基于邻近相点聚类分析的多变量局域多步预测

针对高维混沌复杂系统的多步预测问题,提出了一种基于邻近相点聚类分析的多变量局域多步预测模型。首先对于多变量邻近相点的选取,结合邻近相点多步回溯后的演化规律和变量间的关联信息对演化轨迹的影响,提出了一种新的多变量演化轨迹相似度综合判据;然后针对选取全局最优邻近相点耗时长的缺点,提出了一种基于邻近相点聚类分析的新方案来降低多步预测时间,提高预测效率。最后通过Lorenz混沌数据仿真实验,表明该模型具有优良的预测性能。

基于RS-BPNN模型对商品房价格的预测研究

为了克服传统预测方法的不足,采用RS-BPNN模型预测商品房价格.利用粗糙集理论确定影响商品房价格的主要因素,运用具有超强数据处理能力的BP神经网络,根据筛选的主要因素作为输入节点数,构建商品房价格的预测模型,然后通过实例进行仿真.结果表明,其预测精度远远超过传统预测方法.可见RS-BPNN模型在房地产价格预测领域具有很强的实用性.