基于灰色多元线性回归组合模型的中国社会消费品零售总额影响因素及预测研究

影响中国社会消费品零售总额因素众多,但研究社会消费品零售总额组合模型尚属空白领域.通过Shapley值法构建灰色多元线性回归组合模型改善了原有灰色模型中没有考虑线性因素和线性回归模型中没有考虑指数增长趋势的缺陷,同时能公平反应组合中各种方法对组合的平均贡献及重要性.灰色多元线性回归组合模型对社会消费品零售总额预测结果显...     

灰色理论和线性回归组合方法在装备使用保障费用估算中的应用

介绍了灰色理论和线性回归组合预测原理,即用GM(1,1)模型预测将来可能的数据跳变时间点,对其他非跳变点使用分段线性回归函数进行预测。运用此组合方法对装备使用保障费用进行了预测估算。计算实例表明,该组合方法预测精度高于单独使用灰色理论或线性回归所测结果,是可行有效的。     

基于灰色线性回归组合理论的矿井瓦斯涌出量预测

为了减小瓦斯对矿井开采安全性的威胁,以铁法煤业集团晓南矿瓦斯地质为研究对象,利用灰色线性回归理论,根据矿井瓦斯监测数据,建立瓦斯涌出量的灰色线性回归组合模型,对晓南矿深部瓦斯涌出量进行预测。结果表明：灰色线性回归组合模型既改善了线性回归预测模型中不仅表达指数增长的缺陷,又弥补了灰色系统预测模型中不含线性因素的不足,在预测矿井深部瓦斯涌出量中取得了较好的效果。     

基于熵权法的PHC管桩承载力组合预测

为克服单项预测方法产生的误差,利用灰色模型GM（1,N）、多元线性回归、BP神经网络等3种单项预测方法建立组合预测模型,并采用熵值法确定加权系数。通过对PHC管桩承载力进行比较预测,结果显示GM（1,N）法平均绝对百分比误差（MAPE）值为5.4%,多元线性回归法的MAPE为3.0%,BP神经网络法的MAPE为2.8%,组合预测法的MAPE为2.3%。因此组合预测法精度较高,实用性更强。     

隧道与地下工程围岩变形的灰色优化与预测

主要介绍了灰色线性回归组合模型的灰色优化和预测,并将其应用到隧道与地下工程的监控量测中。结合工程实例,通过与GM(2,1)模型、Verhust模型和新陈代谢模型的模拟预测进行对比,得出了在模拟预测围岩的变形特征时灰色线性回归组合模型的新陈代谢模型更具有普遍的适用性和准确的模拟预测精度。     

神经网络在个人信用组合预测中的应用

该文运用组合预测的思想,提出了通过感知器、BP、Elman和LVQ等不同的具有代表性的神经网络模型,将多元线性回归和logistic回归两单一方法进行组合,并分别应用于某商业银行的个人信用评估,其结果表明:感知器、BP、Elman和LVQ神经网络组合预测方法精确度不尽相同,但总体上能够获得比多元线性回归和logistic回归更高的预测精度,尤其在避免纳伪错误方面更具优势。     

多因素时间序列的灰色预测模型

对于传统的单因素时间序列预测法在实际应用中的不足之处,提出采用灰色DGM(1,1)模型和多元线性回归原理相结合的方法,综合各种因素建立多因素时间序列的灰色预测模型。它首先利用DGM(1,1)模型对影响事物发展趋势的各项因素进行预测;然后利用多元线性回归法将各种因素综合起来,以预测事物的发展趋势。最后将该模型应用于预测分析陕西省的就业状况,取得了较好的预测效果,同时也验证了此模型的可行性。     

灰色GM（1,1）与线性回归组合模型及其在变形预测中的应用

将ＧＭ（１，１）模型和线性回归模型组合起来进行变形预测，改善了原线性回归模型中没有指数增长趋势及灰色ＧＭ（１，１）模型中设有线性因素的不足，使组合模型更适用于变形的一般情况。     

RBF神经网络在个人信用组合预测中的应用

运用组合预测的思想,提出了通过RBF神经网络将多元线性回归和logistic回归组合的预测方法,并应用于某商业银行的个人信用评估中,其结果表明组合预测方法能够获得比单一方法更高的预测精度,尤其在避免"纳伪"错误方面更具优势.     

组合模型在河流补给量预测中的应用

本文以河流多年监测资料为依据,采用线性回归、非线性回归及灰色模拟等方法分析了河流与地下水的转化规律,建立了河流补给量预测的最优组合模型,并取得了满意的预测效果,展示了多形式组合模型在河流补给量预测应用中的前景.     

洛阳市公共交通规划中的预测技术

文章介绍了“洛阳市公共交通规划”中所采用的预测方法和模型,着重论述了灰色动态预测 GM(1,1)模型的建模、模型处理及精度分析,并利用灰色关联分析和多元线性回归模型相结合进行预测,还提出了能开拓信息渠道反映预测技术灵活性的特征预测.     

