成分数据视角下我国能源消费结构的定变权组合预测

能源是我国经济社会发展的重要物质基础,有效预测能源消费结构的变动趋势,对我国实现“双碳”目标有着重要的现实意义。然而能源消费结构属于一类具有特殊空间结构的复杂数据类型,其主要特征是各组成部分比例为非负且总和恒定为1。因此将成分数据理论引入到能源消费结构的研究中,旨在充分满足能源消费结构的特殊内部特征,并充分挖掘出其相对信息。分别构建了球坐标变换下各成分的BP神经网络、ARIMA模型和三次指数平滑等单一预测模型;基于成分数据中的Aitchison距离平方和最小化,分别构建了定权和变权的组合预测模型;以平均Aitchison距离值MSD最小的变权组合模型预测了2024-2030年我国能源消费结构的变化趋势。预测结果表明,我国能源消费结构中短期内将朝着多元化格局发展,清洁能源消费占比将呈现不断增加的趋势,但煤炭等化石资源仍将占据着能源消费的主体地位。

融合随机统计规律与优化思想的成分数据预测方法研究

频率分布序列预测是成分数据研究中一类重要的问题。融合频率分布所具有的统计规律性与优化思想。文章采用灰色预测理论与最优化方法相结合的预测方法,以期望与均值的预测值之间差异最小化为目标,设置历史经验约束与成分数据约束的组合为约束条件,构建二次规划数学预测模型,并通过某专业学生专业核心能力频率分布结构数据进行实证分析,验证了所提预测模型的有效性。结果表明,所提预测模型的平均绝对误差为0.0416,均方根误差为0.0460,方向余弦为0.9824,与球坐标变换预测结果相比具有更好的预测精度,预测模型是可行的。研究表明,所提预测模型具有较好的预测精度,可以有效解决频率分布序列预测问题,同时对成分数据的分量中含有0或1的预测问题提供了一个新的研究思路。

成分数据的变系数地理加权空间滞后模型

针对已有模型无法刻画面类型空间依赖下成分数据的空间异质性,提出模型参数可变的成分数据空间自回归模型。通过假定空间滞后参数、成分型系数、数值型系数为位置坐标的函数,允许空间效应和变量关系在全局空间上非均匀分布。基于等距对数比(ilr)变换、工具变量法和局部线性地理加权法,对模型参数进行估计。数值模拟实验表明:所提出模型的表现优于已有的成分数据空间自回归模型,并且参数估计量是有效的。基于一组实际数据,说明所提模型的实用性。

大学生24 h活动行为和心肺适能关系的成分数据分析

目的:运用成分数据分析探究大学生24 h活动行为与心肺适能(cardiorespiratory fitness,CRF)的关系,以及各活动行为间等时替代后CRF的预测变化。方法:数据来源于“上海体育大学校友健康队列研究”。共纳入1039名大学生[男生517人,女生522人,平均年龄(21.46±0.9)岁]作为研究对象。使用ActiGraph GT3X+三轴加速度计测量久坐行为(sedentary behavior,SB)、轻体力活动(light physical activity,LPA)和中高强度体力活动(moderate-to-vigorous physical activity,MVPA)及自主报告的方式采集睡眠数据。通过功率自行车进行有氧代谢测试以评估CRF,利用双能X射线吸收仪评估受试者的身体成分。采用成分数据分析探究24 h活动行为与CRF的关系,并以成分等时替代模型探究各项活动行为时间相互替代后,CRF的预测变化情况。结果:1)调整混杂因素后,结果表明24 h活动行为与CRF有显著关联。相对其他活动行为,MVPA和CRF成正相关,SB与CRF成负相关,未发现睡眠和LPA与CRF的关联。2)亚组分析显示调整混杂因素后发现,高体脂率组和非体育生组与上述结果一致;低体脂率组和体育生组未发现各分量与CRF相关。3)在等时替代结果中,MVPA等时替代其他活动行为,CRF增加的幅度要远小于其他活动行为等时替代MVPA时CRF下降时的幅度。结论:MVPA和SB行为是影响大学生CRF的主要因素,相对于简单地控制SB行为,更应鼓励将更多SB行为转成MVPA行为,尤其是高体脂率的学生。

基于成分数据分析与模糊模式识别的古代玻璃种类鉴别

以一批古代玻璃制品成分数据为例,研究成分数据处理方法与模糊模式识别在古代玻璃分类鉴别中的应用。采用非对称、对称与等距3种对数比变换方法,对古代玻璃成分数据进行转换,针对数据中零值不能进行对数比转换的情况,引入可以保持单形空间运算的乘法替换法。分别对比3种对数比变换方法对模糊模式识别结果的影响,同时引入随机森林与支持向量机算法,对模糊模式识别方法做进一步的分析。近似零值替换后古代玻璃成分数据的统计特征基本不变,乘法替换法具有良好的替换效果。模糊模式识别结果的准确率与变换方法特性表明,基于对称对数比变换的模糊模式识别方法最优。在古代玻璃的分类鉴别研究中引入成分数据分析理论,为古代玻璃成分数据的处理提供一个科学的方法。模糊模式识别方法的引入,为考古工作者、地质研究人员等,提供一种新的简单快速且准确的分类方法。

