- 年份
- 2024(2664)
- 2023(3947)
- 2022(3426)
- 2021(3414)
- 2020(2950)
- 2019(6899)
- 2018(7133)
- 2017(13959)
- 2016(7631)
- 2015(8903)
- 2014(8848)
- 2013(8378)
- 2012(7202)
- 2011(6423)
- 2010(6881)
- 2009(6197)
- 2008(6154)
- 2007(5413)
- 2006(4683)
- 2005(3991)
- 学科
- 济(30510)
- 经济(30490)
- 管理(20558)
- 业(19004)
- 方法(18365)
- 数学(16787)
- 企(16354)
- 企业(16354)
- 数学方法(16236)
- 农(7363)
- 中国(6876)
- 理论(6827)
- 学(6327)
- 业经(5721)
- 教学(5376)
- 财(5364)
- 制(4701)
- 技术(4680)
- 地方(4656)
- 贸(4648)
- 贸易(4644)
- 易(4518)
- 农业(4491)
- 和(4214)
- 划(3924)
- 策(3850)
- 银(3674)
- 银行(3670)
- 环境(3666)
- 务(3587)
- 机构
- 学院(104487)
- 大学(102243)
- 管理(41500)
- 济(37793)
- 经济(36821)
- 理学(36199)
- 理学院(35837)
- 管理学(34540)
- 管理学院(34376)
- 研究(31748)
- 中国(23744)
- 京(21901)
- 科学(21828)
- 农(17607)
- 业大(16976)
- 所(16338)
- 财(15979)
- 江(15505)
- 研究所(15035)
- 中心(15008)
- 农业(13900)
- 技术(13839)
- 北京(13754)
- 财经(12855)
- 范(12831)
- 州(12704)
- 师范(12671)
- 院(11661)
- 经(11594)
- 工程(11326)
- 基金
- 项目(72371)
- 科学(56411)
- 基金(51182)
- 研究(50443)
- 家(45185)
- 国家(44846)
- 科学基金(38793)
- 省(30320)
- 社会(29618)
- 社会科(28084)
- 社会科学(28076)
- 自然(27196)
- 自然科(26655)
- 自然科学(26650)
- 基金项目(26342)
- 自然科学基金(26120)
- 划(25047)
- 教育(25010)
- 资助(22995)
- 编号(21028)
- 重点(16482)
- 成果(16216)
- 创(15302)
- 部(15022)
- 课题(14999)
- 发(14947)
- 计划(14340)
- 创新(14232)
- 科研(14017)
- 大学(13312)
共检索到147059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]
许之友 吕恕
为了提高模糊时间序列的预测精度,文章利用小波分析多尺度分解方法,选择适当的小波函数,把一维数据分解为低频逼近部分和高频细节部分,在低频部分和高频部分根据各自数据特征利用模糊C-均值聚类算法分别建立模糊时间序列模型并预测,然后把每个部分的预测值根据小波重构得到最终预测结果。通过对国家财政收入实例验证对比发现,该模型在预测精度方面有较大提高。
[期刊] 统计与决策
[作者]
鲜思东 张建锋
近年来,经过人们对模糊时间序列模型大量的研究后,发现模糊区间的划分以及模糊关系的构建是影响模糊时间序列模型预测精度最关键的两个因素。文章针对目前模糊时间序列模型在论域划分中存在的问题,提出将人工鱼群算法(AFSA)用于模糊时间序列模型的论域划分中;并利用最小均方误差(MSE)确定最优的预测结果;最后为了显示所提出方法的有效性,将该方法用于Alabama大学注册人数的预测,结果显示该方法的预测精度更高。
[期刊] 统计与决策
[作者]
蔺玉佩 杨一文
文章针对模糊时间序列模型目前存在的缺乏客观论域划分方法和模糊关系前件单一等缺陷,首先应用模糊聚类方法将数据分类,以相邻两个聚类中心的中点作为子区间的分界点来划分论域;其次将数据模糊化后根据证券市场主要量价指标建立了具有多个前件的高阶模糊关系;最后根据序列对比规则计算预测值。将该模型用于股票指数的价格预测和涨跌预测,与传统模型比较的结果表明其预测准确率有了较大提高。
[期刊] 统计与决策
[作者]
李肖肖 付恒春 薛晔
针对目前信息分配模糊时间序列模型只能研究单变量的局限性,文章构建了一个基于信息分配技术的双变量模糊时间序列预测模型,并探讨模糊区间长度对模型预测精度的影响。以中国的互联网用户渗透率以及实际GDP为例验证模型的有效性,并选取经典马尔可夫模型作为对比模型。结果表明:模糊区间长度对信息分配模型的预测精度有影响,且模糊区间长度减小能提高预测精度。
[期刊] 统计与决策
[作者]
薛晔
文章针对目前有关模糊时间序列研究中存在的问题,利用以信息扩散和信息分配理论为核心内容的模糊信息优化处理方法构建一个新的模糊时间序列预测模型。结果表明:模型操作简单可行且提高了精度,尤其是小样本或信息不完备时更具有优势。