基于大数据分析的郑州市城市用水量预测

基于2011—2019年郑州市用水统计资料,通过建立ARIMA模型、灰色GM(1,1)模型和基于大数据分析的多元线性回归分析3种模型对郑州市城市用水量进行预测.结果表明,利用主要影响因素建立的基于大数据分析的多元线性回归分析模型优化度R2和平均相对误差分别为0.946和1.758％,而ARIMA模型、灰色GM(1,1)...     

多元线性回归与BP神经网络预测模型对比与运用研究

对多元线性回归模型及BP神经网络模型的理论及运用方法进行研究,采用SPSS及MATLAB软件分别建立多元性回归和BP神经网络预测模型,通过农村居民纯收入预测的算例,对多元线性回p-3和BP神经网络预测模型的拟合优度、初始数据的仿真与模拟能力和新数据的预测能力进行对比,数据结果表明BP神经网络预测模型优于多元线性回归预测模型．     

农村电网规划中负荷总量预测的研究

根据农网负荷的特点,构造了中期负荷预测的流程图,考虑采用确定性预测方法中的多元线性回归模型(或逐步回归模型)和不确定性预测方法中的灰色模型来进行预测,然后进行综合分析,得到负荷序列的最终预测结果.     

基于联系数的区域水资源承载力诊断指标组合预测研究

为提高区域水资源承载力诊断指标预测结果的精度和稳定性,在建立区域水资源承载力诊断指标预测的BP神经网络、多元线性回归和支持向量机模型(SVM)的基础上,建立了基于联系数的区域水资源承载力诊断指标组合预测模型(CFCN)。通过对区域水资源承载力水量要素能力表征指标的预测分析,结果表明,CFCN的预测平均误差最小(0.27%)、预测精度最高、稳定性最好,CFCN综合了BP神经网络、多元线性回归和支持向量机这3种预测方法的优势,克服了在区域可利用水量预测中BP神经网络外延性差、多元线性回归模型预测精度低、支持向量机拟合效果差的缺点,预测精度较单一的预测模型有显著提高。上述组合预测方法可为区域水资源承载力诊断指标预测提供有效的方法和技术支持。     

季节指数改进的PM2.5质量浓度组合预测模型研究

随着我国的经济和城市化迅速发展,PM_2.5主导的区域空气污染已成为紧迫、突出的环境问题。据相关研究表明,PM_2.5在不同季节质量浓度差异较大。根据广州市2015~2019年的PM_2.5月均质量浓度数据,结合大气污染物及气象因素,引入季节指数,建立预测PM_2.5质量浓度的改进多元线性回归和多层感知器组合预测模型,探析广州市大气污染物中PM_2.5质量浓度的变化规律。结果表明,用季节指数改进的组合预测模型对PM_2.5质量浓度进行预测分析,拟合结果良好。使用不同评价指标将组合模型与传统的多层感知器预测模型和多元线性回归模型进行对比,该组合模型的均方根误差(Root Mean Square Error,RMSE)、平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)、平均绝对误差(Mean Absolute Error,MAE)分别比多层感知器模型减少了23.1%、31%、24.2%;比多元线性回归模型减少了35.3%、41.3%、41%。该模型精度均优于传统的多元线性回归模型和多层感知器模型,能更好地预测环境PM_2.5质量浓度,为优化环境提供参考。     

灰色-线性回归组合模型在预测中的应用

针对现阶段灰色经济预测方法在实际应用时的千变万化的情况，结合实际调查和预测经验，提出了一种基于灰色理论和线性回归理论的模型——灰色线性回归模型。给出了灰色-线性回归模型算法的基本思想和计算步骤，并举例说明如何用该模型解决实际问题。结果表明灰色-线性回归模型用于预测是有效的和可行的。     

多元线性回归预测及其检验在EXCEL中的实现

多元线性回归预测是市场分析、经营决策和国民经济中较为常用的定量分析方法,本文着重研究了如何应用目前普遍使用的EXCEL软件和实现多元线性回归预测及其检验,从而实现多元线性回归预测的快速化.     

基于BP神经网络与多元线性回归的短期燃气负荷预测

影响燃气负荷变化的因素呈现非线性和随机性特征,单一数值算法很难进行精确预测。为了提高燃气负荷预测的准确度,使预测算法具备更好的适应性,提出了一种基于多元线性回归与BP神经网络的短期燃气负荷预测模型。该混合优化算法兼顾了多元线性回归算法的非线性特性和BP神经网络的泛化特性。以宁夏平罗县2011年城市居民燃气用气量为研究算例,应用灰色关联度对燃气负荷及影响因素进行相关性分析,并采用均方根误差及R~2判定系数作为预测模型性能评价方法。通过仿真,验证了所建立模型是可行且有效的。相比单一的多元线性回归方法或BP算法,采用混合算法所建立预测模型具有更好的适应性,预测误差更小。     

基于改进灰色模型的电力负荷中长期预测

基于电力系统中长期负荷预测的特点,针对常规灰色预测模型存在的不足,提出一种基于数据平滑处理,以及线性回归残差修正的改进灰色预测方法。对某地区算例比较和分析表明,本方法可明显提高中长期负荷预测精度。