组合预测模型在成都房地产价格中的应用

组合预测理论与建模技术对于信息不完备的复杂经济系统有一定的实用性,鉴于房地产价格的复杂性和非线性的特征,利用成都房地产价格的历史数据,分别采用改进的灰色预测模型、RBF神经网络模型建立了成都房地产价格的单项预测模型,并对单项预测模型的优缺点进行了比较分析。采用标准差法进行权重分配,将两个模型进行组合,建立了成都房地产价格的组合预测模型。运用该模型对成都未来5年的房地产价格进行了预测。     

变权重组合预测法预测重庆市高考分数线

高考分数线是广大考生和家长关注的问题,准确预测高考分数线对填报志愿和决策分析都是必要的。本文采用变权重组合预测模型预测重庆市文科二批次高考分数线,该模型通过把单项预测模型进行组合分析,以误差平方和最小为准则,求出最优加权组合系数,建立组合预测模型。通过实例分析,表明其预测精度高于各单项模型预测值,在分数预测中有一定的应用价值。     

基于模糊自适应变权重的经济时间序列组合预测模型研究

组合方法首先选取支持向量机预测算法和一阶指数平滑法对经济时间序列分别进行预测,来建立模糊自适应变权重组合预测模型。为对比模糊自适应变权重的经济时间序列组合预测模型的预测效果,选取了两种定值加权组合预测模型:平均加权模型、误差平方和最小组合预测模型。通过实验比较分析:模糊自适应变权重组合预测可以综合利用各单项预测方法的优点,比单一模型预测结果精度有了很大提高,且优于定值加权组合预测,在经济时间序列的预测方面有较高的应用价值。     

组合预测方法中的权重算法及应用

系统地分析了组合预测模型的权重确定方法,并估计各种权重的理论精度,以此指导其应用。文章还首次提出用主成分分析确定组合模型权重的方法,最后以短期(1年)负荷预测为例,检验各种权重下组合预测模型的精度。     

变权重组合预测模型的研究

变权重组合预测模型的研究周传世，刘永清（广东商学院）（华南理工大学）１引言组合预测的研究是现在预测方法领域中研究得最为活跃的一个领域之一，但在变权重组合预测方面的研究还没有多大的进展。变权重组合预测模型的建立与应用是提高预测模型的拟合精度和预测精度、...     

灰色-多元回归组合模型在逆向物流预测中的应用

逆向物流量的有效预测有助于产业发展规划的制定和基础设施建设的可行性研究。针对逆向物流不确定性因素的特点采用灰色GM（1,1）模型和多元线性回归模型两种单项预测模型对数据进行建模,并结合组合预测理论,采用基于预测有效度的组合预测模型进行预测。结果表明组合预测模型的预测精度明显高于两种单项预测方法,证明了该方法用于逆向物流需求预测的可行性和有效性。     

多模型组合预测技术在渭南地税中的应用

税收是国家发展的动力,民生提高的根本.通过建立合理模型,对相关经济变量进行了分析检验,进而提供未来税收的预测信息.基于渭南地税实际数据,通过建立一元回归、多元回归、曲线拟合、时序模型及神经网络的多预测模型,在分层单项模型基础上,定性定量相结合,建立组合预测模型,分配权重综合预测,克服了单一模型的局限性,进行了有效的实证研究.     

无尺度偏差和系统偏差组合预测的贝叶斯极大似然估计

本文在单项预测模型具有尺度偏差和系统偏差的前提下,求出了ｐ时刻真值ｙｐ的贝叶斯极大似然估计。该估计为一无尺度和系统偏差的变权重组合预测     

区域年最大负荷概率分析与预测

区域电网年最大负荷的分析与预测是电网运行与规划的基础。年最大负荷受多种因素影响,地区性特点强,目前的预测方法较为简单,分析精度不高,且没有针对地区特点的年最大负荷预测方法,本文提出了区域年最大负荷的的概率分析与预测,对年最大负荷概率模型中的均值和均方差分别建立了灰色模型和回归模型作出预测,该模型具有较高的精度。     

一种基于改进GM(1,1)模型的短期电力负荷预测算法研究

针对已有GM(1,1)灰色预测模型在数据波动、突变、转折等不确定情况下预测精度较差的问题,本文提出一种基于关联系数分析的分段多方案优选组合短期电力负荷预测模型.基于GM(1,1)模型在平滑上升和下降区段预测效果好、而一天的用电负荷可划分为几个峰谷区段的特点,通过对预测日的灰关联分段和优选组合,避免由于初始条件选择不当而将误差引入模型并随之被逐步放大的风险;同时,通过组合不同角度GM(1,1)模型,解决负荷的多因素影响.经南方电网广西贵港市实际工程验证,本模型预测平均误差在3%左右,预测精度有明显的提高,完全可满足该地区短期电力负荷预测的实际要求.     

基于密度算子的组合预测方法

考虑到单项预测方法在不同时刻预测准确性的差异,提出了一种基于密度算子的组合预测方法.该方法的核心思想是利用样本区间内单项预测方法的预测准确性对预测值聚类;然后基于密度算子的思想对单项预测法集结,得到一种新的组合预测模型;在此基础上,基于预测值和相应观察值误差最小的思想确定单项预测法的加权系数.该模型充分利用了样本区间内单项预测法的预测准确性,因而预测值具有较高的准确性.最后,给出一个实例,并对其结果进行比较分析,证明了该组合预测模型的有效性.     

