上海青菜价格短期预测模型的比较研究

为了增强对青菜价格的短期预见性,利用SARIMA模型、X-12-ARIMA模型、Holt-Winters乘法模型与双指数平滑模型,分别建立了上海市批发市场青菜月平均价格预测模型。研究表明:四种模型中,SARIMA模型预测的精确度较好,且优于这四种模型的组合模型,使用该模型对2015年1—8月上海市批发市场青菜月平均价格进行预测,发现预测值与实际值之间的误差总体在4.47%—28.11%,预测月份中约75%月份的预测误差在20%之内,平均误差为14.8%,价格波动幅度在可接受范围。     

组合模型分析方法在我国粮食产量预测中的应用

尝试将组合预测法应用于我国未来粮食产量的预测,以提高预测精度。通过赋予合理权重,将C-D生产函数模型、多元回归模型和指数平滑模型加权组合。对各模型进行平均绝对百分误差(MAPE)、希尔不等系数(Theil IC)和均方根误差(RMSE)等指标的比较,证明单一模型经过组合能够提高预测精度。     

时间序列组合预测模型研究:以农业机械总动力为例

[目的]本文旨在提出更有效的时间序列组合预测模型的构建方法,建立预测精度较高的时间序列组合预测模型。[方法]以1978—2013年新疆农业机械总动力为数据源,建立了源序列的曲线回归、自回归积分滑动平均、3次指数平滑和灰色模型,并构建了预测对象和预测模型的关系数据库。提出了基于百分误差的计算属性重要度方法,依据该方法计算单一模型在组合模型中的权重,构建了单一模型预测值及其权重为输入的组合预测模型,使输出结果中完整的涵盖了时间序列不同单一预测模型的输出值特征。以误差分布特征为指标,对组合预测模型和各单一模型的预测性能进行分析。以组合预测模型拟合优度和预测值平均绝对百分误差(MAPE)作为评价指标,对基于百分误差、粗糙集、Shapley和熵权法的组合预测模型构建方法进行定量分析。[结果]预测周期内提出的组合预测模型的最大及平均误差与各单一模型最优值相比,分别降低了27.35和6.43,误差平方和(SSE)减少了73%,平均绝对百分误差降低了1.56%。基于百分误差的组合预测模型的拟合优度与基于粗糙集、Shapley和熵权法的组合预测模型拟合优度相比,分别提高了2.40%、5.10%和2.27%,粗糙集、Shapley和熵权法的预测值的平均绝对百分误差分别为1.673 0、3.726 1和2.702 4,而本文提出的模型的平均绝对百分误差为1.298 4。[结论]基于百分误差的组合预测模型在农业机械总动力和类似时间序列预测分析中,降低预测误差波动幅度及提高预测精度方面与其他单一模型和组合模型相比具有显著优势。     

组合模型在我国农用化肥施用量预测中的应用

在布朗(Brown)单一参数线性指数平滑法、ARIMA和GM(1,1)模型的基础上,利用我国农用化肥施用量数据,以绝对预测误差和达到最小建立组合预测模型。所得到的预测结果误差优于各个单一模型的单行预测,说明组合预测模型在时间序列数据的预测中更有可信度的优势。     

基于时间序列与RBF的农产品市场价格短期预测模型

为协助生产者更好地播种和收获,有效把握国内农产品价格波动规律,提高农产品价格预测精度.本文构建了基于农产品价格时间序列组合预测方法与RBF神经网络的集成预测模型,以ARCH、Holt-Winters无季节模型时间序列组合预测方法揭示农产品价格序列线性特征,以RBF神经网络揭示农产品价格非线性变动规律,并以1997-2011年全国农产品集贸市场大豆月度价格走势数据为例进行实验验证.研究结果显示,基于农产品价格时间序列组合预测方法与RBF神经网络的集成预测模型精度高于时间序列组合预测方法或RBF神经网络模型,是一种有效的农产品价格预测模型.     

烤烟醇化过程中还原糖含量的组合预测模型

为了提高现有烤烟醇化过程中化学成分预测模型的精度,提出了组合预测模型。选取灰色GM(1,1)模型、三次指数平滑、一元非线性回归3种单一预测模型,采用标准差法分配权重,对单一预测结果进行集成,以还原糖为例,建立了化学成分的组合预测模型。结果表明,组合预测模型能够较好的提高预测精度,较GM(1,1)、三次指数平滑和一元非线性回归模型预测精度分别提高了0.0184、0.0283和0.0082。     

基于组合预测的农业用水量预测

在分析农业用水特性的基础上,提出了可有效克服单一预测模型预测精度不高的组合预测模型,并给出了农业用水量组合预测模型的权重确定方法,最后基于GM（1,1）模型、回归预测模型和指数平滑模型验证了组合预测模型对我国农业用水量的预测精度。     

基于组合预测模型的水质数据预测研究

对时间序列水质预测问题进行研究,提出了基于最优加权法的组合预测模型.综合利用了ARIMA预测模型、人工神经网络模型和指数平滑法对水质数据进行预测,再将它们的结果利用最优加权组合法进行组合,得到组合预测模型结果.将组合预测模型应用到广州长洲水质预测工作中,得到了较好的预测结果.组合预测模型结果的精度高于单一模型结果.组合预测模型能平衡单一模型的偏差,具有更好的适用性和更高的精度.     

