国民最终消费的非参数预测模型

传统的线性回归模型不能理想地捕获我国国民收入与最终消费之间的动态关系,本文基于局部线性非参数估计理论,对我国改革开放以来的年国民最终消费建立了非参数回归预测模型,并对我国2000~2004年的国民最终消费进行了预测。结果表明,相对于线性回归模型而言,非参数回归模型能够很好地解决我国国民最终消费问题,预测精度较高。     

国民最终消费的非参数预测模型

传统的线性回归模型不能理想地捕获我国国民收入与最终消费之间的动态关系,本文基于局部线性非参数估计理论,对我国改革开放以来的年国民最终消费建立了非参数回归预测模型,并对我国2000-2004年的国民最终消费进行了预测。结果表明,相对于线性回归模型而言,非参数回归模型能够很好地解决我国国民最终消费问题,预测精度较高。     

居民消费价格指数的非参数自回归模型

利用我国2004年-2008年的居民消费价格指数数据,建立非参数自回归模型,并分别用线性最小二乘方法、正交序列方法和多项式样条方法进行了拟合和预测．结果表明,非参数模型优于线性模型;在三种估计方法中,正交序列估计方法优于其他两种方法．最后将模拟、预测的结果和刘春燕等建立的基于ARIMA模型模拟、预测的结果进行了比较．     

我国人口总量的非参数预测模型

基于正交序列的非参数估计理论,建立了我国人口总量的非参数回归预测模型.并应用此模型对我国1952—2003年的人口总量和GDP总量进行了预测分析.结果表明:非参数回归模型优于线性回归模型,同时正交序列估计效果也优于k-近邻估计.     

通货膨胀的非参数回归模型

通货膨胀对一个国家经济增长和人民生活的影响是不言而喻的,居民消费价格指数是衡量通货膨胀的重要指标.讨论了非参数回归模型的多项式样条估计方法后,运用我国居民消费价格指数和商品出口额的数据,建立了我国通货膨胀的非参数回归模型,并和线性回归模型的最小二乘估计及非参数局部线性回归估计的结果进行比较,结果表明,在估计和预测上,多项式样条方法都优于线性最小二乘估计和局部线性回归估计,能够更好的反映两者之间的关系.     

自回归预测模型的应用

应用数理统计方法建立了用电量自回归预测模型,并利用该模型对某单位用电量进行了预测分析,得到了满意的结果.     

城市日用水量预测的非参数模型

根据城市用水量的影响因素及特点,针对传统的线性回归模型误差较大的缺点,基于核估计与局部线性估计理论,建立了城市日用水量的非参数回归预测模型。经西安市实例验证表明,相对于线性回归模型而言,多元非参数回归模型能够很好地解决城市日用水量预测这一问题,预测精度较高,可以满足供水系统调度的实际需要。     

基于小波的部分线性自回归预测模型及其在沪深股市中的应用

首先采用部分线性自回归模型对上海和深圳股票走势进行模拟预测,然后利用小波函数结合部分线性自回归模型建立小波预测模型,又分别对上海和深圳股票走势进行了模拟预测,最后对两种预测方法的预测结果进行了比较和分析．结果表明：小波预测模型比单纯的部分线性自回归模型预测精度高,在股票市场的预测中具有很好的应用前景．     

基于非参数回归预测下的干线协调控制研究

城市干线协调控制是智能交通研究的关键环节。由于交通流是一个时变的、复杂的非线性系统,具有高度的不确定性、随机性,因此很难建立准确的模型,针对这一问题,本文采用非参数回归预测的方法对交通量进行预测,并运用到干线协调控制中,根据预测出的各交叉口短时交通量对干线协调控制进行配时设计。通过仿真表明,该方法能有效减少交叉口平均延误。     

疏系数自回归模型及其在矿井涌水量预测中的应用

作者分析了诸如矿井涌水量等地质时间序列数据的特点以及现有的一些预测预报方法的局限性,引进了一种适合地质特点的数学模型——疏系数自回归模型,并利用该模型处理了大同矿务局某矿的月平均日涌水量数据。从计算结果可以看出,预测的精度满足了生产矿井的实际需要。     

基于小波消噪的改进的非参数解集模型

首先对文献[2]提出的非参数解集模型进行了改进，然后建议了用小波技术对水文序列进行消噪处理再估计非参数解集模型中的带宽系数的策略。改进的非参数解集模型无需对水文序列相依结构（线性或非线性）和概率分布形式（正态分布、P-Ⅲ型分布）作假定，且能保持水文序列的各种统计特性，适用于时间量和空间量的随机解集。最后以金沙江流域某站月径流随机模拟为例进行验证，研究表明：改进模型能反映实测月径流系列的变化特性，因而用于水文随机模拟是可行的。     

GM(1,1)模型在预测工程价格指数中的应用

简要介绍了灰色预测方法GM(1,1)模型的适用条件、构造步骤及检验方法,建立了黑龙江省工程价格指数预测的GM(1,1)模型,经检验该模型的预测、模拟精度等级属于1级,预测结果可靠,能够准确预测工程价格指数,可为工程管理各方进行造价管理提供有益参考.     

基于ARIMA乘积季节模型的我国工业品出厂价格指数（PPI）预测

以乘积季节模型为理论基础,采用2006年1月至2018年12月的PPI月度数据,借助EVIEWS8.0软件,对数据进行逐期差分和季节差分消除趋势性和季节性,通过指标对比,建立了ARIMA(3,1,0)(1,1,1)24模型,并对PPI从2019年1月到6月的走势进行了预测,结果表明,该模型对PPI的短期预测具有较高的精度,可以为相关经济政策的制定提供参考。