线性规划在确定组合预测组合权数中的应用

1 引言在预测的实践中,我们可以利用多种预测模型进行预测。预测模型不同,预测的结果也不相同。为了综合系统地利用各模型的信息,我们采用组合预测模型。组合预测的关键是确定加权系数。本文将以两个合理的度量为目标函数,通过解线性规划问题确定最优的权组合系数。 2 权系数的确定设对于同一预测     

基于IOWA的我国能源需求组合预测模型的应用研究

基于诱导有序加权平均算予的组合预测方法是近年来发展的具有广泛应用的预测模型。本文首先采用多元回归、基于HP的ARMA模型及灰色预测方法建立了我国能源需求的单项预测模型,随后引进诱导有序加权平均算子的概念,建立了我国能源需求的组合预测模型。并对我国未来的能源需求量进行了实证分析。预测结果表明该模型能提高组合预测精度,是一种较为简便、快捷且预测效果较好的方法。     

城市电网规划及负荷预测方法分析

城市电网规划既是城市现代化建设的一项重要基础建设,还是电力系统的主要负荷中心。城市电网规划是否科学合理直接关系着城市稳定发展,关系着供电企业的生存和发展。最大电力负荷预测是城市电网规划的基础性工作,准确的负荷预测对确定电网规模、保证企业效益、提高规划准确性起着重要的作用。因此,城市电网规划要与整体市政规划紧密结合起来,依据城市发展进程,利用多种负荷预测方法,设立正确的负荷预测模型,保证电网负荷预测的准确性。本文主要基于电网负荷的影响因素及其特点,分析各种预测方法优缺点,研究符合城市发展需求的负荷预测方法。     

基于灰色神经动态网络模型进行炎热地区短期电力负荷预测

文中应用了灰色预测的方法来进行某热带地区变电站的高压电网短期动态负荷预测,进而提取相关信息。在2009年度工作日和周末的气温变化模式中,传统GM（1,1）模型与GM（1,2）模型对比分析了其负荷条件。GM（1,2）模型揭示了单位小时的负荷需求和炎热地区气候气温变化指数,也就是当地常温的关系。使用两变电站A、B关于某炎热地区的负荷曲线可以验证这些模型。使用该地区具有的典型灰色组合模型从而掌握特定季节受温度影响的负荷变化。模型的适当性以及每周的预测结果显示了每个地点错误检查中好的结果。     

海洋生物医药业发展趋势研究北大核心CSSCI

本文首先采用指数平滑模型、ARIMA模型及多元回归模型,对中国海洋生物医药业增加值建立了单项预测模型,随后引进诱导有序加权几何平均(IOWGA)算子的概念,建立了组合预测模型。实证结果表明,组合模型能有效提高预测精度。最后利用组合模型对"十三五"期间中国海洋生物医药业发展趋势进行了预测分析并提出了对策建议。     

一种新的图书购置经费的组合预测方法

图书购置经费的预测无疑对图书馆管理工作具有重要的现实意义。传统的单项预测模型存在预测的风险。有序加权平均算子是近年来发展的在决策和预测中用于集结信息的一种新方法。通过引进诱导有序加权平均算子的概念，提出了以误差平方和为准则新的组合预测模型，给出了该模型在图书购置经费预测中的应用，实例分析表明了模型是可行且有效性的。     

小样本条件下基于VMD-SVM的电网技改项目科技投资预测

随着我国电力改革体制不断推进,以输配电服务为主的盈利模式要求电网企业对经营成本作出更精确的控制。电网技改工作对电网企业的运营成本具有较大影响,但由于相关历史数据少,采用常规预测模型难以对电网企业技改项目的年度科技投资进行科学和客观的预测。为此,针对电网技改项目科技投资年度预测属于小样本预测的特点,选取支持向量机(SVM)模型作为预测模型,并且在预测开始之前进行变分模态分解(VMD),通过将技改科技投资数据分解为特征各异的子序列,将每一个子序列数据通过不同的SVM模型进行预测,得到各子序列的预测结果后对子序列的预测结果进行叠加,从而得到最终预测结果。最后通过某区域电网的实际数据验证,得到基于VMD-SVM的电网技改项目科技投资预测方法的预测精度为1.51%,而单采用同参数SVM模型的预测精度为2.02%,证实基于VMD-SVM的电网技改项目科技投资预测方法的有效性。     

我国工业制成品市场需求的实证分析

一次指数平滑法、二次抛物线预测法和灰色预测方法建立了我国工业制成品市场需求系统的单项预测模型,并根据预测结果对各项模型的优缺点进行了比较分析,进一步采用标准差进行权重分配,建立了未来市场需求量的组合预测模型,并探讨我国制造业在未来的走向和趋势。     

小样本条件下基于VMD-SVM的电网技改项目科技投资预测研究

随着我国电力改革体制的不断推进,未来输配分离的市场环境下,电网的盈利模式将以输配电服务为主,电网在电力市场中的地位将发生较大的变化。新环境下要求电网企业对自身的投资、运行以及成本需要更精确的控制。电网技改工作作为电网科技更新换代的日常工作,对电网运营成本具有较大的影响,因此,科学合理地预测电网技改项目每年的科技投资额就尤为重要。电网技改科技项目的年度投资历史数据由于样本数量少,难以构建基于统计数据的常规预测模型对技改项目的年度科技投资进行科学和客观的预测。本文针对电网技改项目科技投资年度预测属于小样本预测的特点,选取了支持向量机SVM模型作为预测模型,并且在预测开始之前进行变分模态分解(VMD),通过将技改科技投资数据分解为特征各异的子序列,将每一个子序列数据通过不同的SVM模型进行预测,得到各子序列的预测结果后,对子序列的预测结果进行叠加,从而得到最终预测结果。通过某区域电网的实际数据验证,本文提出的VMD-SVM的电网技改项目科技投资预测方法能够有效改进预测精度,预测精度为1.51%,而单采用同参数的SVM模型的预测精度仅有2.02%,本文提出的模型具有更高的精度,证实了本文提出方法的有效性。