非平稳时间序列的EMD组合预测及其应用

非平稳时间序列预测问题一直都是一个难题,文章运用EMD技术将非平稳时间序列分解为一系列的imf和一个残余量。由聚类分析得到若干个cimf,然后通过对每个cimf以及残余量建立神经网络模型进行预测,达到对原时间序列的组合预测。文章的实证结果表明EMD组合预测可以有效解决非平稳的问题,且预测精度达到良好效果。     

基于EMD和神经网络的非线性时间序列预测方法

现实生活中的时间序列,通常伴随着大量的噪声和高度的波动性。对于这些非线性时间序列,运用传统的统计和计量经济模型进行分析预测,预测结果往往不够理想。文章基于经验模态分解(EMD)和人工神经网络提出改进方法。主体思想是"先分再合":先用EMD方法分解非线性时间序列,得到一系列易于分析的独立的子系列,然后利用神经网络(FNN)对每一个子系列进行分析和预测,最后再用自适应线性神经网络(ALNN)整合并得出最终结果。结合具体房价时间序列实例,证实了这种方法的优势。     

互联网企业广告收入预测研究——基于低频数据的神经网络和时间序列组合模型

神经网络模型对大样本时间序列的拟合效果优于传统时间序列模型,但对于年度、月度、日度等低频时间序列的预测则难以发挥其优势。鉴于此,本文应用传统时间序列模型和神经网络模型,建立Holtwinters-BP组合模型,利用Holtwinters模型分别拟合各解释变量序列,利用BP模型拟合解释变量和自变量的非线性关系,基于某社交新闻类APP的日广告收入数据进行互联网企业广告收入预测研究。通过与循环神经网络(RNN)模型、长短期记忆神经网络(LSTM)模型等预测结果的对比发现:Holtwinters-BP组合模型的预测精度和稳定性更高;证明多维变量对于广告收入的显著影响,多变量模型的预测准确性高于单变量模型;构建的Holtwinters-BP组合模型对于低频数据预测有较好的有效性和适用性。     

基于时间序列ARIMA与BP神经网络的组合预测模型

文章将时间序列ARIMA模型和BP神经网络算法相结合,设计一种组合预测模型,并将其应用于实际预测中,通过实际预测检验了组合预测模型在实际预测中的有效性.研究发现,组合预测模型在预测精度方面总体上优于这两个单项预测模型,因此这种组合预测模型具有良好的预测效能.     

时间序列神经网络预测模型

本文讨论神经网络用于非线性动态系统建模与预测的问题和方法，主要考虑了如下几个问题：（１）相关变量的选择；（２）观测数据的可预测性与模型的有效性检验；（３）运用改进遗传算法学习神经网络连接权值。本文预测建模方法已用于一个决策支持系统中，并取得了较好的效果     

房地产价格时间序列预测的B P神经网络方法

文章阐述了BP神经网络的原理及其改进方式,提出了一种基于BP神经网络的时间序列预测方法。研究实例表明,无论是从拟合情况,还是检测、预测情况来看,该方法都有着很高的精度,可以作为房地产价格预测的一种行之有效的方法。     

基于改进BP神经网络的时间序列补缺及预测

对BP神经网络的改进方式和网络参数确定进行分析,以青海省各月份经济统计中的时间序列问题为实验对象,分别采用动量项自适应学习率法和LM-BP算法,利用神经网络完成数据补缺及数据预测。该方法无须确立时间序列模型,便捷高效。最后对两种方法的训练情况和实验结果进行了比较和分析。     

六种时间序列组合建模及应用

文章立足卫生支出等趋势预测问题的时间序列组合建模研究,以实证算例进行验证和比较.根据政府卫生支出时序资料,将曲线拟合法和ARIMA法纳入模型,建立线性加权组合模型(残差平方和倒数法、灰色关联法、相关系数法、待定系数法和等权法)以及残差修正模型;计算拟合序列和残差序列,讨论拟合性能.并建立修正指数曲线模型和ARIMA模型,发现拟合及预测效果不错;五种组合建模技术均优于单种方法拟合性能.曲线法、ARIMA法及其组合技术对于趋势预测问题有适用意义.     

组合预测及其应用研究

组合预测及其应用研究浙江财经学院徐大江一、简述各预测方法性能的优劣是有条件的，为了有效地使预测具有对未来变化较高的适应性，即提高预测精度，增加预测的稳健性，可将若干种预测方法组合成一个预测模型，这就是组合预测。组合预测模型是两个或两个以上观测方法对同...     

