铁路商品汽车月度运量的成长过程及发展趋势,挖掘其周期性变化规律,为解决铁路商品汽车物流高质量发展过程中面临的问题起到重要的参考作用。     

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。     

基于相关系数的IOWGA算子区间组合预测方法

各种错综复杂的因素导致数据表现出不确定性,区间型数据为取值在一定边界的现象提供了强有力的分析工具。为提高区间型观测信息的预测精度,本文结合相关系数和诱导有序加权平均(IOWGA)算子给出一类区间值时间序列的组合预测模型。通过最大化实际值和基于IOWGA算子的组合预测值区间中心和半径序列的相似性程度,给出组合预测的一类客观权重信息确定方法。最后,结合实例表明本文所提出的区间型信息组合预测模型能够有效提高预测精度。     

组合负荷预测方法综述

电力系统负荷具有很多不确定因素,针对单一模型进行负荷预测时,预测精度不高这一问题,可采用组合预测法将多种预测方法所得的预测值进行加权平均而得到最终预测结果,以满足现代电力对负荷预测结果的准确性、快速性和智能化的要求。该文首先简要介绍了几种常用的负荷预测方法,接着详细介绍了组合负荷预测的研究现状及确定组合预测中各模型最优权重的几种方法,最后介绍了组合负荷预测模型的误差修正方法,对提高负荷预测的准确性有一定的现实意义。     

基于组合预测的营业活动现金流量分析

一、营业活动现金流组合预测模型构建 设对同一预测对象的某个指标序列{xt，t=1,2…n}存在m种可行单项预测方法对其进行预测，设第i种单项预测方法在第t时刻的预测值为xit,i=1，2，…m；t=1，2，…，n；设l1，l2，…，lm分别为m种单项预测方法的加权系数，加权系数应该满足∑i=1 ^m li=1,li≥0，i=1，2，…，m。     

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。     

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BP神经网络的铁路货运量组合预测

在介绍了BP神经网络及组合预测的基础上分别采用灰色预测法、S曲线以及指数函数对昆明市铁路货运量的历史数据进行了单项拟合预测,再利用BP神经网络对三项拟合预测结果进行了组合预测.结果表明,基于BP神经网络的组合预测方法比单一预测方法在预测精度上有很大提高,验证了该方法的有效性.     

基于BP神经网络的企业财务危机组合预警研究

本文根据组合预测比单项预测具有更高预测精度的原因,采用基于BP神经网络的非线性组合的预测新方法,构建财务危机预警模型,并进行实证研究.通过与Fisher判别分析模型和Logistic回归模型的预测结果对比表明,组合预测方法有效提高了预测精度,具有很好的适用性和优越性.     

基于组合预测理论的上市公司财务危机预警研究

针对组合预测比单项预测具有更高的预测精度,本文采用基于BP神经网络的非线性组合的预测新方法,构建了财务危机预警模型,并进行了实证研究。通过与Fisher判别分析模型和Logistic回归模型的预测结果对比表明,组合预测方法有效提高了预测精度,具有很好的适用性和优越性。