基于多元回归模型的新一代信息技术人才需求预测与分析——以山东省为例

新一代信息技术是战略性新兴产业,作为新旧动能转化的催化剂,人才是其发展必不可少的要素。运用科学的方法做好人才需求预测可为新一代信息技术产业人才规划的制定提供依据。以山东省为例,在深入分析人才需求影响因素的基础上,从宏观与微观两个层面选取指标因素,采用2013—2022年的数据进行检验,预测2023—2025年山东省新一代信息技术人才缺口较大。除要加大人才培养力度外,还需多措并举引进具有科研创新能力的新一代信息技术人才,应从“聚力内培,加强人才培养”与“注重外引,实施人才战略”两方面着手,不断完善山东科研创新人才队伍建设。

反向累加生成绝对灰度性质及其在灾害事件预测中的应用

为研究反向累加生成序列绝对灰度的变化规律,基于原始序列与其一次反向累加生成序列的级比关系,推导了整数阶反向累加生成序列绝对灰度的一般表达式及其相关性质。结合实际问题背景,讨论了融合绝对灰度的反向累加灰色模型在突发灾害事件预测中的应用效果。研究结果表明:当原始序列的绝对灰度大于0.6时,进行反向累加生成变换能够有效降低序列的绝对灰度,当原始序列的绝对灰度小于0.25时,对序列进行反向累加生成变换会增大序列的绝对灰度。研究结论为灰建模的模型选择及序列预处理方式的选择提供参考。

一种新的基于预测的动态多目标进化算法

动态多目标优化问题(DMOPs)是指目标函数随时间变化的一类问题,算法求解的目标是持续跟踪移动的Pareto最优解集或Pareto最优前沿。基于预测的方法受到格外的关注,然而这些方法多使用历史环境信息进行预测,考虑到使用历史信息预测会存在预测不准确的问题,加强新环境信息的挖掘和利用,提出了一种新的基于预测的动态多目标进化算法,该算法主要包括两个核心部分,分别记为响应机制和加速机制。响应机制在环境变化后重新初始化群体,一部分的个体由预测策略产生,以生成靠近下一环境Pareto最优解集的个体来提高算法的寻优能力,剩余部分个体采用局部搜索策略生成以增加种群多样性。加速机制用于静态优化过程以提高算法收敛速度。最后,将动态多目标进化算法与其他3种先进的动态多目标优化算法在具有不同动态特征的一系列测试函数上进行实验对比,结果表明,动态多目标进化算法相比其他3个算法在求解动态多目标优化问题中更具有优势。

基于AHP与熵值法构建的火灾预测组合灰色模型

火灾预测可以帮助消防部门更好地采取预防措施和制定灭火方案,减轻火灾损失。如何通过人工智能方法预测火灾数量、判断火灾发展趋势成为一项重要的研究课题。对城市消防火灾数量进行预测时,文中首先对原始数据序列进行加权滑动均值处理;其次建立了基于背景值优化的灰色模型和无偏优化灰色模型;而后引入了结合等维新息理论的马尔可夫模型,对经过改进的灰色模型进行预测值的残差修正;最后建立了基于层次分析法(AHP)与熵值法的主客观赋权组合模型。针对北京市2012—2019年火灾事故数据进行建模,并对后续两年的火灾发生数量进行数据预测与模型对比验证分析,根据预测结果判断未来火灾数据的变化趋势。实验结果显示,优化模型可以提高预测精度,其中结合AHP与熵值法的组合模型预测精度达到了相对残差最小为0.6105%,后验方差比为0.323%。实验结果证明,优化后的模型可以更好地应用于对火灾事故的预测。

基于卷积神经网络的新型电力系统频率特性预测方法

为了解决利用传统频率分析方法分析新能源高占比电网频率时存在计算量大、建模困难、计算速度与计算精度矛盾突出等问题,提出一种基于卷积神经网络(CNN)的新型电力系统频率特性预测方法.首先,利用一维CNN对新能源高占比电力系统在功率扰动下的主要频率指标进行预测,包括初始频率变化率、频率极值以及频率稳态值;并通过设置合理的输入特征以及对神经网络各参数的优化调整,提高了预测精度.在此基础上,进一步考虑扰动位置以及扰动类型的影响,利用数据降维的方法建立包含扰动信息的电力系统特征数据集,借鉴三原色通道原理构建输入特征,并利用扩展的二维CNN预测频率安全指标提高CNN在高占比新能源电网频率分析中的适应性.最后,在改进的BPA 10机39节点模型中进行算例验证,并与循环神经网络预测结果进行对比,结果表明所提方法具有较高的准确度和适应性.

