基于情绪向量的隐半马尔可夫模型股市拐点预测方法

股市的情绪化倾向是股票市场具有高度不确定性的主要原因,直接利用历史数据的股票趋势预测方法难以适应市场情绪的多变性,在实际应用中效果不理想。文章针对市场情绪的不稳定性导致股市拐点难以预测的问题,提出一种基于情绪向量的隐半马尔可夫模型股市拐点预测方法(hidden semi-Markov model stock turning point prediction method based on sentiment vector,SV-HSMM)。针对市场情绪不可观察性,选取与市场情绪相关的主要特征,使用马尔可夫毯融合成市场情绪;利用隐半马尔可夫模型建模市场环境,构建市场情绪、市场状态和状态持续时间之间的结构关系;引入情绪向量平滑情绪的多变性,并利用Kullback-Leibler(KL)距离量化情绪热度;利用隐半马尔可夫模型的动态推理实现股市拐点预测。结果表明情绪向量方法具有更好的预测效果。

机车前端薄壁吸能管仿真模型模糊参数的支持向量回归反求

为了获得影响耐撞性结构有限元计算精度的准确模型参数,提高冲击仿真的准确性,提出一种基于支持向量回归(support vector regression,SVR)模型进行参数优化反求的方法。以一种机车前端防爬结构中的预压薄壁吸能圆管为研究对象建立有限元模型,进行台车冲击试验验证仿真模型准确性。通过拉丁超立方试验设计驱动有限元模型进行少量计算获得数据集,有限元模型中的模糊参数为输入变量,计算与试验载荷的差异为目标响应,通过SVR方法构建映射关系,并采用增强精英保留遗传算法(strengthen elitist genetic algorithm,SEGA)对超参数进行优化,确定SVR模型最佳配置;通过该最优SVR模型再次使用SEGA优化反求,获得最佳模糊参数组合。使用这组参数组合设置有限元模型,其仿真结果相较初始计算耐撞性指标和载荷曲线匹配程度都得到了提高。研究结果为有限元模型中模糊参数的准确设定、碰撞仿真的精度提升提供了一种新的思路。

湖南高速公路基础设施碳排放峰值支持向量回归预测模型

本文选取湖南省的人口数、人均GDP、基础设施固定资产投资、单位产值能耗比和单位能耗碳排放量作为高速公路基础设施的碳排放影响因素,选用湖南省2003—2021年相关数据并采用支持向量回归(SVR)机器学习法,建立了湖南省高速公路基础设施碳排放预测模型,预测在基准、低碳和超低碳情景下的碳排放数据。结果表明:训练样本交叉验证均方误差为0.007011,模型的预测值和真实值的拟合回归效果良好,训练集和测试集的相关系数分别为0.9869和0.9870,即模型具有良好的学习和推广能力。本文识别了碳排放的影响因素,预测了未来碳排放趋势,对交通基础设施碳减排行动具有一定的参考意义。

基于Logistic回归和支持向量机的早发性结直肠癌风险预测模型

目的:通过Logis tic回归和支持向量机(SVM)探究早发性结直肠癌(EOCRC)和晚发性结直肠癌(LOCRC)的危险因素,建立针对不同年龄段人群的风险预测模型并比较预测效果。方法:选择2012—2022年诊断为结直肠癌患者,记录人口学特征、临床表现、既往史、家族史、生活方式、体格检查、实验室检查及病理诊断,分别建立风险预测模型,比较两模型的ROC曲线下面积(AUROC)、准确率、精确率、召回率、F1分数。结果:综合两模型结果,EOCRC风险与出现消化道出血、腹胀腹痛、大便习惯改变等临床表现、体重减轻、肿瘤标志物升高具有较强的正相关性,与婚姻状况、阑尾切除史、糖尿病史、血脂异常病史、结直肠癌家族史也存在较弱的正相关;LOCRC风险与婚姻状况、出现临床表现、体重减轻、血脂异常、肿瘤标志物升高具有较强的正相关性,与年龄、吸烟、阑尾切除史、结直肠癌家族史也存在一定的正相关性。两模型的AUROC、准确率、F1分数相差不大,但Logistic回归模型的精确率更高而SVM模型的召回率更高。结论:EOCRC和LOCRC的危险因素不完全相同,婚姻状况、吸烟、血脂异常、肿瘤家族史在EOCRC中的贡献低于在LOCRC中的贡献。相较Logistic回归,SVM能发现更多的结直肠癌危险因素,能尽可能多的找出结直肠癌的可能患者。