[期刊] 统计与决策
[作者]
薛晔 李肖肖 付恒春
针对目前多变量模糊时间序列研究中小样本问题,文章基于信息扩散技术构建一个多变量模糊时间序列模型,讨论信息扩散系数的变化对模型精度的影响,进而选取2006—2016年人均GDP、能源消费总量的样本数据对中国SO_2排放量进行预测,且与马尔可夫模型运行结果进行比较。结果表明:所建模型可以弥补小样本的不足;不同方式确定的信息扩散系数对模型精度存在影响,其中基于两点择近原则确定的h_0最优;所建模型的平均绝对误差与平均绝对百分误差率均小于马尔可夫模型,即具有较高的预测精度。
[期刊] 商业时代
[作者]
杨蕾 张苗苗
本文通过介绍物流需求知识、预测方法及时间序列预测方法,采用随机时间序列模型进行物流需求预测。探讨时间序列模型在物流需求预测中的应用,以期为物流需求预测提供全新方法和借鉴。
关键词：
物流需求预测 时间序列模型 ARMA模型
[期刊] 统计与决策
[作者]
田宗浩 顾国华 王鹏 王常青
文章通过分析传统的加权模糊时间序列模型和广义模糊时间序列模型,指出了需要考虑的模糊状态的确定方法和建立模糊关系矩阵中的不足。结合模糊集理论中λ强截集的性质,重新定义所要考虑隶属度对应的模糊状态和模糊逻辑关系矩阵的建立过程,建立基于λ强截集的广义模糊时间序列模型。以Alabama大学22年的入学人数为例,利用均方误差MSE和泰尔不等系数TIC对比分析本文提出模型与传统加权模型和广义模型的预测精度以及考虑λ取不同阈值时模型预测精度的变化情况,验证本文建立模型的可行性和有效性。
[期刊] 运筹与管理
[作者]
王鹏 田宗浩
本文在传统广义模糊时间序列预测模型数据模糊化的基础上,引入直觉模糊集理论对其进行扩展。首先,在隶属度和非隶属度函数中增加犹豫度因子对样本数据进行直觉模糊化,更加细腻的反映数据不确定性本质。然后,用记分函数描述样本数据对模糊集的隶属情况,简化模型的复杂度。随后以传统广义模型为框架,构建基于直觉模糊化的广义模糊时间序列预测模型。最后利用典型的Alabama大学入学人数为实验数据,对比分析本文建立模型与传统广义模型的预测结果,验证直觉模糊化的广义模糊时间序列模型的可行性和优越性。
[期刊] 中国人口科学
[作者]
李林杰,金剑
文章在客观评述国内外主要预测方法的基础上,根据中国1949-2004年城市化水平的时间序列资料,构建城市化水平的时间序列预测模型,并进行实证检验和预测。
[期刊] 统计与决策
[作者]
谢合亮 张砣
时间序列模型在预测中占有重要的地位,其固有的系统误差性往往对预测精度产生负面影响。文章以沪深300指数为研究对象,通过时间序列模型得到预测方程,并以此为基础推导出卡尔曼滤波的状态方程和测量方程,利用卡尔曼方程对预测结果进行修正。结果表明,卡尔曼滤波对时间序列模型的预测有优化作用,可以提高预测的精确度。
关键词：
收益率 沪深300指数 预测 高频交易
[期刊] 农业技术经济
[作者]
孙东升 梁仕莹
新中国成立以来,尤其是改革开放的三十年来,我国粮食产量得到大幅度提高,同时粮食生产也呈现出周期性震荡上升态势。本文运用HP滤波分析方法将我国1949—2008年的粮食产量分离为时间趋势序列和波动序列,对趋势序列建立了关于时间t的趋势模型,并拟合估计了我国60年的粮食产量趋势;利用频谱滤波(BP滤波)法估计并拟合了粮食产量的波动周期。利用上述两个模型进行叠加,预测了未来10年我国的粮食产量。
关键词：
HP滤波 波动周期 粮食产量 预测
[期刊] 统计与决策
[作者]
谢合亮 张砣
时间序列模型在预测中占有重要的地位,其固有的系统误差性往往对预测精度产生负面影响。文章以沪深300指数为研究对象,通过时间序列模型得到预测方程,并以此为基础推导出卡尔曼滤波的状态方程和测量方程,利用卡尔曼方程对预测结果进行修正。结果表明,卡尔曼滤波对时间序列模型的预测有优化作用,可以提高预测的精确度。
关键词：
收益率 沪深300指数 预测 高频交易
[期刊] 数量经济技术经济研究
[作者]
陈飞 高铁梅
本文开发了一种新的经济时间序列预测方法———利用结构时间序列模型进行预测。在结构时间序列模型中由经济指标分解得到的趋势、循环、季节及不规则因素是不可观测的变量,不能利用传统的回归分析方法求解模型,因此,本文采用状态空间方法来求解结构时间序列模型。本文通过ARIMA模型来研究经济时间序列的结构,在此基础上建立了不同形式的结构时间序列模型,并利用结构时间序列模型对我国社会消费品零售总额、狭义货币供给量(M1)和国内生产总值(GDP)等经济时间序列进行了预测。实证研究表明,结构时间序列模型具有良好的预测效果,从而为经济时间序列预测提供了一种新的有效方法。
[期刊] 数量经济技术经济研究
[作者]
韩冬梅 高铁梅
一、季节调整的重要意义 月度或季度经济时间序列一般可分解为四种变动要素,即长期趋势要素T,循环要素C,季节变动要素S和不规则要素I。季节变动要素和循环要素的区别在于,季节变动要素是每年重复出现的周期变动,是由温度、降雨、年内的月份、假期、政策等引起的,而循环要素是间距比较长且不固定的一种周期性波动,它代表景气波动。经济时间序列分解模型也称为结构时间序列模型。依据时间序列的四个构成要素在模型中的相互关系,可以表现出多种不同的形式,一般而言,基本的分解模型为加法模型和乘法模型。设经济时间序列为{y_1},可以分别表示成如下的加法模型和乘法模型形式:
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
