煤层气井动态产能拟合与预测模型

基于现代人工智能理论和数理统计理论,建立了煤层气井动态产能拟合和预测的时间序列BP神经网络模型和月产/累产比值模型,并通过实例分别验证其在煤层气井产能拟合和预测中的有效性。应用实例表明,这两类模型均能很好地拟合煤层气井的生产历史,并能进行准确定量预测,但各有差别。其中神经网络模型对数据点具有极高的拟合程度,且短期预测精度高,但中长期预测精度较差,因此,该模型适合对产气不稳定的气井进行短期产能预测;月产/累产比值模型对月产/累产比值的整体变化趋势具有较高的拟合程度,且中长期预测精度高,但模型的有效性取决于气井产能的稳定性,因此,该模型适用于预测产气稳定的气井产能。

利率期限结构特征的拟合与预测

本文从经典利率期限结构模型和数量利率期限结构模型中选取了三因子Vasicek模型、三因子CIR模型、多项式样条模型、指数样条模型、DL模型和动态SV模型等6个应用广泛且具有代表性的利率期限结构模型,分别基于2008年7月至2014年3月中国和美国市场的月度国债收益率数据进行拟合与预测,并采用均方误差(RMSE)和平均绝对误差(MAE)对实证效果进行判别。结果表明,DL模型在针对中国市场和美国市场数据的拟合与预测方面能力均十分突出且效果稳定,指数样条模型次之,而其他模型则在利率期限结构特征的刻画效果方面存在更强的数据依赖与能力不足问题。本文的结论能够为实证研究利率期限结构特征的模型选取提供科学依据和数据支持。

内蒙古自治区人口总量的时间序列拟合与预测

以1950—2007年内蒙古自治区人口总量数据为依据,利用ARIMA(1,1,1)与GM(1,1)模型分别对内蒙古人口总量的时间序列进行了拟合、分析与预测。分析结果表明:两种模型的拟合程度都比较高,但灰色模型的拟合度更高。因此用GM(1,1)模型对内蒙古自治区2010—2012年的人口总量进行了预测。

基于神经网络的机床误差数据拟合与预测方法

针对机床空间误差补偿技术中的机床空间网格点误差数据的存储问题和非网格点误差值的预测问题,提出了使用神经网络模型对机床误差数据进行拟合与预测的方法。以机床空间网格点误差数据为样本,对神经网络模型进行训练,并将训练好的神经网络模型用于机床空间非网格点的误差值预测。以空间插值法为比对标准,对比两种方法的4条空间对角线的预测值,两者之间的误差在[-2,4]μm之间,仿真结果表明,神经网络模型不仅能高精度地拟合机床空间网格点误差数据,还能对非网格点误差值进行精确预测。

国债利率期限结构的拟合及预测——基于多项式样条函数

本文选择2015年10月至2016年1月交易所国债的日度交易数据,基于三次样条函数法进行利率期限结构拟合,得到五个参数的时间序列.对参数的时间序列建立AR(2)、ARMA(1,1)模型,并对模型做出检验.根据建立的模型,对未来交易日的相应参数作出向前三步预测,得到2016年2月1日到2月3日国债的利率期限结构,据此对相应的债券进行定价,并将其与实际债券价格对比.结果表明,模型对未来债券价格的预测效果良好,误差随着到期期限的增加和预测步长的增加而增大.

基于灰色新陈代谢GM(1,1)模型的上海市最低工资标准预测研究

最低工资制度的建立是我国构建和谐劳动关系的一个重要制度,开展最低工资预测具有重要意义.以上海市为例,基于灰色系统理论和方法,构建最低工资标准的常规GM(1,1)模型和灰色新陈代谢GM(1,1)模型,对未来短期内上海市最低工资标准进行预测研究,预测结果符合上海市政府提出的平稳调整最低工资标准目标.通过对上海市最低工资标准的拟合和预测,为政府和企业制定相关决策提供科学合理的依据,具有一定的理论意义和现实意义.