融合媒体信息和信号分解的股票市场深度学习预测

对股票市场未来回报和风险的精确预测不仅能够帮助理性投资者更加合理有效地进行投资,也能够为政策制定者和投资者提供有用的指导。利用金融新闻标题文本,通过词嵌入模型和机器学习等文本分析方法,构建考虑新闻累积效应的投资者时闻累积情绪指数表征投资者情绪;以上证指数为例,采用变分模式分解(VMD)方法将指数波动数据分解为各种内在固有模式进行实证分析。最后,引入双向门控循环单元(BiGRU)作为深度学习模型进行股票预测。结果表明,投资者情绪指数显著影响上证指数波动,并且积极情绪和消极情绪的影响是不对称的;考量投资者情绪指标进行信号分解,能够有效提高股票的预测性能,相对于单纯分析股票时间序列的BiGRU预测模型,VMD-BiGRU模型的MAE,RMSE,RMSPE,MAPE等指标降低超过30%;在基准场景下,VMD-BiGRU模型性能优于多个计量经济模型和机器学习模型,对于收益率和波动率预测的MAE,RMSE,RMSPE,MAPE等指标普遍降低超过40%;模型在五粮液、工商银行、科大讯飞3只个股的推广中保持着同样稳定精确的预测效果。

基于灰色模型的上海市职工医保统筹基金结余预测

目的预测上海市2021年—2030年职工医保统筹基金收入、支出以及累计结余,进而推断基金结余发展趋势并分析存在的问题,以期最大程度发挥职工医保基金保障功能,为基金可持续发展提供参考依据。方法根据2011年—2020年上海市职工医保统筹基金收入、支出以及累计结余建立全数据GM(1,1)与等维新息GM(1,1)预测模型,对2021年—2030年上海市职工医保统筹基金收入、支出及累计结余进行预测。结果等维新息GM(1,1)统筹基金收入及支出模型平均相对误差分别为14.74%、2.72%,其均小于全数据GM(1,1),因此,等维新息GM(1,1)模型预测精度更高。结论相较于全数据GM(1,1)预测模型,等维新息GM(1,1)预测模型预测精度更高,拟合效果更好;从2025年起上海市职工医保统筹基金开始出现当期收不抵支情况,中长期内可能出现统筹基金“穿底”问题。

时间序列的灰色建模试验

介绍了GM(1,1)的原息模型、新息模型和等维新息模型的建模方法,比较分析了GM(1,1)加权预测模型和非加权预测模型的可靠性问题.通过对实验结果的比较分析,我们认为等维新息加权预测模型预测的结果最接近真实值,其余依次是等维新息模型,加权新息模型,新息模型.在这6种预测模型中,预测精度最差的是原息模型.

变步长灰色预测模糊控制研究与应用

提出了一种变步长灰色预测模糊控制算法,该算法根据新陈代谢原理,建立等维新息预测模型,将预测概念扩展为前向和后向预测,并与模糊控制相结合,对电液比例压力控制系统的顶推压力进行控制.该算法不需要被控对象模型结构的先验信息,基于少数据、贫信息,具有在线自适应以及计算量小的特点,满足实时控制的要求.通过对变步长灰色预测模糊控制与PID控制和纯模糊控制进行仿真和试验比较表明,变步长灰色预测模糊控制在不增加超调的情况下减小了响应时间,改善了控制效果.

旋转机组神经网络新信息加权预测模型的研究

针对当前旋转机组状态预测神经网络对新信息强调不足的问题，分析了原因，改进了ＢＰ网络模型，提出了新信息加权神经网络新型预测模型。提供了该预测模型的数学表达式和拓扑结构。取得了令人满意的在线预测的效果。

基于等维新息灰色马尔可夫模型的互联网用户人数预测研究

对互联网用户人数的科学预测可为网络的建设和管理提供决策依据。在传统灰色预测模型的基础上,结合新信息优先的思想,建立了等维新息灰色预测模型,并利用马尔可夫链模型预测出结果的波动范围,形成等维新息灰色马尔可夫预测模型。再以2007年12月-2012年06月我国互联网上网人数实测值为原始数据,构建预测模型,预测2012年12-2014年06月的互联网上网人数。实例结果表明,等维新息灰色马尔可夫预测模型其预测结果的误差更小,精度更高,还能提供预测结果的波动范围及出现概率。

基于新息GM(1,1)的故障诊断预测

故障诊断预测随着设备结构的复杂性、运行环境的独特性和诱发故障的多源性而变得愈发困难,因此,利用新的科学理论对故障诊断预测方法进行了探索。基于灰理论建立的新息GM(1,1)模型能够及时更新数据,用最新数据替换老数据建立的等维新息模型,能够保证原始数据对模型的作用,使模型更能反映实际。实例计算分析表明:模型样本需求量小、计算简单,能动态地反映出系统的时变特性,有效提高预测精度。该方法应用于故障诊断预测,能够及早判明故障的发展趋势及其危害程度,避免灾难性事故发生,维护设备安全长周期运行。

