共查询到20条相似文献，搜索用时 31 毫秒
1.
季节变动序列的一种简捷预测法 总被引：2，自引：0，他引：2
本文首先给出了季节变动序列渐进预测模型的一种构造与证明方法,进而给出了一种季节变动序列的简捷预测法,最后进行了预测应用与准确性比较 相似文献
2.
季节模型预测的定基比率法 总被引：4，自引：0，他引：4
一在经济预测中,常常遇到对具有明显季节性变动规律的经济变量进行预测的问题,即季节变动预测。在季节变动预测中,常用的方法之一是把经济变量的季节波动时间序列进行分解,测定其长期趋势T、季节变动S、循环变动C和不定变动I等组成因素,并利用乘法模型X=T·S·C·I,计算表征该变量季节变动一般规律的指标——季节指数SI,用以进行预测。依据乘法模型进行季节变动预测,其关键在于计算季节指数。计算季节指数通常是依据三年以上分季(月)的季节波动时间序列,按同期平均法求各该季(月)水平的平均值(?)k,然后除以各季(月)水平的总平均值(?),即可得到季节指数: 相似文献
3.
预测是研究经济时间序列的重要课题,而经济序列大都是非平稳的,因此经济序列的预测比一般平稳时间序列困难得多。利用状态空间模型对经济序列进行建模、预测,不仅方便易行,且效果很好。不仅可对经济时间序列所含趋势、周期、季节各分量进行预测,而且可对经济时间序列本身进行预测。本文就是讨论用状态空间模型对经济序列进行预测的方法与实现。 相似文献
4.
股票价格的回归——马氏链分析与预测 总被引：2，自引：0，他引：2
本文将随机时间序列分解成趋势变动序列和马尔可夫链，建立了回归—马尔可夫组合预测模型，并对此模型编制成通用计算机程序，以此预测股票价格取到某个区间的概率分布、平稳分布，股票价格的均值以及股票价格的平均涨落时间 相似文献
5.
6.
二次指数平滑公式由于具有时间序列数据厚近薄远的调节性、修匀平滑性、递推性、自适应性等优点,在传统时间序列预测中占有重要的地位,起着特殊的作用.但是,和移动平均方法一样,对于呈现增长变动趋势的经济变量,指数平滑方法也会产生滞后偏差.自然,在线性增长模型中,也不例外。本文拟对二次指数平滑在线性模型预测中的滞后效应与预测误差分析方面进行一些探讨. 1 问题的提出在传统的时间序列预测方法中,指数 相似文献
7.
针对网络攻击具有多样性、时变性,传统预测方法预测精度较差的问题,提出一种混沌理论和LSSVM相融合的网络攻击预测算法.利用网络攻击频率时间序列预测模型参数之间的联系,采用粒子群优化算法对模型参数进行组合优化.采用最优参数的预测模型对具体网络攻击频率数据进行仿真测试,并与其它预测算法进行对比.实验结果表明,该方法对网络攻击频率预测精度要高于对比算法,是一种泛化能力好、预测结果可靠的网络攻击预测算法. 相似文献
8.
本文在文献[1]对季节性预测方法评述和所提出的改进设想的基础上,就Winters趋势性与季节性指数平滑预测方法所存在的问题作了进一步分析,并提出了预报季节性指数的改进方案,从而在理论上进一步完善了这种方法。并且本文的应用实例也表明,这种新的预测方法比传统Winters方法和其他季节性预测方法有较好的预测精度,而且并不增加多少工作量。 1 引言 Winters趋势性与季节性指数平滑预测方法是P.R.Winters于60年代初提出的一种较高级的平滑预测方法,它适合于非线性较弱的趋势性变动和季节性波动兼而有之的时间序列的预测问题。根据文献[1]的分析,在季节性波动时间序列预测的各种常用方法 相似文献
9.
将2000-2010年的杭州市机动车保有量的时间序列用非线性回归拟合得到趋势曲线方程,并以趋势曲线为基准划分2个状态区间,再用马尔可夫转移概率来刻画系统的数值波动规律。通过对杭州市2010年机动车保有量预测值与实际值进行比较,可知该模型预测精度较好。并基于该模型用状态趋势预测方法对2011年杭州市机动车保有量进行预测。 相似文献
10.
