共查询到17条相似文献，搜索用时 203 毫秒
1.
鉴于石油在国民经济中的重要地位及其对金融市场的重要影响,提出新的非线性组合预测模型:HP滤波-AR模型-ARMA模型,使用HP滤波将原序列分解成两部分即周期性波动序列和趋势要素序列。根据两个序列的不同性质,对趋势要素序列建立AR模型,然后建立随机周期性波动序列,对随机周期性波动序列建立ARMA模型。将两个预测值之和与原序列比较,同时将该模型与其他模型进行对比。对比结果表明,预测精度高于其他模型。 相似文献
2.
基于极限学习机（ELM）构建的大坝变形预测模型易受连接权值、隐含层阈值及隐含层节点数影响,为获取更优的形变预测值,并改善模型预测可靠性,构建一种基于 EMD-PSO-ELM 算法,考虑时效、温度、水位等多因素的大坝变形预测模型。该模型首先从时频分析出发,利用经验模态分解（EMD）将变形时间序列分解成具有不同频率特征的分量|然后利用 PSO-ELM 模型解求形变预测值,重构获得大坝形变趋势。实验结果表明,融合时效、温度、水位等多因素的 EMD-PSO-ELM 大坝变形预测模型残差均方根误差为 1.83mm,平均绝对误差为 1.57mm,平均绝对百分比误差为 1.79%,比 ELM 模型与 EMD-ELM 模型相关误差值更小,在大坝变形预测方面性能更优。 相似文献
3.
PM2.5对空气质量和能见度等有重要的影响,了解其变化趋势,对制定合理的治理机制具有现实意义.在传统的GM(1,1)模型的基础上,提高数据的光滑度,建立了改进的GM(1,1)模型,并利用MATLAB实现GM(1,1)模型算法.以石家庄市PM2.5浓度作为研究对象,以历史数据预测未来数据,并检验其精度.结果显示,石家庄市PM2.5浓度,在短期内仍将保持较高值,采取措施控制PM2.5浓度不容忽视. 相似文献
4.
基于灰色神经网络串联组合模型的涌水量预测 总被引：1，自引：0，他引：1
利用矿井涌水量实测值建立灰色理论与神经网络串联组合的预测模型,即利用不同灰色模型预测值训练神经网络进行预测,提高矿井涌水量的预测精度,先后建立了GM（1,1）、二次参数拟合GM（1,1）模型,将其与BP神经网络模型串联形成最终预测模型,以淮南矿区潘三矿西翼矿井涌水量预测为例,结果说明了该模型具有较高的准确性。 相似文献
5.
随着现代医院信息化发展,门诊量预测显得更加重要,门诊预测不仅是对医院堆积数据潜在信息的深入挖掘,而且可为医院管理者的医疗资源配置提供建议。针对波动和噪音较大的门诊量时间序列预测问题,使用经验模态分解（EMD）对原始数据进行平稳处理,在此基础上建立长短期记忆（LSTM）神经网络模型,并选取单一的LSTM神经网络以及支持向量回归模型进行比较验证。实验结果表明,该组合模型有较好的预测精度,能为医院管理者提供决策支持。 相似文献
6.
由于股票市场变化存在着多因素、非线性、时变性等特点,传统预测模型忽视了股指波动影响因素特征提取的合理性与准确性,导致预测效果不理想。鉴于此,提出了融合情感分析和 SVM_LSTM 特征提取模型的股指预测方法以提高股指预测精度,将 SVM 和 LSTM 方法相结合建立 SVM_LSTM 模型,提取影响股指波动的情感极性特征、涨跌趋势特征以及股票技术指标特征,进而弥补影响股指波动的存在因素实现股指预测。通过与传统股指预测方法相比较,该方法实验结果的 MSE（均方差）达到了 0.172 2,比传统模型的均方差缩小了约0.083 7,证明了该预测方法在准确度上效果更好。 相似文献
7.
蒋惠凤 《温州职业技术学院学报》2014,(1):57-60
为提高负荷预测精度,将主成分回归（PCR）、偏最小二来回归（PLSR）与反向传播神经网络（BPNN）相结合,分别建立基于PCR和PLSR及与神经网络耦合的年用电量预测模型.结果表明,以PCR和PLSR方法提取成分作为神经网络的输入,以实际用电量作为输出,建立的PC-BPNN和LV-BPNN非线性预测模型拟合优度优于PCR和PLSR线性预测模型.从检验四个预测模型的预测效果看,线性预测模型的预测值均高于实际值,非线性预测模型的预测值均低于实际值. 相似文献
8.
