基于神经网络回归分析组合模型的能源消耗预测研究

通过对时间序列数据进行处理,分别建立回归分析预测模型和BP神经网络预测模型,在此基础上建立基于2种预测方法的组合预测模型。采用熵值法确定组合预测模型的权系数。结合某省能源消耗总量数据进行仿真,结果与实际数据的误差较小,和2种单一的预测方法相比,预测结果更接近于实际情况。     

一种基于灰色关联分析和超效率DEA的MCDM模型

针对多属性决策问题（MCDM）权重难以客观确定的缺陷,提出一种基于灰色关联分析和超效率数据包络分析（DEA）的混合算法研究MCDM。对MCDM进行建模,利用灰色关联分析计算各属性的点关联度,为了得到各属性的相对最优灰关联度并将其充分排序,利用超效率DEA改进灰色关联分析模型。该混合算法能够更加客观地确定权重向量,并且突破权重和为1的限制,使得均一的权重更加灵活;同时,可以得到各属性的相对最优灰色关联度,超效率DEA能够增强模型对灰关联度的分辨能力。通过北京市商品房空置影响因素的实例分析验证了该混合算法的有