最优加权组合法在GDP测算中的运用

文章根据最优加权组合建模理论 ,建立了门头沟区 GDP的最优加权组合测算模型 ,以期为 1 991年以前年度的

最优加权组合法在四川省GDP预测中的运用研究

在国民经济发展的过程中,国内生产总值(GDP)是衡量一个国家经济总体经济运行状况的重要指标。GDP预测对国家的经济政策和措施的制定具有战略性意义。单一的GDP预测方法,由于模型本身的特点和适应条件的限制,测算结果只包含了所研究系统的部分信息,无法准确反映系统的全部信息和其真正的发展规律。考虑用最优加权组合法将多个单一模型的优势综合起来,组成一个预测模型,就有可能比较合理地描述系统的整体情况。文章运用最优加权组合预测法对四川省1978—2014年的GDP走势进行预测。预测结合定性、定量方法,考虑采用指数回归方法、时间序列预测方法建立四川省GDP的单一预测模型,运用SPSS,Excel,Eviews等专业软件分别对这两种预测方法进行操作。采用最小二乘法进行权重分配并进行组合预测。结果发现,相对于单一预测模型,组合预测的误差最小,预测结果更可靠。

粮食产量预测的最优加权组合法分析

本文根据最优加权组合建模，建立了粮食产量的最优加权组合模型，依此模型对粮食总产量进行了预测，以期为粮食生产提供科学依据。

基于组合预测法的山东省物流人才需求预测分析

山东省物流业的发展需要对物流人才需求进行准确预估。分别采用二元线性回归预测模型和灰色预测法GM(1,1)模型对山东省2015~2020年的物流人才总量进行预测,然后借助最优加权组合法建立物流人才需求预测的组合模型,得到物流人才需求总量的组合预测值。结果显示:考察期间山东省对物流人才的需求持续增加,但是,随着人才基数的不断增大,增长速率呈现放缓趋势。最后,提出了实现预测目标的对策建议,为山东省人才培养决策提供参考。

基于长短期记忆网络和LightGBM组合模型的短期负荷预测

短期负荷预测是电网安全调度与平稳运行的基础,为进一步提升负荷预测的精度,提出了基于长短期记忆(LSTM)网络和轻梯度提升机(LightGBM)的组合预测模型。首先,根据LSTM网络和LightGBM模型的输入结构,将预处理后的负荷数据、温度数据、日期数据以及节假日信息分别输入2个模型中,通过训练得出各自的预测结果。然后,采用最优加权组合法确定权重系数,并得出组合模型的预测值。最后,采用实际负荷数据进行算例分析,结果表明所提方法能够有效结合2种模型的优点,在保留对时序数据整体感知的同时兼顾非连续特征的有效信息,与其他模型相比具有更高的预测精度。

基于BLS-Lasso组合模型的火电厂蒸汽量预测

在火力发电过程中,蒸汽量的准确测量,对于汽轮机机组的经济稳定运行具有重要的意义。针对传统蒸汽量测量方法精度低的问题,提出了一种基于宽度学习系统(broad learning system,BLS)和Lasso(least absolute shrinkage and selection operator)回归模型的组合预测模型。首先利用One-class SVM(one-class support vector machines)算法对样本进行异常值检测,将检测得到的异常值剔除。然后,采用最大信息系数(maximal informationcoefficient,MIC)对特征变量和蒸汽量进行非线性关联性分析,确定宽度学习系统和Lasso回归模型的输入变量,通过训练得出各自的预测结果。最后,通过最优加权组合法确定两单一模型的权重系数,将它们所得的预测结果线性组合,得到最终的预测结果。实例表明,所建立的组合模型有效地缓解了单一模型在变化剧烈的峰值和谷值预测偏差大的问题,能够准确地预测蒸汽量。

最优加权组合方法探讨

按最优加权组合预测方法的定义,那就是如果存在某一加权系数向量M_n使组合预测方法的预测误差平方和K达到极小值P_n,即P_n=min{K}则称M_n为最优加权系数向量,其所对应的组合预测方法称为最优组合预测法。因此,最优加权组合预测的实质就是:给各个预测方法以不同的权重,如果某一预测方法均方拟合误差较大。