北京市用水结构与产业结构的成分数据回归分析

城市经济发展带来了产业结构和用水结构的明显变化,本文分析了用水结构受产业结构变化影响的变动规律。用水结构和产业结构是一系列按照时间顺序排列的成分数据,运用软件S IM CA-P 11.5建立了基于偏最小二乘回归的成分数据线性回归模型,证明了用水结构组分变动与产业结构变动有一致性。为城市水资源管理提供了合理有效的定量方法,并可作为对未来用水结构预测的基础。

基于灰色成分数据模型的医疗费用结构变动趋势预测研究

目的介绍并应用灰色成分数据模型研究住院医疗费用结构变动规律,为定量化研究提供理论依据。方法以某大型三级医院2003～2009年住院医疗费用结构比率为原始数据序列,对原始数据序列进行对数变换后,建立GM(1,1)模型进行预测,计算成分数据预测值。结果医疗费用结构的变动可以通过灰色成分数据模型灵敏反映,模型拟合精度为优,可用于外推预测。结论灰色成分数据模型能很好的反映医疗费用结构变动趋势和规律,其将在医疗费用结构定量化研究以及卫生统计的其他领域的研究中具有重要意义。

基于对数比转换的成分数据空间插值研究

【目的】以新疆玛纳斯河绿洲表层土壤质地数据为例,研究对数比转换方法在成分数据空间插值中的应用。【方法】采用加法、中心化和等角3种不同对数比转换方法,对土壤颗粒含量数据进行转换,针对数据中的零值不能进行对数比转换问题引入了零值替换方法,空间插值采用普通克里格法。【结果】零值替换后土壤颗粒之和仍为100%。基于对数比转换的插值结果满足土壤质地颗粒组成定和100%的要求,而对土壤颗粒单独插值不满足定和100%的要求。插值结果精度评价表明基于等角对数比转换方法的插值结果最优,但3种方法的结果差别甚小。【结论】零值替换方法的引入在不改变成分数据定和的前提下避免了零值不能进行对数比转换。基于对数比转换的普通克里格法满足成分数据空间插值的非负、定和、误差最小和无偏估计4个要求。

成分数据的线性回归模型

在许多社会、经济、技术问题中 ,成分数据通常被用于研究作为整体的各部分的比率情况。本文结合对称的 logratio变换与偏最小二乘回归方法 ,提出一种成分数据回归建模的方法。该方法可以克服经典线性回归方法在成分数据建模中的诸多困难。并且由于所采用的数学变换具有对称性 ,因此变换以后的变量可以较好地反映原始变量的含义 ,便于建立一个容易解释的数学模型。本文还采用北京市三次产业就业需求预测作为案例 ,说明成分数据回归建模的工作过程和应用价值 。

成分数据的组合预测

成分数据是一类具有复杂性质的数据,特别是它的预测研究在管理学与经济学中占有很重要的地位.组合预测则是近年来在预测中应用比较广泛的一种方法,它能够充分利用单预测模型的信息,提高预测精度,增强预测的稳定性,且具有较高的适应能力.本文首次把组合预测方法应用到成分数据的预测分析中,基于成分数据的一些基本性质,利用组合预测得到了较好的预测结果.

两种成分数据预测建模方法的比较研究

在社会、经济、技术等领域中 ,成分数据是一种被广泛应用的数据类型。文章对两种不同的成分数据预测建模方法进行对比研究 :一种是利用对数变换对成分数据进行预测的建模方法 ;另一种是利用球面投影 ,通过对成分数据的非线性降维 ,得到建立预测模型的方法。通过比较研究 ,指出两种方法在应用方面的优缺点 ,并且利用北京市按所有制划分的从业人员数据 ,应用两种方法分别进行预测 ,对北京市的就业情况进行简要分析。

基于主成分分析的成分数据缺失值插补法

本文针对成分数据的特殊几何结构,提出了两种新方法对成分数据缺失值进行插补.一种是用单形空间的均值进行插补,主要是用Aitchison足巨离找到含缺失值样本的k个近邻样本,再结合单形空间中的加法运算与数乘运算,用单形空间上的均值对成分数据的缺失值进行插补;另一种是用主成分回归方法进行插补,先将用第一种方法进行初始插补的成分数据经过等距对数比变换变成普通数据,再用主成分回归进行第二次插补.实例分析和实验模拟结果表明:与k近邻插补法、迭代的最小二乘插补法相比较,本文提出的主成分插补法更优.