时间序列起源于预测,特别是市场经济预测,而在经济预测中所运用的预测方法不外乎定性分析(如德尔菲法、历史数比法等)和定量分析两大类。而定量分析又可大体分成因果模型(如回归分析法、经济计量法、投入产出法等)和时间序列模型(如移动平均法、加权平均法、指数平滑法以及博克斯——詹金斯法、动态数据系统法等)。因果模型着重揭示 相似文献
11.
疾病的发生发展是一种复杂的现象,准确地预测人群以及个体疾病的发展趋势成为人们预防疾病的一个重要手段。综述了当前疾病预测中常用的几种数学模型的方法,对回归预测法、时间序列预测法、灰色预测法、Markov预测法、人工神经网络法等进行了简单介绍,并对这几种方法的特点、适用范围做了比较分析,便于在不同的情况和不同的精度要求下,选择合适的方法进行预测。 相似文献
12.
神经网络与预测方法研究 总被引：9，自引：0，他引：9
1 引言在科学技术和社会高速发展的今天,愈来愈多的问题,具有系统的复杂性、时变性和模糊性的特点,这就使得利用传统的预测方法解决这类问题十分困难。1987年,Lapedes和Farber首先应用神经网络进行预测,开创了神经网络预测方法的历史。目前,在范围广泛的商贸信息交流中,神经网络技术可以解决用传统方法不能解决的问题。例如Varfis和Versino运用神经网络解决经济时间序列预测问题,White利用神经网络进行IBM公司每日库存占用资金率的预测,都得到了很好的效果,节约了大量的资金。人们 相似文献
13.
对时间序列的预测是一项重要的数据挖掘技术。本文将独立分量分析方法和小波神经网络相结合,建立一种ICA—WNN预测模型,并应用于风力发电功率时间序列预测。仿真结果表明所建模型具有较好的泛化性能,得到了较高的预测精度。 相似文献
14.
本文介绍了环境系统预测的基本概念,并科学地分析系统的含义,对环境系统预测的主要任务加以阐述,介绍了环境预测的基本原理、环境系统的规律,对环境系统预测的方法进行了概述,说明逐步回归法建立模型的方法和步骤,介绍了时间序列预测法的原理和概念。 相似文献
15.
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。 相似文献
16.
本文主要是探讨一种新的预测方法,为长、短期预测的结合寻找一条简洁实用的途径。 1 问题的提出在各种预测方法中,时间序列分析方法无疑占有重要的地位。其主要优点是短期预测精度较高。但也存在不少缺点:建模所需的数据样本大;建模和检验工作比较复杂,而且,时间序列模型用于长期预测时,误差往往很大,这主要是由于模型阶次的限次,不能反映较长 相似文献
17.
目前城市大气污染问题日益严重,为了更好的解决城市大气污染预测的准确性不足的问题,本文提出了一种基于时间序列和人工神经网络的城市大气污染预测模型。首先使用时间序列的方法对采集的数据进行统计,再将统计结果作为样本输入人工神经网络模型,然后将神经网络训练后得到的样本数据采用趋势外推法进行预测分析。仿真实验结果表明,本文提出的基于时间序列和人工神经网络的城市大气污染预测模型的预测结果与实际结果相当接近,本方案切实有效,值得推广使用。 相似文献
18.
季节性时间序列预测方法的评述与改进设想 总被引：5，自引：0，他引：5
本文对目前常用的季节性波动时间序列预测方法,从原理、思想、特点和缺陷等方面,作了较全面的分析归纳和评述。本工作有助于我们加深对方法的理解、选择和使用。文章还针对各类方法所存在的问题提出了几种进一步改进的设想。 1 引言社会经济系统中的许多变量除了含有随机性扰动和趋势性变化以外,还兼有季节性(或称作周期性)波动.这种季节性的波动是由于系统内部的周期性运动与变化规律和系统的外部环境的季节性作用特点等因素所造成的。由于这种因果关系的错综复杂和不明确,人们通常撇开这些复杂的关系而转向直接对被测量的时间序列进行分析和研究,从而同时预测出其趋势性变动和季节性波动。可见,季节性波动预测较一般预测有特殊的困难.为此,人们提出了各式各样的预测方法来解决这一问题。 相似文献
19.
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。 相似文献
20.
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。 相似文献