简介：电力负荷预测直接关系到电力规划工作质量,是电力系统管理的重要手段之一。本文从数理统计的角度,对电力负荷的定量预测方法做出相应的阐述和探讨,探索预测工作的科学化、标准化和程序化,以使负荷预测能真实反映社会对电力需求的客观实际。

简介：综合了灰色预测模型、指数平滑法和多元回归分析模型的特点，根据预测方差最大组合系数最小原理建立了组合模型．并对广州市的物流量进行了预测。结果表明，组合模型的预测结果是最优的。

简介：货币资金控制是企业理财的重要内容.为满足交易性动机、预防性动机、投机动机和银行补偿性余额的需要,企业应当持有一定量的货币资金.企业应通过建立货币资金定量控制模型,对货币资金存量进行控制,以满足财务适应性的要求.

简介：以国家旅游局官方网站公布的2000-2012年入境旅游收入为原始数据，选取ARIMA模型、GM（1，1）灰色预测模型以及回归分析预测模型分别对原始数据进行定量分析。鉴于单项预测模型的局限性，基于误差平方和最小方法构建组合预测模型，并辅以实例进行分析和验证，构造出精度最高的A-G-R模型作为组合预测模型。

简介：煤炭是当前国内主要消费能源,因此煤炭需求的预测将对国民经济发展起直接指导作用.本文运用灰色系统理论,建立煤炭需求量的灰色预测模型GM(1,1).结果表明,预测结果达到了很高的精度,从而证明该模型对近期的预测是可靠的.

简介：本文通过对生产者和要素供给者的双重优化动机分析，开发出一个能够付诸定量测算的最优名义产出增长率模型。基于该模型对1992--2009年中国最优产业结构的测算结果显示，最优名义产出增长率模型成功地量化了中国经济运行过程中重大事件对实际产业结构偏离最优产业结构程度的影响。该模型所涉及的定量分析指标，能为中国政府在制定和调整产业结构目标、优化资源配置、推动产业结构优化升级方面提供切实可操作的产业政策工具。

简介：本文通过对生产者和要素供给者的双重优化动机分析,开发出一个能够付诸定量测算的最优名义产出增长率模型。基于该模型对1992—2009年中国最优产业结构的测算结果显示,最优名义产出增长率模型成功地量化了中国经济运行过程中重大事件对实际产业结构偏离最优产业结构程度的影响。该模型所涉及的定量分析指标,能为中国政府在制定和调整产业结构目标、优化资源配置、推动产业结构优化升级方面提供切实可操作的产业政策工具。更多还原

简介：对旅游需求预测研究始于上世纪60年代，绝大多数研究成果出现于80年代以后，然而对此类研究进行整理和述评的论文较少。因此，文章系统论述了各种方法与模型在旅游需求预测中的应用，并对其预测效果做了简略评价，同时指出了将来的研究重点和发展趋势。

简介：摘要：水泥价格预测在其相关生产及贸易领域具有重要意义。通过对山东省P.O 42.5散装水泥月均价的历史数据进行收集处理，来建立ARIMA模型，实现对价格未来走势的预测。结果表明，ARIMA(2,0,0)能较好的拟合水泥价格的走势，并能很好的预测向后两期的价格数据，为研究水泥市场价格变动提供了重要方法。

简介：摘要：

简介：摘要：建立数学模型进行项目成本预测，用函数关系来表示比较稳定的结构或现象间比较稳定的相关关系，对一定时期内成本变动的趋势做出判断，进行项目成本预测是确定成本目标的一种有效技术。

简介：本文将中国上市公司因财务状况异常而被特别处理（ST）作为企业陷入财务困境的标志，采用主成分分析方法确定模型变量，并利用多元判别分析、Logistic回归和改进型BP神经网络三种方法进行财务困境预测。比较其预测结果发现，BP神经网络模型的预测准确率明显优于多元判别分析和Logistic回归模型，而后两者的判别效果接近，可见改进型BP神经网络模型更适合于企业财务困境预测。但三种模型的长期预警能力均不够理想，需要建立以定量模型为主、定性分析为辅的上市公司财务困境预测方式，以提高预测的准确性。

简介：摘要：随着房地产市场的不断变化和竞争加剧，准确预测房价趋势对于市场参与者至关重要。传统的统计方法在处理大规模数据时存在局限性，而人工智能技术的兴起为解决这一难题提供了新思路。本文旨在探讨人工智能预测模型在房地产市场价格预测中的应用效果，并结合当前房地产市场走势进行深入分析。

简介：运输网规划中的运输量宏观预测模型隽志才，金俊武，高蔚一、运输需求量预测模型系统运输需求预测是制定发展战略、编制规划的基础和依据。选择适当的预测方法，是预测成功的关键。各种预测方法都有各自的优点和局限性。我们在运输需求预测中建立了计量经济学模型，灰色系...

简介：摘要：棉花作为重要的战略物资，其价格是影响棉农的种棉积极性和纺织企业生产的重要因素。本文利用Python获取棉花价格历史数据并对数据的时间序列特征进行分析。建立了基于LSTM网络的棉花价格预测模型并与BP神经网络模型的预测结果进行对比分析，验证了LSTM棉花价格预测模型的实用性和精确度。

简介：摘要：过往研究中发现，深度学习方法中的LSTM模型在预测金融时间序列时表现良好。本文基于LSTM模型，对模型的层数、结构、激活函数等进行优化，并将优化后的模型用于对上证50ETF收盘价的预测，结果发现：①模型的层数会影响预测结果，过浅或过深的模型层数都会降低模型的预测能力，两层的LSTM模型对上证50ETF收盘价的预测能力最佳；②引入非线性激活函数的全连接层作为隐藏层可以提升模型的预测能力，exponential激活函数的表现最佳；③对特定隐藏层使用Xavier权重初始化方法可以提升模型预测能力。优化后的LSTM模型预测能力明显提升，该优化方法为LSTM模型构造提供了新的思路。

简介：

简介：系统分析了中国CO2排放的影响因素，在此基础上建立了基于高斯过程回归的CO2排放预测模型，运用历史数据进行模型精度检验，并与传统的GM（1，1）模型、人工神经网络和支持向量机的预测结果比较。结合情景设计，预测了中国“十三五”时期的CO2排放量和CO2排放强度。结果表明：高斯过程回归模型具有显著的精度优势，中国能达到2020年CO2排放强度较2005年下降40％～45％的减排目标。指出：对于CO2减排，应结合各地区的实际情况灵活处理，以调整产业结构、优化能源结构、推动技术创新为重点，不可片面牺牲经济发展。

简介：中国省区经济是国民经济的重要组成部分,是一个相对独立的研究对象。文章简要介绍了求和自回归移动平均模型ARIMA（p,d,q）及其建模方法,通过分析1978～2008年安徽省GDP相关数据,运用Eviews统计软件和ARIMA建模方法,将ARIMA模型应用于安徽省GDP数据的分析与预测,发现该模型的预测效果比较显著,与实际情况较符合。

简介：摘要：本研究旨在开发一种基于宏观经济数据的建筑业景气指数预测模型。通过分析和挖掘宏观经济数据与建筑业景气指数之间的关联，我们希望能够提供一种预测模型，以帮助决策者更准确地评估建筑行业的发展趋势和未来走势。