基于回归和ARIMA模型的奥运金牌数的预测研究

本文基于数据挖掘的理论和方法,对2020年各国奥运会金牌数进行预测,最终对2020年奥运会金牌榜前十名进行了预测。首先,本文先研究了各国在奥运中获得的金牌数的时序关系,以1996年—2008年的奥运会成绩作为训练集(即第一组数据为1996-1992-1988),以2012和2016年作为预测集。在国家选择上,选取2016里约奥运会金牌榜前三十八名的国家作为研究对象(第28—38名并列获取两枚金牌)。笔者利用自回归分析和ARIMA(1,1)模型进行了预测分析,得到了比较准确的拟合和预测结果。

基于数据挖掘模型对2020年奥运金牌数的预测研究

本文基于数据挖掘的理论和方法,对2020年各国奥运会金牌数进行预测,最终对2020年奥运会金牌榜前十名进行了预测。首先,本文先研究了各国在奥运中获得的金牌数的时序关系,以1996年—2008年的奥运会成绩作为训练集(即第一组数据为1996-1992-1988),以2012和2016年作为预测集。在国家选择上,选取2016里约奥运会金牌榜前三十八名的国家作为研究对象(第28~38名并列获取两枚金牌)。笔者利用自回归分析和ARIMA(1,1)模型进行了预测分析,得到了比较准确的拟合和预测结果。

基于多角度线性回归分析的第32届奥运会前十名国家成绩预测

本文主要探讨了奥运会奖牌榜的预测问题,主要通过建立线性回归(一元及多元)模型、使用SPSS和Excel等软件对历届奥运会奖牌榜进行多角度分析并得到最优预测模型。在模型一的建立中,本文使用时间序列法进行预测、建立回归模型。由于模型一中对于某些国家奖牌榜预测与实际出入较大,在模型二的建立中,本文综合考虑了GDP,人口数量,东道主效应等因素建立多元回归模型。综合模型一与模型二的求解结果,得到2020年东京奥运会奖牌榜前十名及其金牌数与奖牌数。

一种新的灰色马尔科夫预测模型及其应用

以奥运会奖牌数预测的实际问题为背景,结合灰色系统理论与马尔科夫预测的相关理论与方法,提出了一种新的奥运会奖牌数预测的灰色马尔科夫预测模型,从而为未来奥运会奖牌数预测提供了一种有效的方法。