- 年份
- 2024(5936)
- 2023(8698)
- 2022(7515)
- 2021(7175)
- 2020(6089)
- 2019(14327)
- 2018(14201)
- 2017(27923)
- 2016(14628)
- 2015(16588)
- 2014(16134)
- 2013(15395)
- 2012(13538)
- 2011(11869)
- 2010(11529)
- 2009(10249)
- 2008(9496)
- 2007(7809)
- 2006(6326)
- 2005(5008)
- 学科
- 济(58550)
- 经济(58494)
- 管理(43050)
- 业(41245)
- 企(35536)
- 企业(35536)
- 方法(34077)
- 数学(30907)
- 数学方法(30291)
- 财(13981)
- 农(13824)
- 中国(12790)
- 业经(12296)
- 理论(10804)
- 贸(10349)
- 贸易(10344)
- 易(10113)
- 技术(9952)
- 学(9777)
- 务(9695)
- 财务(9641)
- 财务管理(9621)
- 地方(9264)
- 农业(9124)
- 企业财务(9112)
- 和(8794)
- 制(8334)
- 环境(7938)
- 划(7901)
- 教学(7086)
- 机构
- 学院(196236)
- 大学(195156)
- 管理(84074)
- 济(78527)
- 经济(77086)
- 理学(74769)
- 理学院(74076)
- 管理学(72366)
- 管理学院(72006)
- 研究(55387)
- 中国(40538)
- 京(38532)
- 科学(34375)
- 财(33578)
- 业大(29297)
- 财经(28399)
- 农(27677)
- 中心(27641)
- 江(26540)
- 经(26159)
- 所(25138)
- 经济学(24112)
- 范(23882)
- 师范(23621)
- 研究所(23305)
- 北京(22929)
- 经济管理(22122)
- 经济学院(21957)
- 农业(21842)
- 财经大学(21715)
- 基金
- 项目(146175)
- 科学(117827)
- 基金(109175)
- 研究(105044)
- 家(94809)
- 国家(94104)
- 科学基金(83732)
- 社会(67677)
- 社会科(64315)
- 社会科学(64299)
- 基金项目(57825)
- 省(57357)
- 自然(56435)
- 自然科(55297)
- 自然科学(55287)
- 自然科学基金(54283)
- 教育(50763)
- 划(48155)
- 资助(45120)
- 编号(42241)
- 重点(32610)
- 部(32606)
- 创(31853)
- 成果(31584)
- 发(30134)
- 创新(29643)
- 教育部(28781)
- 科研(28751)
- 国家社会(28371)
- 大学(28080)
共检索到257581条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 统计与决策
[作者]
翟静 曹俊
文章将时间序列ARIMA模型和BP神经网络算法相结合,设计一种组合预测模型,并将其应用于实际预测中,通过实际预测检验了组合预测模型在实际预测中的有效性。研究发现,组合预测模型在预测精度方面总体上优于这两个单项预测模型,因此这种组合预测模型具有良好的预测效能。
[期刊] 统计与决策
[作者]
刘全 刘汀
文章基于ARIMA模型具备准确提取时间序列当前值、过去值及误差值之间回归关系的能力,人工神经网络具备对各种变量的感知能力强,非线性逼近、自适应、自学习性等特性,构建了一种多元时间序列预测模型,并进行了理论探讨和实证。该模型能较准确模拟和预测时间序列的变化规律,可较好满足对复杂时间序列的分析预测需求。
[期刊] 统计与决策
[作者]
吴晓峰 杨颖梅 陈垚彤
文章根据ARIMA时间序列模型和BP神经网络模型分别在处理线性空间预测问题和非线性空间预过测对问北题京中市的居优民势消,费建价立格了指一数种(C基PI于)B序P列神的经实网证络分误析差证校明正了的该差组分合自预回测归模移型动相平对均(于A单RI一MA预)测组模合型预在测C模PI型预,通测中的有效性,并利用该模型预测了未来一段时间北京市CPI的走势。
关键词：
ARIMA BP神经网络 组合预测
[期刊] 数理统计与管理
[作者]
龙会典 严广乐
本文深入分析了灰色预测模型、自回归移动平均(ARIMA)模型和BP神经网络模型的预测特性和优劣,并在此基础上建立了由ARIMA、GM(1,1)和BP神经网络集成的时间序列预测模型。针对呈现趋势变动性和周期波动性二重特性的时间序列,首先建立GM(1,1)模型对序列的趋势项进行预测,然后建立基于ARIMA和BP神经网络的组合模型对序列的周期波动项进行预测,最后用乘积模型对二者预测值进行集成。GDP时间序列实证结果表明:集成模型的预测效果显著高于单一模型,从而证实了集成模型用于GDP预测的有效性.
