基于马尔科夫和布朗运动的股票价格预测模型

股民希望从研究股票市场价格的变化中得到一些规律,减少自身的损失,但是股票系统本身是一个非常复杂的非线性运动系统,受到多种因素的影响,短期的某种程度的预测能够帮助股民投资,当前经济预测方法有很多,本文主要分析基于马尔科夫和布朗运动的股票价格预测模型,通过实例对比,分析两种模式的联系与区别,希望嫩味股票短期预测模型提供参考。     

一种时间序列的模糊神经网络预测方法

本文提出一种短期电力负荷的时间序列预测方法。该方法用混合pi-sigma模糊神经网络,结合短期电力负荷的周期性特点,建立pi-sigma模糊神经网络时序预测模型,构建预测样本和检验样本,对未来短期电力负荷数据预测研究。该预测模型的模糊子集隶属度可以在线动态调整。仿真实例表明,本文提出的电力负荷预测方法优于常规的时序预测方法,具有预测精确度高以及预测结果稳定等优点,可以克服神经网络电力负荷预测方法的随机性。仿真实验结果验证了所提出方法的有效性。     

基于BP神经元网络的鱼塘溶氧预测模型研究

为了能够提高水产养殖中水体溶氧量短期预测精度,提出将遗传算法和反向传播(BP)神经网络相结合的预测模型。根据相关研究,采用对池水含氧量影响较大的几个影响因素,作为预测模型的输入端变化量;BP神经网络优化的阈值和初始权值通过遗传算法来获得,遗传算法具有全局搜索能力。采用改进后的BP神经网络建立起短期鱼塘含氧量预测模型,该方法具有较高的预测精度。     

基于灰色系统理论对我国蜂蜜产量和出口量的预测

基于灰色系统理论对1998~2008年样本区间内我国蜂蜜产量与出口量进行了关联分析,构建了我国蜂蜜产量和出口量的预测模型,并对预测模型进行了检验,然后应用预测模型对我国的蜂蜜产量和出口量进行了预测。通过对比,结果显示预测模型可直接用于预测我国在未来年份的蜂蜜产量和出口量。     

电力短期负荷预测的研究

电力短期负荷预测是电力部门的一项重要工作,在电力系统的安全、可靠及经济运行中起到了很重要的作用。在本文中,利用模拟退火算法的全局寻优能力和BP神经网络的非线性学习能力,提出了模拟退火BP神经网络的电力短期负荷预测模型来实现短期负荷的预测,从而能有效地克服BP神经网络容易限入局部极小的缺陷。通过某市的实际数据为算例,验证了本算法的有效性和优越性。     

基于智能化信息处理的建筑工程造价短期预测研究

在当前的社会中，各类技术不断取得突破，其中智能化信息处理便是其中之一，该技术的出现和完善，为当前企业走向现代化管理提供了重要平台。而建筑工程要想实现造价短期预测，为了提升工作效率，也逐渐的引入了智能化信息处理技术。本文将就试着对建筑工程短期预测如何引用智能化信息处理进行分析研究，供未来建筑工程造价短期预测参考。     

内蒙古通辽市夏季降水量短期气候预测方法研究

为提高内蒙古通辽市夏季降水量气候预测水平,利用积分回归法建立该地区夏季降水量短期气候预测方法。结果表明,建立的方法物理意义清楚,所建预测模型达到了显著水平,并且在一定程度上反映了气候变化的过程,经试报检验具有一定的实用价值。     

基于BP神经网络的北京市农产品批发市场鸡蛋价格短期预测研究

鸡蛋作为一种重要的农产品及消费者营养食品,其价格波动受多方面难以测量因素影响,具有复杂的非线性特性。本文利用2015年8月14日至2017年9月30日的北京市农产品批发市场鸡蛋价格数据,建立了基于MATLAB技术LM-BP改进算法前向型神经网络的北京市农产品批发市场鸡蛋价格短期预测模型,通过"模型训练→模型检验→模型预测"模式来综合评估模型的预测效果。结果显示该模型能够对北京市农产品批发市场鸡蛋价格提供理想的短期预测。     

基于最小二乘支持向量机的瓦斯涌出量预测模型

瓦斯涌出量的准确预测对于通风系统的设计、瓦斯防治、安全管理有着重要意义,可以有效减轻采煤工作面的危险程度,同时提高煤矿业在燃料市场中的竞争能力。本文简述了瓦斯涌出量预测的价值和曾出现的各种方法,提出了基于遗传算法(Genetic Algorithms,GA)和最小二乘支持向量机(least square support vector machine,LS-SVM)的短期瓦斯涌出量预测方法,以某煤矿回采工作面瓦斯涌出量与影响因素为例,建立了GA-LSSVM预测模型,根据上述煤矿的数据进行实例验证,结果表明文中的方法显著优于神经网络的预测结果。     

近红外光谱技术分析高羊茅干草营养成分含量

本研究利用近红外光谱(NIRS)技术构建高羊茅(Festuca arundinacea)干草的近红外预测模型，于甘肃省庆阳市采集101份高羊茅样品，将湿化学分析结果和NIRS结合，利用改良偏最小二乘法(MPLS)进行预测模型的建立和验证。最终建立了高羊茅干草干物质(DM)、粗蛋白质(CP)、有机物(OM)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、粗脂肪(EE)、灰分(Ash)这7种营养成分的预测模型，其中建立的CP和DM的预测模型外部验证相对分析误差(RPD)值为3.53和2.55，预测模型的预测效果较好，可以用于实际生产中预测成分含量；OM、 NDF、 ADF、EE和Ash的预测模型RPD值为2.17、2.04、2.06、2.06和2.02，所预测的结果可以作为一些饲料生产中的参考。     