《浙江大学学报(A卷英文版)》2020,(6)
目的:边坡位移预测是实现滑坡灾害预报的有效手段,对降低滑坡灾害导致的损失具有重要意义。本文针对三峡库区广泛分布的"阶跃型"滑坡,采用三种不同的机器学习算法:长短期记忆(LSTM)神经网络、随机森林(RF)算法和门控递归单元(GRU),预测三个不同的三峡库区边坡位移,并对比三种算法的预测精度,从而选择适用于边坡位移预测的机器学习算法。创新点:1.建立了基于时间序列分解和机器学习算法的动态预测模型,并能够准确预测边坡位移。2.对比了不同的机器学习算法预测边坡周期项位移的精度。方法:1.基于时间序列分解原理,将边坡累积位移分解为趋势项位移和周期项位移。2.利用多项式拟合对边坡趋势项位移进行预测。3.基于位移影响因素采用三种机器学习模型(LSTM、GRU和RF)预测边坡周期项位移。结论:1.本文提出的基于时间序列分解和机器学习算法的动态预测模型可以准确预测三峡库区"阶跃型"边坡位移。2. LSTM和GRU算法可以充分利用滑坡历史信息,精确预测边坡位移的周期项。 相似文献
9.
10.
本文首先对我国上证指数建立灰色预测、随机游走、多元回归模型,然后建立诱导有序加权算术平均(IOWA)组合预测模型.结果表明,组合预测模型的预测精度明显优于参与组合预测的各单项预测模型.利用IOWA组合预测得到的权重,预测我国2012年11月到2013年10月的上证指数走势.结果表明,未来12个月我国上证指数的收盘价先有上升趋势,后有下降的趋势,具有一定的波动性. 相似文献
11.
为了改善传统时间序列方法无法在预测模型中添加相关变量等缺点,并提高股指预测精度,运用LSTM神经网络等深度学习方法对我国上证指数及沪深300指数进行预测分析,并将预测结果与RNN、CNN、ARMA等模型进行比较,然后在模型中加入百度指数测试其对预测精度的影响,最后检验LSTM模型对训练步长的敏感性。研究结果表明,LSTM能够实现对股指的精准预测,其预测评价指标MAE、MAPE、RMSE分别为0.008、0.025、0.011,预测误差低于其它模型,加入百度指数可进一步提升其预测能力,但改变LSTM模型训练步长对结果影响不大。因此,LSTM模型在金融经济预测领域有较高的应用价值。 相似文献
12.
13.
为了提高传统方法生成交通拥堵指数（TPI）的准确率,引入一种基于经验模态分解（EMD）与Elman神经网络的组合模型实现交通拥堵指数预测。首先,利用EMD将TPI序列分解为不同时间尺度下的IMF分量和剩余分量;然后,通过偏自相关函数（PACF）计算各分量的滞后期数,以此确定各分量在Elman神经网络中的输入和输出变量;之后,通过上述方法计算出各分量预测值并相加;最后,计算出总预测结果。通过计算结果可知,EMD-PACF-Elman预测方法3个评价指标（平均绝对误差、均方误差、平均绝对百分误差）的计算结果与单一Elman神经网络模型、EMD-Elman神经网络模型、单一BP神经网络模型、EMD-BP神经网络模型相比都为最低,分别为0.562 4、0.598 9、0.110 7。因此, EMD-PACF-Elman预测方法可以有效地预测TPI,同时也为进一步预测交通拥堵趋势提供了依据。 相似文献
14.
邓乐斌 《郧阳师范高等专科学校学报》2010,30(1):89-92
通过综合适用于短期预测的GM（1,1）模型和适用于随机波动较大的数列预测的马尔科夫模型GMM（1,1）,对2000年-2006年十堰市城镇居民可支配收入进行建模计算预测,结果表明模型的预测精度较高。为制定新一轮的经济政策提供科学的决策依据。 相似文献
15.
区域旅游人才预测对于区域旅游经济的长远发展有着重要的作用,关系到旅游产业布局,旅游产业结构调整等一系列问题．运用灰色系统理论对环三都澳区域导游人才的供需现状及未来发展趋势进行研究,通过建立区域导游人才供需预测GM（1,1）模型,对环三都澳区域导游人才供需进行预测．实例分析结果表明,从预测精确程度、合理性和实用性等方面来看,GM（1,1）预测模型都适合于区域旅游人才预测研究． 相似文献
16.
灰色新陈代谢GM（1,1）模型在农村居民人均纯收入预测中的应用 总被引：3，自引：0，他引：3
研究了基于灰色系统理论的农村居民人均纯收入的预测方法.建立不同维的常规GM（1,1）模型群,根据不同维预测模型的模拟相对误差,优选出基础GM（1,1）模型并建立灰色新陈代谢GM（1,1）模型对陕西省农村居民人均纯收入进行了预测.该方法能够有效融合新信息,弥补常规GM（1,1）模型的不足,实例计算表明该模型预测结果比较准确. 相似文献
17.
研究基于粒子群优化算法的长短期记忆神经网络模型构建方法及其在医院门诊管理中的应用,选取三甲医院中医慢病相关科室门诊量历史记录数据,构建基于长短期记忆神经网络的门诊量预测模型,借助粒子群优化算法对长短期记忆网络进行参数优化,并使用优化后的模型对门诊量进行预测。月度门诊量预测结果表明,经过粒子群优化的长短期记忆神经网络模型在测试集上的预测误差RMSE,相比未优化的模型减小了48.5%。粒子群优化算法能高效地优化预测模型,可使模型较好地预测出门诊量变化趋势,从而为医务人员门诊管理工作提供决策支持。 相似文献