- 年份
- 2024(3335)
- 2023(4899)
- 2022(4238)
- 2021(4052)
- 2020(3440)
- 2019(8171)
- 2018(8145)
- 2017(15464)
- 2016(8361)
- 2015(9600)
- 2014(9506)
- 2013(9010)
- 2012(7847)
- 2011(7016)
- 2010(7463)
- 2009(6661)
- 2008(6677)
- 2007(5876)
- 2006(5102)
- 2005(4379)
- 学科
- 济(34794)
- 经济(34773)
- 管理(22724)
- 业(20976)
- 方法(20123)
- 数学(18335)
- 企(18287)
- 企业(18287)
- 数学方法(17745)
- 理论(7669)
- 中国(7602)
- 农(7571)
- 学(7197)
- 业经(7114)
- 财(6193)
- 教学(5912)
- 地方(5821)
- 制(5188)
- 贸(5163)
- 贸易(5158)
- 技术(5034)
- 易(5013)
- 农业(4923)
- 和(4793)
- 环境(4469)
- 划(4434)
- 务(4311)
- 财务(4270)
- 财务管理(4260)
- 银(4257)
- 机构
- 学院(117100)
- 大学(114636)
- 管理(45888)
- 济(41798)
- 经济(40755)
- 理学(40019)
- 理学院(39592)
- 管理学(38148)
- 管理学院(37953)
- 研究(36382)
- 中国(27228)
- 科学(25388)
- 京(24916)
- 农(20059)
- 业大(19251)
- 所(18883)
- 财(17925)
- 研究所(17364)
- 中心(17272)
- 江(17250)
- 农业(15966)
- 技术(15758)
- 北京(15754)
- 范(14657)
- 师范(14460)
- 财经(14391)
- 州(14270)
- 院(13502)
- 工程(13088)
- 经(12988)
- 基金
- 项目(81751)
- 科学(63609)
- 基金(57751)
- 研究(56389)
- 家(51544)
- 国家(51160)
- 科学基金(44132)
- 省(34129)
- 社会(33023)
- 社会科(31355)
- 社会科学(31346)
- 自然(31077)
- 自然科(30454)
- 自然科学(30448)
- 自然科学基金(29843)
- 基金项目(29620)
- 划(28469)
- 教育(27847)
- 资助(25796)
- 编号(23064)
- 重点(18931)
- 成果(17765)
- 创(17150)
- 发(16971)
- 课题(16790)
- 部(16671)
- 计划(16526)
- 创新(15959)
- 科研(15940)
- 大学(14977)
共检索到165524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]
沈建荣 高霞
时间序列模型是分析与预测复杂系统的常用方法。与多维分析和系统分析不同,时间序列模型仅考虑单一指标,不考虑系统内各种相互作用的因素,将系统看作一种按照某种规律演化,沿着一
[期刊] 统计与决策
[作者]
王巍 赵国杰 毕星
文章针对金融时间序列变化复杂、难以用单一智能方法进行有效预测的问题,提出了一种新的基于经验模式分解、支持向量回归和粒子群优化的混合智能预测模型。经验模式分解能将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个基本模式分量,根据这些分量各自趋势变化的剧烈程度选择不同的核函数进行支持向量回归预测,最后通过粒子群优化算法对各预测分量进行加权组合,得到原始序列的准确预测值。证券市场实证研究表明该模型可以准确预测金融时间序列。
[期刊] 数理统计与管理
[作者]
陈艳 石智慧
为提高金融时间序列的预测精度,本文提出了基于MODWT、MCP变量选择方法和RELM_Adaboost的混合预测模型。该模型由三步构成:第一步,收集特征变量,包括MODWT分解得到的特征变量以及常用的技术指标;第二步,利用MCP惩罚方法从上述特征变量中选取重要的作为输入变量;第三步,利用Mnet惩罚正则化ELM,将RELM视作弱预测器,然后用Adaboost算法生成强预测器进行预测。实证结果显示:第一,经过MCP方法的筛选,最终的输入变量中不仅包含常用技术指标,还有小波分解所得的变量。第二,混合预测模型RELM_Adaboost有良好的泛化误差表现。本文提出的模型在量化交易时代具有良好的应用前景。
[期刊] 统计与决策
[作者]
王惠婷