基于逻辑回归和支持向量机耦合模型的滑坡易发性分析

滑坡灾害的发生具有累进性,进行滑坡易发性评价是防灾减灾的前提。以四川省旺苍县为例,使用频率比法判断12个滑坡影响因子的各分级区间滑坡敏感性,经波段集统计确定11个滑坡影响因子作为滑坡易发性评价因子,通过建立逻辑回归-支持向量机(logistic regression-support vector machine,LR-SVM)耦合模型,搭建滑坡易发性评价体系,完成旺苍县滑坡易发性评价并进行模型精度比较。研究结果表明:逻辑回归-支持向量机耦合模型的评价指标结果均优于逻辑回归模型,易发性分区结果更合理,预测精度更高;在低易发区选取非滑坡点为提高滑坡易发性评价性能作用明显;研究区内道路、高程和NDVI对滑坡发育的敏感性较强;高易发区主要分布于低海拔的水系和道路两侧。

基于改进支持向量回归模型的高校学生成绩预测研究

为提高学生成绩预测的准确性,考虑到学生学习行为特征数据的高维和非线性特征,提出了一种基于改进支持向量回归模型的高校学生成绩预测。对支持向量回归(SVR)模型的核函数进行了改进;设计了变邻域搜索算法(VNS)对改进支持向量回归模型的参数进行了优化;将上述方法应用于某高校学生数学成绩数据,并与原始SVR和基于其他智能优化方法的SVR进行了对比,验证了所提方法的有效性。

基于相似日与加权马尔可夫模型的风力发电功率区间预测

为了提高风力发电功率预测精度,提出一种基于相似日与加权马尔可夫模型的风力发电功率区间预测方法(SWMQ)。风电功率数据与风速数据直接相关。首先对于数据中的异常值和缺失值,通过线箱图法和相关性填补法对数据进行预处理,提高数据的关联性,通过卷积神经网络(CNN)对风速进行预测;然后由预测到的风速数据在历史数据中通过皮尔逊相关系数法寻找相似日,以相似日功率数据为数据集进行加权马尔可夫模型预测;最后通过分位数回归原理对预测区间进行求取,同时建立基于CNN模型、相关性填补、CNN模型和加权马尔可夫模型,以西北某风电场数据进行仿真对比。实验表明该模型在风力发电功率预测上有较高的精度,能更好地体现数据变化的阈值。

基于“回归+马尔可夫”组合模型的民用航空事故症候数预测

民航事故症候数预测对于民航安全具有重要的意义。准确的预测民航事故症候数的发展趋势可以指导采取合适的事故预防措施,从而尽可能地减少民航事故数。本文在回归模型的基础上,发展了“回归+马尔可夫”组合模型来进行民用航空事故症候数的预测。其中回归模型用于发展趋势项的预测,马尔可夫模型用于随机干扰项的预测。通过中国民航局以及国家统计局发布的2006~2020年的历史统计数据,计算了回归模型、GM(1,1)灰色模型和“回归+马尔可夫”组合模型的拟合及测试误差。结果表明,“回归+马尔可夫”组合模型的拟合精度以及测试精度相比单一模型均得到了有效提高。

基于灰色支持向量回归的起伏管线临界携液流速预测模型

延安气田起伏的地理形貌特征,致使其内部采气管线在低点及上倾段容易产生积液问题,制约气田正常生产,开展起伏管线临界携液流速的预测对保障采气管线流动安全和指导地面采气管线布线具有重要价值。为此,基于扩展双流体分相模型和PR气体物性方程,采用最小压力梯度法结合均匀设计构建了临界携液流速样本数据集,同时采用灰色关联计算了样本标签权重,并将其引入支持向量回归算法,构建了临界携液流速的回归预测模型,随后利用网格寻优算法,通过采用K-CV(交叉验证)对模型中超参数进行了优化设计,最后采用延安气田现场运行数据进行了模型准确性验证。研究结果表明:管径大小对临界携液流速影响最大,其次为上坡倾角、含水率和运行压力,其他因素的影响差距相对较小,网格分段寻优对比遗传、粒子群算法在模型超参数优化上具有较强稳定性。该预测模型对延安气田内部采气管线的临界携液流速预测具有较强准确性,可对其积液预测和防治提供理论支撑。