自组织数据挖掘与回归分析方法的比较研究

采取定性分析、理论分析和实验研究相结合的方式,从三方面对自组织数据挖掘方法与回归分析方法进行比较:包括二者的算法过程,对不同对象的拟合和预测效果以及二者的联系。结果不仅揭示了二者的区别和联系,而且表明,自组织数据挖掘方法是复杂系统模拟预测的有效工具。

基于分形插值的ARIMA大坝预警模型

针对ARIMA模型对含有缺失值的时间序列进行拟合预测会产生较大的误差,将分形插值与ARIMA模型相结合运用在大坝安全监测中.首先利用分形插值能通过分形物体的部分信息得出其整体形态的特点,对原始数据进行插值计算,然后建立ARIMA时间序列模型并进行预测.以小湾坝顶某监测点径向位移为例,建立基于分形插值的ARIMA模型,并与实测值比较.计算结果表明,插值后的ARIMA模型较原始模型的拟合和预测精度更高.

高速列车噪声源声功率与速度的函数关系

为了解决既有对数经验公式无法拟合高速列车显著声源贡献率与速度的函数关系这一问题,使用轮辐声阵列进行高速列车车外声源识别试验;根据显著声源位置对列车表面进行区域划分,量化分析显著声源区域的声功率级和声功率贡献率与速度之间的关系;在既有对数经验公式的基础上,根据不同种类噪声声功率随速度的变化特性,建立新的拟合公式;结合列车噪声测试数据对新的拟合公式进行验证.研究结果表明:列车以350 km/h运行时,下部区域对列车总辐射噪声的贡献率占70%以上,升弓区域对局部区域声功率的影响最显著,超过50%;随着速度的增长,下部区域的贡献率逐渐减小,弓网区域逐渐增大,显著声源区域的贡献率变化先快后慢,最后趋于稳定;利用新的拟合方法得出,列车声源区域的声功率级和声功率贡献率与速度的拟合度基本都在0.9以上.

时间序列模型在婴儿潮分析中的应用

本文利用时间序列分析线性模型中求和自回归移动平均模型(ARIMA)和统计学软件SPSS,选用1947-2014年新生儿人口数据为参考数据序列,通过参数检验与残差分析验证ARIMA模型在人口预测分析上的可靠性.模型的拟合与实证分析说明时间序列分析在人口预测问题上的有效性,可对中国婴儿潮做短期预测.本文还对2015年到2030年新生儿人口数进行统计分析,预测第四次婴儿潮的到来.这将给社会计划生育、教育、交通等方面提供重要参考数据.

新冠疫情下中国与“一带一路”沿线国家的贸易潜力分析

新冠肺炎疫情导致了全球健康危机和深刻的经济衰退,本文在新冠肺炎疫情的背景下,分析研究中国与“一带一路”沿线国家贸易的贸易潜力。在沿线国家GDP、人口、贸易关税和贸易便利化等指标的基础上,添加卫生保健指数、医疗质量和可及性、防控指数一共10个指标,利用上述10个指标构造基于Linear kernel,Polynomial kernel,Radial Basis kernel和Laplacian kernel的高斯过程模型。根据RMSE评估指标得出,基于多项式核函数高斯过程回归效果最佳,进而用其对2020年出口值进行预测,分析中国与沿线国家间的出口潜力。

中国国债利率期限结构的动态特征:基于NS和SV模型的实证判别

本文基于中国2005年1月至2014年9月的月度数据对国债市场利率期限结构的动态特征进行了拟合与预测,并以均方误差(RMSE)和平均绝对误差(MAE)指标作为依据对拟合与预测的效果进行了判别。实证结果表明,NS模型同时适用于中国国债利率期限结构动态特征的拟合与预测,而SV模型仅仅适用于利率期限结构动态特征的拟合。因此,NS模型能够更好地实证判别中国国债利率期限结构的动态特征。