改进的时间相关序列股票价格混合预测模型研究

金融股票市场是一个极其复杂的演化系统,因此对股价波动进行准确预测是投资者理性规避投资风险的重要渠道。本文首先通过构建科学性较强的自回归移动平均与支持向量机(ARIMASVM)模型分析一维金融时序数据的线性成分,对我国股价波动进行样本内预测并与真实数据作比较,再利用改进的支持向量机(TGDSVM)模型基于金融面板时序数据处理线性预测后剩余的非线性成分信息。采用平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对比例误差(MAPE)、回归指数(WIA)、百分标准误差(SEP)与Nash系数六个预测精度指标检验五只股票日收盘价的预测精度。仿真结果表明:改进的时间相关序列(ARIMA—TGD—SVM)股票价格混合预测模型可以很好的弥补传统支持向量机(SVM)模型对解决多分类问题存在困难和对大规模训练样本难以实施的不足,并有效解决其利用欧式距离表征时序数据内部真实相互关系不足的缺陷,能够为股市预测提供理论依据和实际应用奠定基础。

基于时间序列法的公交车站间行程时间预测模型研究——以苏州1路公交为例

准确预测公交站间行程时间是先进的出行者信息系统(ATIS)的核心,是公交运营和管理的关键问题之一。本文采用改进的时间序列法进行公交车辆站间行程时间预测,利用游程检验法检验时间序列平稳性,并借鉴EMD算法把非平稳时序分解为若干个平稳时序的线形组合,然后对每个平稳时序用指数平滑模型预测。最后,依托苏州1路公交运行数据对该预测模型进行验证,结果表明,该预测模型不仅能够准确的预测公交站间行程时间,还能增强时间序列法对于突发事件的反应能力,大幅提高预测精度。

一种改进的时间序列下冬小麦遥感识别方法

针对现有归一化植被指数(NDVI)阈值方法提取冬小麦种植面积受主观因素影响大,建立的模型不具有普适性等问题,该文以Sentinel-2为数据源,冬小麦种植大县———河南省开封市祥符区(原开封县)为实验区,对基于NDVI时间序列建立的冬小麦识别方法进行改进,使用迭代处理方法改进标准时间序列曲线的确定,提取NDVI时间序列的距离、方向特征以及物候期内最大NDVI值作为识别特征参量,运用数学统计方法确定分类模型阈值,据此构建一种改进的时间序列下冬小麦遥感识别矢量模型。结果表明,该方法对冬小麦遥感识别效果较好,提取的冬小麦种植面积Hellden精度达到92.23%。

中部地市经济增长俱乐部趋同的统计检验

文章将俱乐部趋同的研究对象细化为中部的83个地市．并以改进的俱乐部趋同随机定义为基础，采用ADF与KPSS检验相结合的方法，考察了1990-2008年间中部地市的经济增长俱乐部趋同。结果发现，中部总体上仅呈现出较弱的随机俱乐部趋同，而由各相邻省份的地市构成的6个区域组内也不存在较强的趋同，因此，各地市问的经济差距不平稳，并没有缩小的趋势。

拉索模型模态参数识别的实验研究

基于高速摄影成像技术,利用改进的数字时间序列图像相关方法,测定了自由振动状态下拉索模型的模态参数。该方法具有实验装置简单、全场非接触、无附加质量、无附加阻尼、测量频率和位移范围可调等优点。采用高速CMOS摄像机及其计算机处理系统,实时获取拉索的振动图像,基于VC编制时间序列图像相关软件自动对序列图像进行相关运算,获得其位移-时程曲线;利用小波分析的方法确定拉索的固有频率和阻尼比,实验结果与理论分析结果吻合得较好。测试及分析结果表明:该方法为拉索模型的模态参数识别提供了新的途径。