农业科技创新、生态效率与农户增收质量的动态关系——基于面板向量自回归模型的实证分析

农业科技创新在提高农产品产量和质量的同时也面临促进农户增收的困境,而生态效率的提高也可能造成农户收入不平等的问题。为进一步探究农业科技创新水平、生态效率与农户增收三者之间的关系,根据2000—2020年间湖南省的时间序列信息,利用面板向量自回归模型,采用协整检测、格兰杰检测、方差分解等各种手段,对农业科技创新水平、生态效率和农户增收质量间的相关性开展实证分析,以为处理好农业发展、农户收入和生态环境保护之间的关系提供理论参考。结果显示:农业科技创新与农户增收质量之间存在显著的双向正向关系,即科技创新在提升农业生产效率和质量的同时显著促进了农户的经济增长,但生态效率的提升在短期内未能显著转化为农户的经济收益;农业科技创新对农户增收质量的影响即时且显著,并随着时间推移而趋于稳定;在预测农户增收质量时,农业科技创新的作用明显超过生态效率。基于此,从长期规划生态效率提升、加大农业科技创新的支持与投资和增强农户生态环保意识等方面提出政策建议。

基于向量自回归模型的旅游业相关因素分析——以贵州省为例

随着在第三产业的占比越来越大,旅游业逐渐成为城市发展的支柱产业,分析贵州省旅游业影响因素有利于促进旅游业持续发展和经济的增长。通过构建向量自回归模型,分析了贵州省旅游业与地区生产总值和园林陆地面积之间的关系。通过收集2000—2021年相关指标数据,运用平稳性检验、单位根检验、脉冲响应分析等进行检验,研究发现:贵州省旅游业与上述指标相互影响。

基于深度自回归模型的电网异常流量检测算法

针对电网中行为种类复杂多样且数量众多的问题,提出了一种基于自回归模型的电网异常流量检测算法。该算法利用深度自编码网络自动提取网络流量数据的特征,降低异常流量检测的分析周期,并自动挖掘数据的层次关系。通过支持向量机对提取的特征进行分类,实现对异常流量的检测。仿真实验结果表明,所提算法可以分析不同攻击向量,避免噪声数据的干扰,进而提高电网异常流量检测的精度,对于流量数据处理具有重要意义。

基于马尔可夫和支持向量回归组合模型的铁路行车事故预测研究

铁路行车事故预测结果,是预防和控制铁路事故发生的重要依据。在阐述马尔可夫及支持向量回归理论及模型的基础上,构建马尔可夫和支持向量回归组合模型,以铁路行车事故数预测为例,分别运用马尔可夫模型、支持向量回归模型,以及马尔可夫和支持向量回归组合模型预测铁路行车事故数,结合铁路行车事故实际发生数,选用平均绝对误差、均方误差、平均绝对百分比误差进行验证。结果表明,基于马尔可夫和支持向量回归组合模型预测结果的稳定性得到加强,预测结果可以在一定程度上反映事故发展动态。

基于向量自回归模型的科技进步、城市化与绿色发展关系实证分析——以广东省为例

为理清科技进步、城市化与绿色发展三者之间相互影响与作用机制,以科技进步、城市化与绿色发展的相互作用机制作为理论基础提出假设,基于广东省1993—2020年的时序数据,应用向量自回归模型、脉冲响应函数和格兰杰因果检验、方差分解等进行实证分析。结果表明:科技进步和城市化对绿色发展具有正向影响作用,绿色发展对城市化高质量发展具有促进作用;城市化推动了科技进步,而科技进步对城市化的影响并不显著。为此,广东省需要加快建立以绿色产业为核心的新兴产业体系,在推动绿色发展的同时积极整合落后产能,以绿色经济进步带动城市化高质量发展和科技创新。

投资者高频情绪对股市成交量的异质性影响研究——基于分位数向量自回归模型

从高频视角分析股市情绪效应的异质性特征及机理,对我国金融风险管控具有重要意义。本文借助文本分析法抓取网络舆情数据,构造日内投资者高频情绪指数,在分位数Granger因果关系检验的基础上,构建分位数向量自回归模型并进行脉冲响应分析,探究不同极性投资者高频情绪对不同市场状态下及不同分位水平股市成交量的异质性影响。结果表明:(1)不同极性投资者情绪对股市成交量影响具有异质性,悲观情绪对股市成交量的脉冲强度明显大于乐观情绪且衰减较慢;(2)投资者情绪对股市成交量的影响随市场状态的变化而不同;(3)在相同市场状态下,情绪对不同分位水平股市成交量的影响也存在差异,投资者情绪对股市成交量的下分位点脉冲强度显著大于上分位点,中位点最弱。