地下水位粒子群优化神经网络组合预测模型

【目的】将粒子群优化神经网络组合预测方法引入地下水位预测中,以提高地下水位预测的精度。【方法】以回归分析法、指数平滑法、灰色GM（1,1）模型的地下水位预测结果及预测结果平均值作为网络的输入,以实际地下水位值作为输出,对3个单一模型进行非线性组合,建立地下水位的粒子群优化神经网络组合预测模型,应用实例对模型的预测结果进行了验证,并与3个单一模型及等权平均组合模型的预测结果进行比较。【结果】实例运用结果表明,粒子群优化神经网络组合预测模型的均方误差为0.740 9,平均绝对误差为0.657 6,均小于单一模型及等权平均组合模型的相应值。【结论】粒子群优化神经网络组合预测方法适用于地下水位的预测。     

基于组合预测模型的辽阳地区能源需求预测

为了更可靠地预测辽阳地区未来能源需求量,采用GM(1,1)模型和三次指数平滑模型对辽宁省辽阳地区历史能源消费量建立预测模型,并将两个单一模型加权平均建立组合预测模型。结果表明:组合预测模型在时间序列数据的预测中可信度更高,预测精度达到94.06%;未来10年内,辽阳地区能源消费将以7.36%的年均增长率快速增长,到2022年能源需求量将达到2.2×107t标准煤。     

改进支持向量机的股票价格预测研究

为了提高股票价格预测精度,提出一种改进支持向量机的股票价格预测模型。该模型利用粒子群算法的全局寻优能力对支持向量机参数进行优化,以提高股票价格的预测精度,采用具体股票价格数据对模型性能进行测试。结果表明,改进支持向量机能够对股票价变化趋势进行预测,是一种有效、高精度的股票价格预测模型。     

季节周期预测法在电力系统季负荷预测中的应用

电力系统日负荷、月负荷和季度负荷变化具有明显的周期性,根据日、月、季负荷变化特点,将季节周期预测法应用于电力系统季负荷预测中。计算结果表明,用该预测方法预测电力系统季负荷具有较高的预测精度。     

基于优化灰色模型的农村季节性电力负荷预测，

提出了一种基于优化灰色模型的农村季节性电力负荷预测方法：首先对原始的时间序列数据进行移动平均处理,然后分别建立多个灰色GM（1,1）模型并进行优化组合．实例研究结果表明,该方法具有较高的预测精度。     

季节调整后的蔬菜价格与CPI 之间关系研究

在采用X-12-ARIMA季节调整模型剥离白菜、菜椒、黄瓜价格与CPI季节性影响的基础上,分析了此三类大宗蔬菜价格与CPI间的关系.协整分析结果表明,3类蔬菜价格与CPI间均存在长期稳定的均衡关系;Granger 因果关系检验结果表明,CPI在短期和长期均为影响3类蔬菜价格的原因,而白菜、黄瓜价格短期内对CPI的影响差异不显著,但其在长期内对CPI的作用显著.为正确把握我国蔬菜价格动态,保障居民生活质量水平,应尽快健全蔬菜价格风险预警体系,完善信息流通渠道,加强蔬菜基础设施的优化.     

季节调整后的蔬菜价格与CPI 之间关系研究

在采用X-12-ARIMA 季节调整模型剥离白菜、菜椒、黄瓜价格与CPI 季节性影响的基础上,分析了此三类大宗蔬菜价格与CPI 间的关系。协整分析结果表明,3 类蔬菜价格与CPI 间均存在长期稳定的均衡关系;Granger因果关系检验结果表明,CPI 在短期和长期均为影响3 类蔬菜价格的原因,而白菜、黄瓜价格短期内对CPI 的影响差异不显著,但其在长期内对CPI 的作用显著。为正确把握我国蔬菜价格动态,保障居民生活质量水平,应尽快健全蔬菜价格风险预警体系,完善信息流通渠道,加强蔬菜基础设施的优化。     

基于信息粒化和支持向量机的股票价格预测

信息粒化是进行海量数据挖掘和模糊信息处理的有效工具。本文提出了一种基于信息粒化和支持向量机的股票价格预测方法。利用长安汽车的股票数据,建立股票开盘价回归预测模型,该模型克服了传统时间序列模型仅局限于线性系统的情况。应用实例表明：该方法能有效地预测股票价格的变化范围。     

一种提高农产品市场价格预测精度的改进算法

为进一步提高农产品市场价格预测精度,及时发现价格异常的农产品,研究以山西晋城绿欣农产品批发市场胡萝卜等13种农产品月均价格数据为依据,对比分析了加权算术平均法、二次指数平滑法等9种时间序列非季节指数预测法,提出了一种改进的二次指数平滑预测法。应用改进后的二次指数平滑预测法计算的误差平方和均小于或等于改进之前,以3月份预测数据为例,其改进算法后误差平方比改进前降低了3007%。综合分析预测值与实际值的误差平方和,以及该种农产品历史预测误差的平方和,可以确定该批发市场某月价格异常的农产品。     

网络环境下ARIMA模型对于绿色蔬菜市场价格的精确预报

基于目前绿色蔬菜销售的特点 ,研究在网络环境下绿色蔬菜市场的价格预报问题。从研究单一蔬菜品种卷心菜开始 ,利用ARIMA理论和方法 ,从模型的识别、诊断、拟合与预测定量地研究其价格的问题。考虑到单一品种的片面性 ,提出利用 16种蔬菜加权平均价格作为研究对象的方法。     

基于Census X12和HP滤波的海南蔬菜价格波动特征及原因分析

以海南省主要蔬菜品种2012年1月至2015年9月的月零售价格为研究对象,采用Census X12季节调整方法,把季节变动S分离出来,分析海南省各类蔬菜价格的季节性波动情况,进一步采用HP滤波法将趋势变动T、循环变动C分离出来,分析海南省各类蔬菜价格的趋势和循环波动情况。然后对海南省蔬菜价格波动原因进行分析。