用三指数预测模型对2021年世界100M跑成绩预测研究

本文研究旨在分析2001-2019年世界男子、女子100m跑成绩的发展态势和规律。由于100m跑2001-2019年成绩存在周期变化,可以被分解为趋势因子、周期因子(季节因子)和随机因子。趋势因子能够捕捉到长期变化趋势,季节性因子能够捕捉到周期性变化,而随机因子对应的是不能被趋势或季节效应解释的变化。故而在进行季节性时间序列分析时,我们取周期为4,将数据看作季节性数据,利用一系列时间序列分析模型进行预测。采用季节性时间序列分析模型预测2021年世界男子、女子100m跑的成绩进行预测,预测结果是,男子前三名分别是:9.70s、9.89s、9.91s,第8名是9.89s;女子前三名分别为10.68s、10.75s、10.74s,第8名为10.77s。

基于组合预测模型的上海物流需求预测

随着物流行业的快速发展,为保证资源配置的合理运用,提前预测地区的物流货运量情况必不可少。以上海为例,将灰色预测模型与三次指数平滑预测模型结合起来,利用方差倒数加权法得到系数,再根据上海2016年到2020年实际货运量建立组合预测模型,从而预测出上海未来十年的货运量。最终发现上海货运量呈现逐年增长趋势,并在2032年达到最高444543.15万吨。最后,依据预测的结果对上海物流发展提供一些建议。

基于双模型的农业用水量预测算法仿真

传统农业用水量预测算法忽略了对较小流量数据的处理与预测,导致预测结果与实际情况的拟合度不高,且传统方法应用过程复杂,应用难度较高。为此提出农业种植区域用水量数据化预测算法。填补用水量缺失数据,同时运用归一化方法将用水量数据归一化处理,并将其简单化处理,完成数据预处理。构建灰色预测模型预测流量较大的用水量,且针对流量较小的用水量数据构建三次指数平滑预测模型,将两种模型组合,求出预测值并进行反归一化处理,实现农业种植区域用水量数据化预测。实验结果表明,所提方法的预测拟合度高、复杂度低和可靠度高。

面向SaaS运营的主成分分析组合预测模型

为了建立面向SaaS运营的预测模型,提出了一种基于主成分分析的组合预测模型并应用于SaaS运营预测中。利用相空间重构预测模型、灰色预测模型和三次指数平滑预测模型这三种单一预测模型,结合主成分分析策略,建立组合预测模型。仿真实验结果表明,基于主成分分析的组合预测模型的预测精度高于各单一预测模型,发挥了各单一预测模型的优势,是面向SaaS运营预测的一种有效方法。

供水管道漏损时间预测模型的建立

城市供水管道漏损问题是综合解决我国目前供水行业现存实际问题的关键。以T市连续4年间某供水管道漏损时间间隔为研究对象,在三次指数平滑预测模型的基础上,引入差分法对指数平滑预测模型进行改进,分别建立一阶差分—指数平滑预测模型和二阶差分—指数平滑预测模型。通过预测结果精度分析和比较,二阶差分—指数平滑预测模型精度高,能更好预测后续年份供水管道的漏损时间,该模型可为供水企业检漏精准度的提高提供参考。

长春市公路运量预测

本文用多种方法，通过历史数据，建立数学模型，对长春市未来几年的公路货运量进行预测，最后进行定性分析，同时采纳专家建议，确定出预测值，为运输部门调整运动结构提供参考。