粮食产量的预测是保障粮食安全的重要组成部分。文章结合河南省许昌市粮食产量的历史数据,首先建立趋势外推预测模型,并对模型进行相应的分析;然后运用趋势外推与ARIMA模型(求和自回归移动平均模型)结合起来的混合时间序列模型对趋势值和真实值之间的离差序列即残差进行分析,得到混合时间序列模型的预测结果;最后通过比较得出的混合时间序列模型预测的精度较高,可作为粮食总产量预测的有效工具之一。
[期刊] 中国软科学
[作者]
吕瑞华 王卫亚
根据Kolmogorov连续性定理,本文建立了混沌—神经网络(C-ANN)预测模型;提出了基于遗传算法和神经网络的混沌预测模型与方法(C-ANN-GA混合预测方法);解决了混沌时间序列的非解析式预测问题;使混沌时间序列预测方法得到了新的改进和发展。
关键词：
复杂系统 遗传算法 神经网络 混沌预测
[期刊] 统计与决策
[作者]
陈涛
支持向量机是基于结构风险最小化原理的一种学习技术,是一种具有很好泛化能力的预测工具,它有效地解决小样本、非线性、高维数、局部极小等问题。文章利用支持向量回归机对时间序列进行了预测,并对模型选择和参数优化进行了研究。仿真试验表明预测结果是合理的,并具有较高的预测精度。
[期刊] 运筹与管理
[作者]
汪漂
鉴于传统预测方法一直基于"点"来衡量时间序列数据,然而现实生活中在给定的时间段内许多变量是有区间限制的,点值预测会损失波动性信息。因此,本文提出了一种基于混合区间多尺度分解的组合预测方法。首先,建立区间离散小波分解方法(IDWT)、区间经验模态分解方法(IEMD)和区间奇异普分析方法(ISSA)。其次,用本文构建的IDWT、IEMD和ISSA对区间时间序列进行多尺度分解,从而得到区间趋势序列和残差序列。然后,用霍尔特指数平滑方法(Holt’s)、支持向量回归(SVR)和BP神经网络对区间趋势序列和残差序列进行组合预测得到三种分解方法下的区间时间序列预测值。最后,用BP神经网络对各预测结果进行集成得到区间时间序列最终预测值。同时,为证明模型的有效性进行了AQI空气质量的实证预测分析,结果表明,本文所提出基于混合区间多尺度分解的组合预测方法具有较高的预测精度和良好的适用性。
[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]
王佳
GM(1,1)是较常用的时间序列预测模型。文章在借鉴运用时间序列和GM(1,1)预测模型的理论基础上,实证研究了京津冀地区国际旅游人次数的发展趋势。笔者根据2000-2008年京津冀国际旅游人次数的原始时间序列数据,通过GM(1,1)模型对各因素进行关联度分析,并对原始数据进行生成处理,形成有较强规律性的新数据序列,然后建立相应的微分方程模型,预测了2009-2013年京津冀国际旅游人次数的未来发展趋势,也再次验证了GM(1,1)预测模型是建模精度等级为二级的合格模型。
[期刊] 西北农林科技大学学报(自然科学版)
[作者]
邵年华 沈冰 黄领梅 戴玉萍
【目的】建立水文时间序列预测的核主成分支持向量机(KPCA_SVM)模型。【方法】利用核主成分分析(KPCA)对输入数据进行非线性特征信息提取,并将提取的特征信息作为最小二乘支持向量机(LSSVM)的输入变量,建立KPCA_SVM预测模型。以甘肃民勤地区的月蒸发量为例,对模型的预测效果进行检验。【结果】预测结果表明,KPCA_SVM模型预测效果优于PCA_SVM模型和LSSVM模型,预测平均相对误差为8.36%。【结论】KP-CA_SVM模型的预测效果优于没有特征提取的LSSVM模型。与主成分分析(PCA)提取特征相比,KPCA特征提取效果更好。
[期刊] 统计与决策
[作者]
冯毓婷 谭成良
文章利用Rosenthal’s最大值不等式,获得了混合序列加权和的完全收敛性;并将此结果应用于线性回归模型参数的最小二乘估计及非参数回归模型的权函数估计。
[期刊] 财经理论与实践
[作者]
罗洪奔
提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIMA的残差预测结果对灰色预测模型进行补偿。结果表明,以较好的精度拟合一段时期内MA<107的时间序列,预测误差控制在5%以上,与单纯的灰色预测算法和神经网络算法相比,在平均绝对误差、均方根误差和趋势准确率三项评价指标上,具有明显优势。
[期刊] 统计与决策
[作者]
江雨燕 邵金 陈梦凯 王付宇
由于金融时间序列具有高度非线性、不稳定性等特点，单一预测模型的预测精度受限。文章将集成经验模态分解（EEMD）技术和长短期记忆网络（LSTM）相结合，同时融入麻雀搜索算法（SSA）优化神经网络参数，构建了EEMD-SSA-LSTM混合预测模型。首先将该金融时间序列进行EEMD分解，其次将分解所得的各IMF分量与残差项输入到SSA优化后的LSTM网络进行逐个预测，最后通过累加得到最终预测结果。以上证指数价格为研究对象进行实证分析，结果表明，所提出的混合预测模型的MAPE、RMSE、MAE分别为0.0122、0.3278、0.2681，具有更高的预测精度与适用性。
[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
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
