基于支持向量回归集成学习的新能源汽车销量预测

新能源汽车的普及,有利于减少大气污染,提高空气质量。但与新能源汽车相配套的公共充电基础设施、维修服务等问题却阻碍了新能源汽车销量的增长。因此,预测我国新能源汽车销量以完善相关配套措施、促进新能源汽车产业的发展就显得尤为重要。针对新能源汽车产业属于新兴产业,其相关历史数据较少,且销量变动较大以及影响其销量的因素存在非线性关系的特点,本文利用鲁棒性强的支持向量回归,以及具有较强的抗噪声能力的Bagging集成学习方法,对我国新能源汽车的销量进行预测和分析。首先,选取影响消费者购买意愿的公共充电桩数量和决定消费者购买能力的居民可支配收入作为模型的自变量,并收集相关数据;其次,从原始样本中随机抽取样本量为20的5个相互独立的样本集,并使用6个训练数据对这5个样本集进行训练,得到5个支持向量回归模型;然后,平均5个模型的结果,减少模型噪声,优化最终预测效果;最后,分析所得的预测新能源汽车销量模型的准确性及不足之处。

基于SVR的国债利率估值分析

国债是我国政府筹资的重要工具之一,被看作是避险资产和长期的投资工具,也是衡量市场收益率的重要基准。但由于我国发行国债的时间较短,调整国债利率的经验还不足,导致我国国债出现利率调整效果差、利率倒挂等问题。鉴于此,针对国债相关数据较少以及影响国债利率的因素存在非线性关系的特点,本文选择具有较强泛化能力处理样本数据少、自变量存在非线性关系的SVR模型,对国债的利率进行预测、分析。首先,确定模型相关指标,选择反映政府调控经济能力的宏观税率以及较大程度影响市场现金流量的中美汇率作为SVR模型的自变量;其次,收集宏观税率、中美汇率以及国债利率的相关数据;然后,利用SVR模型预测2012年~2019年我国国债利率的波动趋势;最后,分析预测的利率产生偏差的原因,进一步说明SVR模型的运用范围及不足。

牛奶产量的预测——基于支持向量回归集成计算

针对牛奶产量数据较少、波动较大的特点,本文利用具有较强泛化能力的SVR以及独立建模效率较高的集成计算对其牛奶产量进行预测及分析。