[期刊] 统计与决策
[作者]
李望晨 崔庆霞 王晓明
对BP神经网络的改进方式和网络参数确定进行分析,以青海省各月份经济统计中的时间序列问题为实验对象,分别采用动量项自适应学习率法和LM-BP算法,利用神经网络完成数据补缺及数据预测。该方法无须确立时间序列模型,便捷高效。最后对两种方法的训练情况和实验结果进行了比较和分析。
[期刊] 统计研究
[作者]
吴翌琳 南金伶
神经网络模型对大样本时间序列的拟合效果优于传统时间序列模型,但对于年度、月度、日度等低频时间序列的预测则难以发挥其优势。鉴于此,本文应用传统时间序列模型和神经网络模型,建立Holtwinters-BP组合模型,利用Holtwinters模型分别拟合各解释变量序列,利用BP模型拟合解释变量和自变量的非线性关系,基于某社交新闻类APP的日广告收入数据进行互联网企业广告收入预测研究。通过与循环神经网络(RNN)模型、长短期记忆神经网络(LSTM)模型等预测结果的对比发现:Holtwinters-BP组合模型的预测精度和稳定性更高;证明多维变量对于广告收入的显著影响,多变量模型的预测准确性高于单变量模型;构建的Holtwinters-BP组合模型对于低频数据预测有较好的有效性和适用性。
[期刊] 长江流域资源与环境
[作者]
赵成柏 毛春梅
预测我国碳排放强度的长期变动趋势,对国家进行宏观经济管理和节能减排工作具有重要的参考价值。运用深入分析自回归移动平均模型和神经网络的特性,并在此基础上建立ARIMA模型和BP神经网络组合模型,将碳排放强度的时间序列的数据结构分解为线性和非线性残差部分,对我国碳排放强度的变化趋势进行了综合分析与预测。结果显示:今后10a我国碳排放强度总体是逐步下降的,但到2020年我国碳排放强度仅比2005年下降34%,比我国政府提出碳排放强度下降40%～45%的目标还有一定的差距。因此,要在2020年实现我国碳排放强度目标,必须要调整宏观经济政策,采取各种政策措施以实现目标。
[期刊] 旅游学刊
[作者]
雷可为 陈瑛
游客量的预测和分析是旅游规划与管理的基础性、关键性工作。目前,游客量预测主要采用基于传统研究方法或人工神经网络技术的单项预测方法。近年来的研究表明,组合预测方法比单项预测具有更高的预测精度。本文提出了一种基于BP神经网络和ARIMA组合模型的游客量预测新方法,对中国入境旅游人次数的变化趋势进行了综合分析与预测,预测结果表明这种方法相对于单一的预测方法具有更高的精度,该模型在旅游预测中的应用是可行、有效的。
[期刊] 统计与决策
[作者]
陈基纯 王枫
文章阐述了BP神经网络的原理及其改进方式,提出了一种基于BP神经网络的时间序列预测方法。研究实例表明,无论是从拟合情况,还是检测、预测情况来看,该方法都有着很高的精度,可以作为房地产价格预测的一种行之有效的方法。
关键词：
BP神经网络 时间序列 房地产价格
[期刊] 统计与决策
[作者]
陈蔚
文章使用自回归移动平均(ARIMA)和人工BP神经网络方法对1990~2013年的我国进口、出口贸易额时间序列进行线性与非线性信息挖掘,ARIMA模型的拟合精度较低,经过BP神经网络方法对非线性规律进行建模并对2014~2018年进出口额进行预测,结论显示:BP神经网络方法能够较好的体现进出口贸易额时序中的非线性规律,有效的修正了线性预测方法的误差。
[期刊] 统计与决策
[作者]
林育曼 文海宁 饶浩
文章利用小波分析对时间序列进行N层分解去噪,然后使用改进的时间序列结合BP神经网络构建组合预测模型。实验选取某个时期内P2P网贷平台微信公众号传播指数Top50作为训练样本,选取同期网贷平台的微信文章热度指数作为预测,并与实际公布数据Top10进行对比。实验结果表明,小波分析有助于去噪,ARIMA模型预测突变值易调控,结合BP神经网络隐含层的恰当选取,使得结果更为精确和具有针对性。
[期刊] 预测
[作者]
文新辉 陈开周
1 引言时间序列就是一列随时间变化的数,它是对客观事物的一种描述,属于时域分析的范畴。我们研究时间序列的目的,就是要对时间序列建立一个参数模型,用于描述事物发展的变化规律。定义1:时间序列{x(t)}是一个t∈Z的实值向量随机变量,其中Z表示整数集。在定义1中,如果x(t)∈R~1,那么{x(t)}就是一维时间序列,所建立的模型称为一维时间序列模型;如果x(t)∈R~(?),那么{x(t)}就是r维时间序列,所建立的模型称为r维时间序列模型。 Box和Jenknis首先成功地建立了一维时间序列模型。近年来Tong也在这方面做了许多很有影响的工作。通过许多人的努力,使得一维时间序列模型,...
[期刊] 统计与决策
[作者]
涂锦 冷正兴 刘丁毅
现实生活中的时间序列,通常伴随着大量的噪声和高度的波动性。对于这些非线性时间序列,运用传统的统计和计量经济模型进行分析预测,预测结果往往不够理想。文章基于经验模态分解(EMD)和人工神经网络提出改进方法。主体思想是"先分再合":先用EMD方法分解非线性时间序列,得到一系列易于分析的独立的子系列,然后利用神经网络(FNN)对每一个子系列进行分析和预测,最后再用自适应线性神经网络(ALNN)整合并得出最终结果。结合具体房价时间序列实例,证实了这种方法的优势。
[期刊] 统计与决策
[作者]
次必聪 张品一
对金融时间序列的精准预测是经济政策制定者以及投资者关注的重点。文章选用道琼斯工业指数、上海证券综合指数以及伦敦金价格指数作为金融时间序列的代表，以非线性组合的方式，构造了一种新的ARIMA-LSTM组合模型，对三种金融时间序列进行预测，并将ARIMA模型、LSTM模型和线性组合模型作为对照模型，比较不同模型预测的准确性。实证结果表明，所构建的非线性组合预测模型较对照组的单一预测模型和线性组合预测模型均存在普遍的优势。在短期、中期和长期三个预测区间内，非线性组合模型相较于对照组模型的优势随着预测区间的变长而扩大。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