河南畜产品产量增长趋势的预测

本文应用灰色系统理论,对原始数据组随机处理,建立起我省畜产品年产量的预测模型ＧＭ(１,１),进而对我省畜产品年产量进行预测。预测的精度均属一级,从控制论角度讲,畜产品产量预测是一个灰色系统。     

灰色系统中模型GM(1,1)对于大豆价格指数的预测

本文采用灰色系统中预测方法,建立了关于大豆价格指数灰色预测模型GM(1,1),采用灾变预测思想建立大豆价格等级体系,从而设计出针对大豆价格变异的预测决策系统。其中针对近年来大豆价格低迷,豆农惜售。这一事件为例,从小样本出发,经过残差分析,精度检验等手段表明,此套大豆价格预测系统有良好的可操作性,同时可以推广到其它非本征性经济领域。     

GM(1,1)模型灰色预测法预测四川省老龄人口

以2005—2010年四川省老龄人口数据资料为依据,应用灰色系统理论构建GM(1,1)老龄人口预测模型,统计检验和误差分析表明,模型精度较高.用该模型预测了四川省2015—2020年老龄人口规模,并对预测结果进行了分析。     

B超活体预测猪肉肌内脂肪含量研究进展

B型实时超声仪系统检测是一种安全、无伤害、可重复应用的方法,已有较多学者把该系统引用到生猪活体肌内脂肪含量预测的研究领域。通过B型超声仪系统采集的数字图像,即为B超图像。利用专门图像处理技术提取B超图像的特征参数,结合生猪个体的特征参数,基于统计分析思想构建预测模型,分析活体肌内脂肪预测值和实际含量的相关性,验证已构建模型的准确性。本文综述B超图像特征参数提取、预测模型构建、重复性等方面的研究进展,为研究人员探索建立更为有效的预测方法提供参考。     

试论我国内幕交易罪中内幕人员的范围与分类

内幕交易与证券市场的历史一样久远，是证券市场的“毒瘤”和“顽疾”。内幕人员利用不对等的信息优势，提前买入或者卖出相关股票，从而获取巨额利润(或避免损失)，内幕人员就像证券市场上的小偷，将手伸进成千上万股民的钱包①，甚至有人发出“中国的股市很像一个赌场，而且很不规范……可以作弊，可以诈骗”于的感叹。内幕交易行为危害巨大，违背了市场的基本原则，损害了市场的根本基石，打击内幕交易是维护证券市场健康发展的当务之急。而在内幕交易的诸多要素之中，“内幕人员”是核心要素之一，本文拟通过比较研究，厘清“内幕人员”的分类与范围，希望对司法实践有所裨益。     

中国牛产业发展趋势预测

运用灰色系统理论，对中国牛饲养量，牛出栏数，牛肉产量，牛奶产量的原始数据列随机处理，用GM（1，1）建立预测模型，对牛产业发展趋势进行了预测，为今后牛产业发展提供了科学依据。     

企业现金流量预测指标体系的构建和因果分析

企业现金流量是一个企业的血液,企业能否有充足的现金流量关系着企业的生存与发展。为了合理地预测企业现金流量,促使企业做出明智决策,笔者从系统动力学的角度成功构建了企业现金流量预测指标体系,并用系统仿真进行了指标体系的因果关系分析,为企业现金流量预测模型的建立奠定了基础。     

基于多种预测模型的风电功率实时预测

风电功率的预测关系到电网的功率平衡和运行安全。本文根据已有的风电功率历史数据,分别建立了基于时间序列分析法的ARMA模型、基于卡尔曼滤波法的风电功率预测模型和基于单一相空间重构的神经网络预测模型,利用matlab、excel、eviews等软件对未来一天和七天的不同时刻点的风电功率进行了预测,并在国家能源局对风电预测功率精度要求的基础上,根据所得的预测函数曲线图对模型进行了评价与分析,最终确定卡尔曼滤波法的预测模型为最佳推荐模型。然后通过对同种预测模型下不同数量发电机组间的预测精度的评价,得出风力发电机组集群影响单组发电机风电功率预测精度的结论。综合以上三个模型的优缺点,建立了基于多嵌入维数的风力发电功率神经网络预测模型,检验模型的预测精度,验证了该模型的可行性。     

最优组合模型在家禽存栏量预测中的应用

以大庆市家禽的存栏量预测为例,分别采用灰色预测模型、指数模型、一次函数模型、二次函数模型、三次函数模型做单项预测。同时,建立一个以预测误差平方和达到最小为准则的正权重组合预测模型,并利用该组合模型预测大庆市2010年的家禽存栏量。从预测结果来看,组合预测模型要优于单一预测模型,从而验证了该模型的有效性。     

近红外光谱技术测定苜蓿蛋白质含量的研究

采用近红外光谱分析技术，结合改进最小二乘回归法（MPLS），以63个不同来源的苜蓿饲料为样品，建立苜蓿蛋白质含量分析预测模型。结果显示：预测模型的内部交叉验证标准误差（SECV）为0.433 5，交叉验证相关系数（1-VR）为0.920 1，外部验证的预测标准误差（SEP）为0.264 0，表明近红外光谱分析技术可以准确检测苜蓿中蛋白质的含量。