旋转机械的新息加权神经网络工作状态趋势预测研究

在面向旋转机械的神经网络工作状态预测中,存在着对新数据强调不足的缺陷,为了弥补原有的神经网络存在的缺陷,提出一种新的神经网络预测方法,即基于均值函数新息加权的神经网络预测方法。依据时间序列数据的新旧程度对预测值贡献的大小,通过均值函数赋给输入数据不同的权值系数,提高神经网络的预测精度。在旋转机械工作状态预测中取得较为理想的预测效果。

基于新维无偏灰色马尔可夫的交通事故预测

交通事故预测是交通安全评价、规划和决策的基础。在传统灰色预测模型和马尔可夫链理论的基础上,利用新信息优先的思想,建立了等维新息无偏灰色马尔可夫预测模型。该模型通过结合灰色预测与马尔可夫链理论的特点,用无偏灰色预测模型拟合系统的发展变化趋势,并以此为基础进行马尔可夫预测,在每一步预测中不断推陈出新,更新原始数据。以2001年—2010年全国道路交通事故死亡人数实测值作为原始数据,构建预测模型,预测其2011年—2015年事故死亡人数。结果表明:等维新息无偏灰色马尔可夫预测模型的误差更小,精度更高,尤其适合中长期预测。

应用财经新闻挖掘的金融品种价格走势预测

随着经济的不断发展,金融活动中的不确定性日益增加,金融预测受到学术界及金融界的高度重视。人们希望通过获得预测性的判断和推测,掌握金融产品未来的发展趋势和规律。而近期随着互联网发展,出现海量财经信息,仅仅依靠历史价格的数据挖掘技术,不能很好地反映金融市场多元因素的影响。因此,通过挖掘财经新闻信息中的情感倾向信息,结合金融历史价格数据,组合多元线性回归和差分自回归滑动平均模型,提出了一种基于财经新闻信息挖掘的金融价格走势预测方法,通过实际数据验证,表明该方法可以获得较为准确的预测结果。

GM(1,1)模型在长江水质预测中的应用

介绍了GM(1,1)的原息模型、新息模型和等维新息模型及残差修正模型的建模方法,分别建立了长江水质预测的等维新息模型和残差修正模型。通过对模型的预测结果进行分析,并对比原数据的趋势,发现两模型在数据突变点附近有明显差别,其数据说明残差修正模型在细节方面更接近实际,其结果体现了数据的内在规律。

一种改进的等维新息灰色模型及其在土石坝沉降预测中的应用

提出采用多层建模与等维新息灰色建模的联合方法预测土石坝沉降.该方法根据灰色理论的等维新息思想,采用参数递推公式计算灰色沉降模型的参数序列,并根据计算出的参数序列构建其预测模型,从而建立了反映系统时变特性的灰色预测模型.实例分析表明,本方法较好地反映了系统的时变性和灰色性,取得了较精确的沉降预测结果.

基于灰色理论的软岩巷道围岩变形预测研究

在对比不同维数的GM(1,1)模型和GM(1,1)等维新信息模型的基础上,得出GM(1,1)等维新信息模型更适合对软岩巷道围岩变形作预测。在确定了GM(1,1)等维新信息模型的最佳维数后,对巷道两帮的围岩变形量作了预测,且预测精度较高。

优化的Gray Markov模型在埋地管道腐蚀速率预测中的应用

为提高埋地管道剩余寿命预测的精确度,对传统灰色马尔科夫预测模型进行优化。将管道腐蚀速率视为一个灰色系统,对灰色模型的原始数据光滑处理后建立等维新信息无偏灰色模型,预测腐蚀速率的宏观值。以优化的灰色模型预测值残差为基础结合马尔科夫链模型,进行二次平滑处理和白化系数寻优,得出残差修正值。最终,结合两种优化模型得出管道腐蚀速率的预测值。实例检验证明,该模型能有效克服系统长期动态预测上的不足,与传统灰色马尔科夫链预测模型相比,预测精度提高了40. 33%,预测结果与实测值有更高的拟合程度。

抗野值卡尔曼滤波器在排队长度预测中的应用

车辆排队长度是智能交通控制系统中最关键的交通参数之一,如何准确、有效地预测车辆的排队长度是近年来排队长度预测中研究的主要问题。为此,在利用卡尔曼滤波理论建立排队长度预测模型的基础上,针对滤波过程中较容易出现的野值问题,分析了野值对标准卡尔曼滤波的影响机理,采用了基于M估计的卡尔曼滤波野值处理方法。仿真结果表明,所提方法可有效消除野值对滤波的不利影响,提高排队长度预测的精度,具有较好的应用价值。