回归-时间序列组合模型在石油企业费用预算编制中的应用

石油企业完善的预算编制机制对企业的长远发展有重大作用.而其中的费用预算又是影响企业销售量和利润的一个重要因素.本文对石油销售企业的费用预算编制方法进行了研究,并根据费用的特点,提出回归-时间序列模型来进行费用预算编制,以提高企业的预算编制效率和科学水平.同时,通过对电费的实例计算验证了方法的实用性和可靠性.

我国房地产价格组合预测模型探讨

文章在回顾诱导有序加权调和平均(IOWHA)算子组合预测模型的基础上,分别用指数平滑法、ARIMA模型、回归与时间序列组合模型对我国商品房均价进行预测,然后建立基于IOWHA算子的组合预测模型及评价指标体系。结果表明,IOWHA组合预测模型比其他三种单项预测效果显著更优,且三种单项预测之间具有信息互补性。并基于IOWHA算子得到的最优权系数,预测我国2012-2015年的商品房均价。

基于粒子群优化SVR-ARMA组合模型频率预测

为实现环境激励下复杂钢结构的损伤预警,提出一种基于粒子群优化(particle swarm optimization,简称PSO)的支持向量回归(support vector regression,简称SVR)-时间序列(auto-regressive and moving average model,简称ARMA)组合模型用于频率预测,并结合均值控制图法将其用于复杂钢结构的损伤预警中。所提出频率预测模型的准确性和有效性采用潍坊市白浪河摩天轮钢结构实测数据进行验证。验证结果表明:与基本SVR模型、SVR-ARMA模型和PSO-SVR模型相比,所提模型具有更高的泛化能力和预测精度;在白浪河摩天轮钢结构的损伤预警中,基于粒子群优化的SVR-ARMA组合模型可检出由损伤造成模态频率轻微的异常变化,具有较强的损伤敏感性。研究成果可为环境激励下复杂钢结构的损伤预警提供参考。

基于小波神经网络的Shibor预测研究

上海银行间同业拆放利率(Shibor)的推出是中国利率市场化重要的一步。在阐述了Shibor的背景、功能以及对经济发展的重大意义之后,分别建立了小波神经网络和回归时间序列组合模型对2周品种Shibor进行预测对比分析,研究结果表明,小波神经网络的拟合和预测精度较高,具有一定的科学性和实用性。

基于小波神经网络的Shibor预测

上海银行间同业拆放利率(Shibor)的推出是中国利率市场化重要的一步。通过分别建立小波神经网络和回归时间序列组合模型预测2周品种Shibor并作对比分析,结果表明小波神经网络的拟合和预测精度较高,具有一定的科学性和实用性。