基于成分数据动态指数平滑的用户需求变化趋势预测模型

用户需求是产品开发的重要前提,而用户需求是动态变化的,现实中人们又很少去关注用户需求的变化,导致企业开发的产品很难满足用户的实际需求,产品的功能或性能会产生冗余或不足现象。针对这一问题,文章提出基于卡诺模型和动态指数平滑的用户需求变化趋势预测模型。首先把卡诺模型应用在用户需求信息的分类上,然后结合成分数据分析,采用优化的动态指数平滑预测法,建立了用户需求变化趋势预测模型,最后仿真实例验证了所提理论与方法的正确性和有效性。

成分数据的多元回归建模方法研究

在社会、经济、技术等许多领域的数据分析中,成分数据(compositional data)是一种应用十分广泛的数据类型,可以被用来反映诸如投资结构、产业结构、居民消费结构等问题.将成分数据的logratio变换方法与偏最小二乘路径分析相结合,提出在因变量是成分数据,而与之相关的若干个自变量也都是成分数据的情况下,建立了多元线性回归模型的方法.该建模方法可以满足成分数据的定和约束,克服成分数据中完全多重共线性对建模的不良影响,并且突出成分数据主题含义在建模中的作用和意义.作为案例,应用所提出的方法,采用北京市三类产业的投资、GDP以及就业的结构数据,建立了三者之间的回归模型,进一步说明了多元成分数据回归建模的工作过程及其应用价值.

不同插值方法对成分数据空间预测结果的影响——以土壤连续分类模糊隶属度值为例

地球科学中成分数据(compositional data)非常普通,其在进行空间插值时必须满足4个条件:每一位置各组分之和为常数,每一组分为非负,插值结果无偏最优。本文以土壤连续分类模糊隶属度值为例,数据经对数正态变换、非对称对数比转换、对称对数比转换后进行普通克里格插值结果和成分克里格插值(compositional kriging)结果进行比较。结果表明,对原始数据和经对数正态变换后数据进行插值,每一位置预测结果隶属度之和不能满足常数1。经非对称对数比转换后,插值结果虽然满足各个位置组分之和为1,但是预测结果精度较低,且预测结果空间分布连续性不明显。数据经对称对数比转换后插值结果和成分克里格插值结果,都能满足成分数据空间插值的4个条件,但二者各有优势。相比较而言,对称对数比转换方法得到的预测结果更能体现土壤空间连续渐变特征,而成分克里格插值结果能保证隶属度本身是最优无偏估计。

灰色成分数据模型在中国产业结构分析预测中的应用

针对成分数据这种特殊类型的统计数据,提出一种新的预测建模方法:对于一列按照时间顺序收集的成分数据,先运用对数变换使成分数据降维,然后对降维后的数据运用GM(1,1)模型进行预测,最后再将预测值进行反对数变换,从而得到了各成分的预测值。根据提出的方法,建立了中国产业结构的预测模型,并分析了中国产业结构的发展趋势和未来状况。经检验,运用该方法预测出的数据与实际值十分吻合。

基于成分数据的中国行业收入差距结构预测

对行业收入差距的研究不仅需要关注整体变化,更应该专注各个行业的结构变迁。文章将库兹涅茨指数进行推演,构造出可分解的行业收入差距指标,既能够整体测度行业收入差距,也能够将行业收入差距进行分解。随后将各行业对总收入差距的贡献转化为成分数据,引入非对称logratio预测、灰色预测和组合预测方法,实证分析了中国行业收入差距的整体变迁和内部结构变化,并综合运用成分数据预测方法,对中国行业收入差距内部结构进行预测。

成分数据的因子分析及其在地质样品分类中的应用

地质样品的化学组成都是成分数据。确定一组混合源成分数据的端元数目、端元的化学组成及各样品中含各端元的绝对份额是地质样品成因分类的关键。求解这一问题相当于确定模型X=LB(lij≥ 0 ,∑lij=1)中X矩阵的秩、B矩阵的行向量和L矩阵的列向量。在确定X矩阵的秩和初始B0 矩阵的基础上 ,用限定最小二乘法循环调整矩阵B0 ,使其bij≥ 0和∑bij=1而得矩阵B ,同时也解得了矩阵L。X矩阵的秩和B0 是在传统的Q型因子分析基础上 。

基于成分数据的多元结构方程模型

为研究结构方程模型的偏最小二乘回归在成分数据中的应用,利用旅游业投资、接待能力以及发展三者之间的关系进行模型分析。通过将偏最小二乘回归应用于成分数据中,提出了新的修正加权符号权重和,进而得出潜变量的估计值。研究结果表明,通过修正后的加权符号权重和,使得模型中显变量的拟合效果更好,且通过分析相关系数可知新模型结果与实际情况更符,即旅游投资主要通过影响旅游接待能力促进旅游业发展。

基于成分数据视角的我国能源需求结构变动及其预测

选取能源统计相关数据,利用成分数据分析方法对我国未来能源需求结构进行预测。结果表明:预计到2015年,在我国能源需求结构中,煤炭需求所占比重为53%,石油需求所占比重为20.82%,天然气所占比重为10.8%,风电、核电、水电所占比重为15.29%,能源需求结构有所改善,煤炭需求有所下降,其他清洁能源需求有所上升,但是与发达国家能源需求结构相比,我国能源需求结构仍不合理,最后提出相关建议对我国未来能源需求结构进行优化。