KPCA_SVM水文时间序列预测模型的建立与应用

【目的】建立水文时间序列预测的核主成分支持向量机(KPCA_SVM)模型。【方法】利用核主成分分析(KPCA)对输入数据进行非线性特征信息提取,并将提取的特征信息作为最小二乘支持向量机(LSSVM)的输入变量,建立KPCA_SVM预测模型。以甘肃民勤地区的月蒸发量为例,对模型的预测效果进行检验。【结果】预测结果表明,KPCA_SVM模型预测效果优于PCA_SVM模型和LSSVM模型,预测平均相对误差为8.36%。【结论】KP-CA_SVM模型的预测效果优于没有特征提取的LSSVM模型。与主成分分析(PCA)提取特征相比,KPCA特征提取效果更好。     

抚仙湖流域中长期水文预报方法研究

为了提高中长期水文预报的精度和可靠度,采用周期均值叠加、平稳时间序列和人工神经网络3种方法,建立抚仙湖流域年降雨量中长期预报模型,通过对比分析,探究适用于抚仙湖流域的中长期水文预报方法。     

小波时间序列在电离层TEC预报中的应用

将小波时间序列应用到电离层TEC的预测中,通过小波分解将逐天的TEC数据分解到小波频率通道上,得到对应于小波频率的小波系数列。对系数列作降噪处理并进行数学变换最终使数据趋于平稳,并进行时间序列模型预测,还原成系数列的预测值,最后还原成实际预测值。采用小波时间序列预测后5天480个样本点,准确率在80%以上占87%,90%以上占57%,相较于传统预测模型有较明显的提高。     

小波分析在水文预报中的应用概述

阐述了小波分析在水文预报中的应用现状,讨论了小波消噪在水文序列中的中的重要性,并介绍了基于小波消噪的偏最小二乘回归模型,得出消噪后的水文序列的相依性会大大提高,能更好地为建立水文预报模型奠定基础。     

时间序列BP神经网络在福州市第三产业值预测中的应用

准确预测福州市第三产业的发展,对今后海峡西岸经济带建设具有举足重轻的意义。本文以福州市1994~2008年第三产业值为基础,采用MATLAB7.0建立非线性时间序列的神经网络预测模型,将1994~2003年的第三产业值作为训练样本,2004~2008年的第三产业值作为测试样本,并计算误差。结果表明:BP神经网络模型收敛速度较快,预测精度较高,对时间序列第三产业值的预测具有较高的应用价值。     

金融时间序列去趋势统计方法研究

金融时间序列分析关注的不仅仅是统计意义上的显著性,更重要的是要考虑到合理的经济解释.只有在合理经济解释基础上的统计结果,才能保证统计结果和预测的稳定性,并对实践作出指导.通过对金融时间序列去趋势统计方法的研究,得出了经济解释的难度随着统计显著性的增加呈上升趋势的一般性结论以及一些对实践具有指导意义的结论.     

混沌特性时间序列线性变换理论方法及其应用

通过对时间序列的相空间的重构,用G-算法、Wolf算法证明了混沌时间序列经过线性变换后其关联维数、Lyapunov指数以及Kolmogorov熵大小不变,从而得出了线性变换后混沌时间序列的混沌特性保持不变的结论.同时将这一理论和热力学中的相似实验相结合,验证了实验模型系统进入混沌则实际系统必也能够在相应时刻进入混沌状态.该结论被成功应用到对汽包水位晃荡幅值的测量当中,验证了汽包水位的晃荡幅值具有混沌特性,并成功地对该时间序列进行了预测.     

基于时间序列数据挖掘的玉米价格波动趋势研究

近些年来我国玉米价格走低,库存增加,给玉米生产和调控带来了一定的压力。该文以2003年1月至2016年12月黑龙江省和全国的日度玉米价格数据为基础,运用VAR模型分析了黑龙江和全国玉米价格之间的互动关系。研究结果表明,我国玉米价格走势经历了上升、高位运行和下降3个阶段,黑龙江和全国玉米价格之间存在长期协整关系。并且提出了改善玉米价格走势的具体建议。     

时间序列的自回归模型在杨凌地区降水量预报中的应用

对平稳时间序列的理论和方法,自回归模型[1]的概念,定阶,模型建立,预报,平稳性进行了综述。通过对杨凌张家岗气象站1935—1955年的四季降水量建立自回归模型,利用所求得的模型对1956年的四季降水量进行了预报。结果表明,该模型对冬季降水量预报效果最好,接下来依次为秋季、夏季、春季。因此平稳时间序列预报方法适用于预报变化比较缓和、持续性和周期性比较好的天气,对变化剧烈的天气和转折性的天气的预报能力较差。     

Study in Soybean Yield Forecast Application Based on Hopfield ANN Model

Using the artificial nerve network‘s knowledge, establish the estimate‘s mathematics model of the soybean‘s yield, and by the model we can increase accuracy of the soybean yield forecast.     

基于TSA-BP神经网络的企业产品市场占有率预测模型

在分析了现有的各种市场占有率预测模型的基础上，把产品市场占有率的时间序列作为ＢＰ神经网络的输入与输出，建立了预测模型，并对１９９９年部分品牌彩电的市场占有率进行了实证分析，结果表明，所建模型具有很高的预测精度，是一种值得推广的预测方法。     

基于人工神经网络和随机游走模型的汇率预测

由于金融数据具有随机性特征,使得建模和预测变得极其困难.提出一种组合预测方法,即假定任何金融时序数据由线性和非线性两部分组成,将其中线性部分的数据通过随机游走(RW)模型进行模拟,剩余的非线性残差部分由前馈神经网络(FANN)和诶尔曼神经网络(EANN)协同处理.从实证结果可知,该组合方法相比单独使用RW、FANN或EANN模型有更高的预测精度.     

时间序列分析在辽宁朝阳地区干旱灾变中的应用

介绍时间序列分析的应用,并综合运用时间序列分析对辽宁朝阳地区干旱年份进行预测。经检验,平稳时间序列模型可预测干旱灾害发生的时间,并具有较高的精度,在此基础上提出若干抗旱措施,为辽宁朝阳地区干旱研究及其治理提供依据。     

土壤墒情预报水文模型研究

介绍了利用水文模型预测土壤墒情的方法,并通过试验检验预报误差符合相关技术标准的要求。模型具有概念清晰,结构简单的特点,对指导农田灌溉管理具有重要的实际意义。     

基于混沌理论的自适应模糊推理网络系统在径流时间序列预测中的应用

水文期预报对水资源管理、调度及社会的生产、生活具有十分重要的意义。针对常规混沌预测方法的局限性,提出基于混沌理论的自适应模糊推理网络系统的径流时间序列预报方法。该方法径流时间序列被分解为趋势项、周期项和随机项,对随机项进行混沌辨识,然后建立有自适应能力的神经网络模糊推理模型对随机项进行预测,最后将各项线性叠加进行径流预报。实例表明,该方法预测精度较高,具有良好的泛化推广能力。     

人均GDP时间序列模型及预测

大多数经济时间序列存在惯性或是迟缓性,通过对这种惯性的分析可以由时间序列的当前值和过去值对未来值进行预测。用ARIMA似模型可以对天津市人均国内生产总值（1978～2006）时间序列进行建模和短期外推预测。     

全国小麦收购价格指数的时间序列分析

本文在中粮网上收集了2010年1月份到2014年12月份的全国小麦收购价格指数,通过对所收集的数据分析小麦价格指数的趋势性和季节性,建立ARIMA模型,根据这一模型对小麦收购价格指数进行预测,从而对其趋势进行分析提出合理化建议,对小麦市场的发展有指导意义。