地方政府债务与区域协调发展研究--基于半参数空间面板向量自回归模型的分析

地方政府债务在区域经济发展中扮演着重要角色,探讨地方政府债务的时空分布是否均衡、时空经济效应是否存在区域异质性,不仅有利于加强地方政府债务管理,也切合我国当下新型城镇化和区域协调的政策背景与发展方向。本文从地方政府债券发行实际出发,建立半参数空间面板向量自回归模型,分析增量和存量地方政府债务在时间和空间上的经济效应,并根据举债冲击的时空传导效应,讨论地方政府债务在区域协调发展中的作用。研究发现:地方政府债务时空分布和举债冲击在新增地方政府债务、基础设施存量和人民生活福利水平之间的时空传导效应的共同作用下,区域经济未能实现彼此协同促进、共同发展,区域经济协调发展任重而道远。在此基础上,本文提出改革地方政府债券发行额度分配制度、支持国家重点区域发展战略、关注区域债务风险等政策建议,以促进区域经济协调、可持续和高质量发展。

基于自回归–连续隐马尔可夫模型的离心泵故障诊断

根据振动与语音信号的相似性和离心泵故障信号的特点,将连续隐马尔可夫模型引入了离心泵的故障诊断中。利用自回归谱不受数据长度的限制,及自回归模型参数对状态变化规律反映敏感的特点,以信号的12阶自回归谱系数为特征矢量,将其输入到各个状态连续隐马尔可夫进行训练,来实现离心泵的故障诊断。为防止数据下溢,引入前向–后向比例因子算法求其对数似然概率,并且采用K-means算法对连续隐马尔可夫进行参数初始化。在给定的观测序列中每一种模型的优化路径通过Viterbi算法实现,用Baum-Welch算法实现参数重估。最后通过2BA-6A离心泵试验系统验证了该方法的有效性。

基于支持向量回归模型的机器人误差补偿算法

较低的定位精度已然成为了工业机器人在高精度作业领域推广应用的重要阻碍之一。对机器人定位误差的补偿是解决此类问题的首要途径。本文通过研究支持向量回归模型,提出了基于支持向量回归模型的机器人误差补偿方法。同时,在模型训练过程中,采用粒子群算法对每一轮迭代中的参数进行适应度评估,从而优化了模型参数。最后根据本文所提出的预测方法进行了相关实验。实验结果表明,根据该方法所进行的机器人定位误差补偿,能够有效降低机器人定位误差,且该方法还具有快速性、便捷性等优势。

基于小波灰度矩向量与连续马尔可夫模型的轴承故障诊断

根据机械设备故障诊断本质特征和连续马尔可夫模型(CHMM)所具有的较强的时序模式分类能力的特点,提出了一种基于小波灰度矩向量与CHMM的滚动轴承故障诊断方法。从轴承振动信号提取一种量纲一的小波灰度矩向量作为特征参数,并训练几种故障状态的CHmm,再运用训练好的CHMM进行轴承的状态监测与故障模式的识别。诊断与对比实验表明该方法在故障样本少的情况下仍能进行准确训练与诊断。

结合高斯回归模型和隐马尔可夫随机场的模糊聚类图像分割

为了克服经典模糊聚类图像分割算法对图像噪声的敏感性,该文提出结合高斯回归模型(GRM)和隐马尔科夫随机场(HMRF)的模糊聚类图像分割算法。该算法用信息熵正则化模糊C均值(FCM)的目标函数,再用KL(Kullback-Leibler)信息加以改进,并将HMRF和GRM模型应用到该目标函数中,其中HMRF模型通过先验概率建立标号场邻域关系,而GRM模型则在中心像素标号与其邻域像素标号一致的基础上建立特征场邻域关系。利用提出的算法和其它经典算法分别对模拟图像、真实SAR图像以及纹理图像进行了分割实验,并对分割结果进行精度评价。实验结果表明,该文提出的算法具有更高的分割精度。