时间分层组合预测法的改进及其在进口贸易中的应用

针对现有时间分层组合预测法中协方差估计存在的不足,提出一种Shrinkage方法对协方差进行修正,以增强协方差估计的稳定性。Monte Carlo模拟结果表明:Shrinkage时间分层组合预测法的预测准确性较现有方法有所提高,且对季节因素不敏感;将该方法应用于中国进口贸易的预测中,结果显示新方法可显著提升各层预测效果,且对较高层序列的调整效果更佳;Shrinkage分层组合预测法能为海关等相关部门提供一种可针对不同时间维度进行同时性预测的新思路。     

时间序列分析在经济预测中的应用

为了配合《统计学》课程的现行教学 ,提高学生运用统计方法分析、解决实际问题的能力 ,我们组织了一次案例教学 ,其内容是 :对烟台市的未来经济发展状况作一预测分析 ,数据取烟台市 1978～ 1998年 GDP的年度数据。在组织实施时 ,我们首先将数据资料印发给学生 ,并讲清本案例的教学目的与要求 ,明确案例所涉及的教学内容 ;然后给学生一段时间 ,由学生根据资料 ,运用不同的方法进行预测分析 ,并确定具体的讨论日期 ;在课堂讨论时让学生自由发言 ,阐述自己的观点 ;最后 ,由主持教师作点评发言 ,取得了良好的教学效果。本文是此次案例教学活动…     

时间序列分析在经济预测中的应用

社会消费品零售总额是一项重要、敏感的政府统计。定期发布的消费品零售统计资料,常常引起国内外的强烈关注,间或还会引发一些疑义和争议。文章拟通过运用EXCEL及SAS软件建立季节分解模型和季节哑变量、ARIMA模型,对我国的社会消费零售总额的情况进行预测分析,从初步确定几个不同的模型中,把拟合效果最好的模型保留,并对模型的实用性进行了探讨。     

时间序列的多项式模型及其应用

对时间序列作预测一般采用移动平均法 ,指数平滑法。本文利用拉格朗日插值公式及最小二乘法给出时间序列的多项式模型。一、拉格朗日插值公式及多项式模型传统的拉格朗日插值公式指的是 :如果 ｙｉ=ｆ(ｘｉ) ,ｉ=0 ,1,2 ,… ,ｎ ,则存在唯一的ｎ次多项式Ｐｎ(ｘ )满足Ｐｎ(ｘｉ) =ｙｉ　 (ｉ=0 ,1,2 ,… ,ｎ) ,并且 :Ｐｎ (ｘｉ ) =Σｎｉ=0 ｙｉｌｉ(ｘ) ,其中ｌｉ(ｘ)= (ｘ -ｘ0 )… (ｘ -ｘｉ-1 ) (ｘ -ｘｉ 1 )… (ｘ -ｘｎ)(ｘｉ-ｘ0 )… (ｘｉ-ｘｉ-1 ) (ｘｉ-ｘｉ 1 )… (ｘｉ-ｘｎ)因此 ,对于时间序列 {ｘｉ,Ｔｉ},ｉ =1,2 ,… ,…     

多元时间序列的相似性及其应用

一、引言时间序列是一种重要的数据类型,对它的分析方法通常有数理统计模型法和数据挖掘方法。数据统计模型法是通过模型假设、参数估计、模型检验等手段     

时间序列转折点的贝叶斯预测

时间序列转折点的贝叶斯预测施发启在实际经济预测工作中,预测者越来越关心时间序列的变化趋势。迄今为止,由于转折点的预测和解释特别困难,本文试图运用贝叶斯方法对此问题作一初步探讨。一、预测转折点有关一个时间序列的转折点的定义,众说纷坛,莫衷一是。为了下文...     

时间序列预测的权数理论

时间序列预测的权数理论厦门大学聂皖生一、时间序列预测为什么要考虑权数在时间序列趋势预测中，尽管时间序列的各期资料对未来的预测值都有影响，但各期资料的影响程度不是等同的。显然近期信息对趋势变化影响大，而远期则较小，即存在近期信息对趋势变化的影响比远期信...     

小波神经网络预测方法及其应用

小波神经网络是近几年国际上新兴的一种数学建模分析方法,是结合最近发展的小波变换良好的时频局域化性质与传统神经网络的自学习功能而形成的.     

时间序列分析在公司净利润预测中的应用

企业利润,通常是指企业收入减去成本费用后的余额,亦称为财务成果或经营成果.在商品经济条件下,企业追求的根本目标是企业的价值最大化和股东权益最大化.而无论是企业价值最大化,还是股东权益最大化,其基础都是企业利润.利润已成为现代企业经营与发展的直接目标.企业的各项工作,最终都与利润的多少相关.净利润是指企业所有者最终取得的财务成果,或可供企业所有者分配或使用的财务成果.因此,净利润是企业所有者最关心的指标.通过分析、预测净利润的未来趋势,企业所有者可以更好地对企业进行决策.     

时间序列的综合分析法在经济预测中的应用

在传统时间序列分解计算方法的基础上 ,采用灰色预测方法对趋势项进行预测 ,建立以传统分析方法和灰色系统理论相结合的经济变量长期预测数学模型 ,并对经济指标进行预测     

时间序列多期累积量的预测区间及应用

一、引言在时间序列分析的许多实际应用中,考虑的预测区间通常有两种,一种是单期预测区间,另一种是多期联立预测区间。后者是一个新的研究领域。对时间序列Ｘｔ,可观察时间ｔ＝１,２,…,ｎ,建立单期预测区间是指对给定的α,找到常数Ｃ使Ｐ（｜Ｘｎ＋ｋ－Ｘｎ（ｋ...