考虑权重不确定性的变权重组合预测方法

针对已有的变权组合预测模型在确定变权系数时,忽略了权重不确定性的现象,提出了一种同时考虑预测误差和权重不确定性的变权重组合预测方法,权重的不确定性用信息熵来表示。此外,文章提出并探究了参与组合的单个预测模型的预测精度与组合预测模型的预测精度之间的关系,最后应用实例说明了变权组合预测模型具有很好的预测效果。

城市建筑废物产量估算与预测方法——以海南省为例

文章首先构建了基于建筑面积和产废系数的城市建筑废物产量估算方法体系,进而在二次曲线回归、指数趋势模型、灰色GM(1,1)模型和BP神经网络4种单项预测模型的基础上,建立了以预测有效度为准则的变权重组合模型,以揭示城市建筑废物未来变化趋势。以海南省为例计算和预测了2001-2020年城市建筑废物产量,结果显示:(1)2001-2010年海南省建筑废物总量从219.1万t增加到813.5万t,年平均增长率为12.7%,拆除建筑废物约占建筑废物总产量的70%;(2)2015年海南省建筑废物总量将达到1 621万t,2020年较之增加71.4%,将达到2 769万t;(3)变权重组合预测模型预测有效度好、精度高、误差小,优于4种单项预测模型。预测结果将为海南省建筑废物的处理处置、资源化和综合管理提供科学依据。

到2020年我国能全面建成小康社会吗

以国家统计局统计科学研究所制定的全面建设小康指标体系为基础,采用变异系数法确定权重,构建我国全面建成小康社会指标体系,测算了我国2007-2012年全面建成小康社会的实现程度,测算结果表明2012年我国全面建成小康社会实现程度达84.9%.与此同时,利用一次线性预测模型、对数曲线预测模型和灰色预测模型构建变权重组合预测模型对2013-2020年我国全面建成小康社会实现程度进行预测,预测结果表明我国将在2019年实现全面建成小康社会的目标.

Nonlinear combined forecasting model based on fuzzy adaptive variable weight and its application

In order to enhance forecasting precision of problems about nonlinear time series in a complex industry system,a new nonlinear fuzzy adaptive variable weight combined forecasting model was established by using conceptions of the relative error,the change tendency of the forecasted object,gray basic weight and adaptive control coefficient on the basis of the method of fuzzy variable weight.Based on Visual Basic 6.0 platform,a fuzzy adaptive variable weight combined forecasting and management system was developed.The application results reveal that the forecasting precisions from the new nonlinear combined forecasting model are higher than those of other single combined forecasting models and the combined forecasting and management system is very powerful tool for the required decision in complex industry system.

基于BP-ARIMA的中国月度LNG出厂价格预测模型

【目的】中国作为全球最大的天然气进口国,LNG在天然气供给中扮演着关键角色。然而中国LNG出厂价格的变化呈现较强的不确定性与波动性,准确预测中国LNG出厂价格的变化趋势,对LNG产业链布局优化、提高天然气供应链的经济性具有重要现实意义。【方法】研究收集并整理了中国LNG出厂价格的历史数据,并采用灰色关联分析确定了影响价格变动的关键因素。在此基础上,分别构建BP神经网络预测模型与ARIMA时间序列预测模型。根据变权重理论,将两种单一预测模型进行加权组合,建立新的变权重BP-ARIMA组合预测模型。以中国实际LNG出厂价格数据对不同预测模型进行案例验证分析。【结果】与传统的BP神经网络模型及ARIMA模型相比,变权重BP-ARIMA组合模型结合了两种单一模型的优势,通过动态调整两种模型的权重,显著提高了LNG出厂价格预测的准确性。其平均绝对误差MAE、平均绝对百分比误差MAPE以及均方根误差RMSE分别为188.7元/t、4.1%、280.5元/t,相较于BP神经网络模型、ARIMA模型以及等权重组合模型,MAE分别降低了65.85%、44.20%、37.50%,RMSE降低了63.6%、38.2%、29.8%,MAPE降低了63.7%、42.3%、36.9%。【结论】变权重BP-ARIMA组合预测模型为中国LNG出厂价格预测难题提供了有效解决方案,有助于促进LNG市场有序发展并为天然气供应链管理提供决策支持。