基于季节指数调整的GM-BP模型对中国大米集贸市场价格的预测分析

作为农业大国,大米价格的稳定,对于农民收入、粮食安全、经济健康发展有着重要意义。对大米价格做出科学准确预测,将有助于政府相关部门采取及时有效的措施,增加农民收入。选取2006年1月-2017年12月大米集贸市场价格的月度数据,先对其进行季节指数调整,再采用GM-BP神经网络组合模型对其进行价格预测分析,并与无季节调整的BP神经网络模型和季节调整后的BP神经网络模型预测结果进行比较。结果表明:基于季节指数调整的GM-BP神经网络模型的预测精度具有准确性高等特点。

两种季节趋势预测法在风能预测中的应用

近年来,随着风能发电的兴起,风能实时预测也因风能的波动性和间歇性而成为风电并网中的一个难题。该文基于2011年"电工杯"数学建模大赛A题中给出的数据,应用了两种不同的季节趋势预测法对风能进行实时预测,并对这两种方法提出了改进。预测结果和改进结果显示,应用改进后的季节趋势预测法对风能实时预测的准确度和合格度超过了国家要求标准的80%。

基于SEA的AGA-SVR节假日客流量预测方法研究

节假日旅游客流量由于游客在短期内大量集中于同一地点、不同节假日休假时间长短、所处季节等不同,呈现复杂非线性特征和明显季节性特点。本文提出一种基于季节指数调整（Seasonal Exponential Adjustment,SEA）的自适应遗传算法（Adaptive Genetic Algorithm,AGA）-支持向量回归（Support Vector Regression,SVR）预测模型,即基于SEA的AGA-SVR模型,并用国内著名5A级风景区黄山2008~2012年节假日客流量数据对模型进行验证。研究结果表明,基于SEA的AGA-SVR预测模型能够准确处理节假日旅游客流量预测中的非线性和季节性问题,较AGA-SVR和GASVR等方法具有更高的预测精度,在旅游预测领域应用前景广阔。