基于灰色系统模型的达州市农业经济预测

以灰色系统理论为基础对达州农业总产值和相关产业进行灰色关联分析,建立了达州市农业经济的GM(1,1)预测模型,对达州近几年农业经济产值进行预测,与真实值进行对比结果表明,运用灰色系统模型的方法对达州农业经济产值的预测与实际比较接近,最后结合本文对达州市农业经济发展提出了若干政策建议。     

企业需求预测准确性存在的问题及其应对策略

需求预测在企业经营活动中具有重要作用,其影响因素具有多样性.可以通过优化需求预测方法、完善需求预测系统、改进需求预测管理,有效控制需求预测和未来市场情况的偏差,持续提高需求预测的准确性,从而促进企业生产、销售的良性运行.     

创新理论（TRIZ）在智能手机技术发展预测中的运用

产品技术成熟度和技术系统进化潜能的预测对企业进行投资、企业制定产品战略具有重要的指导作用。本研究是以TRIZ理论在智能手机技术系统的成熟度和技术系统进化潜能评估中的运用为例,为企业进行不同产品的技术发展预测提供了简单易行的TRIZ方法。TRIZ理论方法是一种科学的技术预测方法,克服了传统预测方法的主观性、局限性等缺陷。     

电力系统长期负荷预测方法综述

针对长期负荷预测在电力系统中发挥的重要作用,梳理长期负荷预测用到的主要方法,将相关方法主要分为两大类：参数化方法和人工智能方法。通过对近年来此领域有关文献的介绍,总结目前论文创作的三大思路：基本方法、改进方法以及组合创新方法。最后提出关于长期负荷预测方法的新思路和建议。     

电力市场环境下的典型产业月用电负荷预测分析

将市场竞争引入电力系统,企业竞争性得到提高,资源利用效率将得到改善。准确的月负荷预测可以提高电力系统的社会效益和经济效益,而负荷预测误差风险直接影响供电的安全性和稳定性。本文考虑到季节成分对月负荷预测的影响,基于季节变差以及季节比例理论建立短期负荷预测的指数平滑模型,并对月负荷原始数据进行预测。通过对蒙东电力的算例分析验证了本文所提出方法的合理性和可行性。     

基于灰色理论的海西区域物流需求研究

物流产业的发展在"海西"经济区建设中发挥着重要作用。在当前物流产业统计指标体系尚未健全的情况下,本文运用灰色系统预测模型,对"海西"经济区建设的物流需求量进行预测,以此反映"海西"经济区物流需求的变化情况,为"海西"经济区物流产业的规划和制定相应物流政策提供依据。研究结果表明,GM(1,1)预测模型预测精度较高,效果较好。     

公路短时车流量预测模型研究

为解决公路交通拥堵,做好道路交通安全规划,应加强对道路交通车流量的实时监控和预测,以便及时发现当前交通的非正常拥堵状况,提高人民的出行效率。公路短时车流量的监测数据具有不确定性和非线性的特点,针对这些特点,运用灰色系统理论预测模型和时间序列的ARIMA预测模型分别对车流量状况进行预测。在此基础上,提出将二者相结合的车流量组合预测模型。通过实例对比分析,得出组合预测模型的预测精度高于单独使用灰色预测模型和时间序列分析模型的结论,该模型可以作为短时车流量预测的一种有效方法。     

基于免疫粒子群优化神经网络的经济预测算法研究

在分析宏观经济系统特点之后,针对现有的采用人工神经网络对经济系统进行建模和预测的方法存在的问题,文章提出了一种改进的免疫粒子群优化神经网络算法。仿真结果表明：这种算法能够增强神经网络的泛化能力,提高系统模型的预测精度,使预测误差从原来BP神经元网络的15％下降到改进后的5％.     

Forecasting the region’s household income and demand by the input-output model (Case study of the Republic of Bashkortostan)

Methods of interrelated forecasting of the regional outputs of individual branches, household income, and consumption are considered. The instrument for the analysis and prediction for the parameters of the region’s economic system is a closed input-output model based on endogenous indicators of household income and demand.     

