格兰杰因果关系检验模型分析与应用

目的 分析格兰杰因果关系检验模型,应用格兰杰因果检验模型检验房地产市场中的地价与房价之间的因果关系.方法 修正了沈阳市地价与房价的环比价格指数,对沈阳市地价与房价之间的关系进行平稳性检验,协整检验和格兰杰因果检验.结果 沈阳市房价是地价的格兰杰原因,房价的上涨会带动地价的上涨;而地价不是房价的格兰杰原因,但地价作为房价的重要组成部分,对房价有一定的影响作用.土地只是构成房地产的一个生产要素,其需求的变化是受房屋市场需求变化影响的,房屋市场供不应求,价格上涨,才使开发商对土地的需求增加,造成地价上涨.结论 土地招标、拍卖和挂牌政策的实施不是造成房价上涨的主要原因.     

电视购物调查分析——以陕西电视台“乐家购物”为例

对"乐家购物"消费者的调查数据用交互式列联表作初步的描述分析,表明随着年龄的增长、教育程度的提高、月收入的增加,选择电视购物的次数都有增加的趋势;构建Logistic回归模型对影响电视购物的因素作深入分析研究,揭示影响消费者选择电视购物的主要因素是年龄和受教育程度,并为电视购物的发展提出建议。     

我国寿险需求的结构分析

在既有研究成果的基础上,结合我国实际情况,综合考虑了影响我国寿险需求的经济因素、政策因素、人口因素、科技因素,并引入虚拟变量来反映1995年我国《保险法》和一系列配套行政法规及部门规章制度制定以后对保险业的影响。以1990~2008年的相关数据为基础,运用多元线性回归、岭回归等统计方法,借助SPSS13.0统计软件,通过建立岭回归模型对上述因素进行定量分析,对寿险需求进行结构分析。结果表明：居民收入是寿险需求的决定性影响因素,而GDP、社会保障支出、科技投入、人口因素对寿险需求都有正的效应,而通货膨胀对寿险需求有抑制作用。     

热定型工艺对斜纹涤纶机织滤布透气性能的影响

通过改变热定型温度、时间等工艺条件测试了织物热定型前后的透气性的变化,探讨了热定型工艺参数对涤纶机织滤布透气性的影响规律;采用二次回归正交设计得出斜纹涤纶机织滤布透气性与定型工艺的非线性关系,建立了热定型工艺与织物透气性影响规律的二次回归非线性经验方程.在定型温度为212℃、定型时间为143 s时涤纶机织滤布的透气量达...     

一种基于支持向量机的非线性系统辨识方法

提出一种新的非线性系统辨识方法,基于支持向量机回归算法,选取高斯核函数构造了从输入空间到高维特征空间的非线性映射,以避免繁琐的运算,实现对非线性系统的辨识。仿真结果表明了SVM具有很好的拟合和泛化能力,同基于神经网络的非线性系统辨识相比,其辨识和泛化性能要优于神经网络。支持向量机的使用为工业过程的系统辨识提供了一条新的途径。     

水电站月度调度函数的模型制定与模拟结果评价

基于统计学中多元逐步回归原理建立了多年调节水电站分月调度函数模型,并根据水电站优化调度特征确定待选自变量,用以指导电站实际优化调度运行。在考虑电站自身各约束及综合利用要求的前提下,进一步采用程序设计模拟调度函数指导水电站长系列调度运行,通过对模拟结果的全面评价,证实所建立的调度函数具有良好的指导意义和实用价值。     

离子膜车间杜邦膜监测工作总结

通过对杜邦膜NX2002TX和旭硝子公司的F-893膜在第1年应用中运行数据的比较。证明在使用第1年内，NX2002TX膜的性能高于F-893膜。     

优化SVR的加权马尔可夫链用电量预测

研究电力系统中用电量的准确预测问题.由于影响用电量的因素众多,并且用电量数据与相关因素之间呈现高度的非线性关系,传统的预测方法很难捕捉用电量的变化趋势,预测精度较低.为了提高预测的精度,提出了一种马尔可夫链优化的SVR模型.上述模型根据支持向量回归机原理,以网络搜索交叉验证的思想优化模型参数,通过加权马尔可夫链原理优化预测结果,将原来的数值预测转化为概率区间上的预测.同时,在利用加权马尔可夫链的预测信息之后,也提高了预测的精度.最后,将改进模型应用于江苏省全社会用电量的预测分析,实验结果表明优化的支持向量模型优于其它对比模型,有较高的泛化能力和预测精度.     

采用支持向量回归抑制噪声的经验模态分解方法

在实际信号分解中,经验模态分解（ EMD）是对噪声敏感的,往往会分离出一些虚假的本征模函数,对信号的分析产生一定影响。为了提高EMD分解的正确率,减少其出现虚假本征模函数的情况,文中提出了一种基于支持向量回归（ SVR）的去噪方法。先对一次EMD分解结果进行SVR逐层滤波并且对信号进行重组,然后利用EMD方法对重组信号进行二次分解。实验表明,二次分解结果已经非常接近于理想的分解结果,不会出现虚假IMF。这种分解方法对噪声不敏感,能有效提高EMD方法对噪声的容忍度。     

应用于临床生存时间预测的二次学习算法研究

生存时间预测在医学、经济和工程等领域有着广泛的应用。随着机器学习技术和数据挖掘技术的发展和广泛应用,研究人员提出了很多基于机器学习技术的生存时间预测算法。这些算法虽然都取得了良好的效果,但预测精度均有提升的空间。因此,提出了一种基于二次学习风范的生存时间预测算法,并结合最近邻算法在截尾样本估计上的应用以及支持向量机在泛化性能上的优势,实现了对临床生存时间的建模。实验结果表明,该算法能够获取精确的生存时间,且具有预测精度上的性能优势。