基于组合模型的股票预测研究综述

随着金融业数据环境的日益复杂,利用传统单一模型进行高精度股价预测变得愈加困难。面对日益突出的股票分析技术需求,组合预测模型开始得到发展并取得了很多成果。首先介绍影响股价波动的分析指标,概括基于传统统计预测模型、机器学习、神经网络等单一预测模型在股票预测中的优势与不足。然后依据组合预测模型的组合形式,将其分为线性模型的组合、非线性模型的组合以及线性与非线性模型的组合3种类型,并报告多种组合模型的实际应用与研究现状。最后,对组合模型股票预测方法的有效性和稳定性进行展望。     

System for scenario planning and forecasting world prices for steel and metallurgical raw materials

The article describes the methodology for construction and the main results obtained by implementing a scenario and modeling system intended for generating scenarios and forecasting the long-term performance of the world prices for steel and metallurgical raw materials.     

基于优化BP网络的电网短期负荷预测研究

如何提升电网负荷短期预测水平是电网企业亟待解决的问题。本文针对传统的BP神经网络算法所存在的学习过程收敛速度慢、算法易陷入局部极小点和鲁棒性差等缺陷,引入粒子群优化算法对其进行优化和改进,使之具备更加完善的性能。通过实际电网负荷预测的实验与比较,证明了所构建的符合预测系统的准确度。     

基于灰色神经网络的短期电力负荷预测分析

电力负荷预测是电力系统一项重要的工作。本文应用了灰色预测和人工神经网络相结合的方法进行短期电力负荷预测。首先介绍了灰色预测和神经网络的基础理论,其次利用一个仿真算例来验证灰色神经网络算法的可靠性。     

基于BP神经网络算法的风电功率预测

针对风电功率的预测,从神经网络的训练仿真入手,综合运用BP神经网络、平均绝对误差MAE等多种方法,建立风电功率预测模型,运用Matlab和Excel软件编程,得到了后续7天中时隔5min和15min的风电功率预测趋势和时隔5min样本数据的预测误差水平相对于15min来说降低了6.349%等结果。     

基于灰色模型的河南省粮食安全预警分析

从粮食供给、需求和市场流通三个方面考虑,构建粮食安全预警指标体系,借助数据,运用灰色预测模型和中心点三角白化权函数的灰色聚类模型,对河南省2013年-2017年的粮食安全状况进行预警分析。结果表明:预警阶段河南省粮食安全状况整体良好,但在需求方面较为薄弱,应进一步加强。     

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。     

短期负荷预测中气象因素的大数据分析

坚强智能电网的迅速发展,先进数据存储和挖掘技术为气象大数据在负荷预测的应用提供了基础,特别是在短期负荷预测方面,气象大数据的时代已经到来。在考虑气象因素对短期负荷预测的影响下,归纳典型气象因素,对气象大数据的发展及新应用进行阐述,为气象大数据在短期负荷预测中的应用研究做好前期基础工作。     

“剪刀差”问题的对策研究

本文首先指出了传统的房地产销售预测方法的不足。为了改进原有的预测方法 ,作者结合影响单个房地产销售量各项因素的特殊性和模糊性 ,运用模糊数学的理论与方法 ,建立了新的数学模型并将其成功地运用于实践 ,取得了较好的效果 ,其理论与方法具有较高的参考和应用价值。     

Long-term forecasting: Meditations of two pitfall collectors

Summary This article discusses the pitfalls of long-term forecasting. One of the most important is that any model is in fact a subsystem cut from a general societal system. This implies that the distinction between endogenous and exogenous variables is unclear and thus the (sub) model is often unreliable as a tool for forecasting. A second pitfall is that the structure of a model reflects the structure of society. Changing societal structures requires models with changing structures and coefficients. Specific pitfalls are the instability of the functional form of relations, uncertainty about functional forms, variability of parameters. Some attention is paid to the decrease in the risk of wrong forecasts.Professor Pawlowski died, soon after this article was accepted for publication, in Katowice in August 1981.Paper presented at the international Congress of Arts and Sciences of the World University of the World Academy of Art and Science, Harvard, June 1980.