中国粮食市场的供需结构、趋势及政策需求分析——基于ARIMA-GRNN模型的预测

在对粮食市场的供需结构和发展趋势进行分析的基础上,建立ARIMA-GRNN模型等对粮食供求的未来中短期趋势进行了预测。预测结果表明:中国粮食市场近期供给没有问题,但长期供求形势不容乐观。随着科技发展水平到达一定的程度,单产拉动型增产方式并不可持续;工业用粮将会大幅度增长,成为未来粮食消费的一个最主要部分。因此,未来粮食宏观调控的重点应从"供给侧"适当向"需求侧"转变,并要进一步注重调节粮食结构性问题。

基于集合经验模态分解和ARIMA-GRNN的负荷预测方法

针对传统负荷预测方法难以兼顾电力负荷内在线性特征量与非线性特征量的问题,文中提出一种基于EEMD和ARIMA-GRNN的混合负荷预测模型方法。该方法采用EEMD法,将负荷数据分解成不存在模态混叠的IMF分量和余项。运用ARIMA模型算法对每个IMF分量进行线性预测,得到时间序列预测分量,并将其与原始数据相减得到其中的非线性分量。通过GRNN神经网络算法对非线性分量进行预测得到非线性分量的预测值,并将求得的线性预测分量和非线性预测分量相加得到最终的预测值。仿真实验表明,文中提出的基于EEMD和ARIMA-GRNN的混合预测模型在预测精度和性能上均优于采用单一算法的负荷预测方法。

基于ARIMA-GRNN组合模型预测手足口病发病率

目的探讨ARIMA-GRNN组合模型在某市手足口病发病率预测中的应用,并比较其与ARIMA模型的预测效果。方法通过收集2010年1月至2015年12月广西某地级市手足口病发病率资料,用SPSS 20.0建立ARIMA模型,用MATLAB R2014a建立ARIMA-GRNN组合模型,并用2015年7月至12月数据对模型的预测效果进行评价。结果 ARIMA(1,0,0)(1,1,0)12模型拟合及预测的平均绝对误差分别为1.727、2.077,均方根误差分别为2.727、2.803;ARIMA-GRNN模型拟合及预测的平均绝对误差分别为1.012、0.467,均方根误差分别为1.453、0.587。结论 ARIMA-GRNN模型的拟合和预测效果均优于ARIMA模型,可用于手足口病月发病率短期预测。

ARIMA-GRNN模型在大坝安全监测中的应用

为提高大坝安全监测数据预测精度,将差分自回归移动平均模型(ARIMA)与广义回归神经网络(GRNN)相结合,建立了ARIMA-GRNN预测模型。以前期实测值和ARIMA拟合值作为GRNN网络的输入,后期实测值作为网络输出,以平均平方误差最小为原则寻找光滑因子,建立最佳的预测模型,并运用熵权法和标准离差法对各模型进行多指标综合评价。结果表明,ARIMA-GRNN模型预测精度较ARIMA模型明显提高,可应用于大坝安全监测。

基于ARIMA-GRNN组合模型的中国交通伤死亡预测模型的方法学研究及公共政策分析

目的基于自回归移动平均模型（autoregressive integrated moving average model,ARIMA）-广义回归神经网络模型（generalized regression neural network,GRNN）联合构建交通伤死亡预测模型,并据此对相关公共政策对交通伤死亡的影响进行初步分析。方法 1991~2009年度交通伤死亡人数来源于中国公安部公布的相应年统计数据。根据ARI-MA模型,建立拟合值y和实际值y的相关回归模型,并计算预测未来年份的死亡数。继而将该预测值带入GRNN模型中,获得修正预测值。ARIMA运算平台采用SPSS 17.0,GRNN建模采用Matlab平台。结果经GRNN修正的ARIMA（3,2,2）模型较好拟合了1991~2005年交通伤死亡人数的时间序列,2006~2009年交通伤死亡人数的预测值符合实际值的变动趋势,预测值与实际值的相对误差率仅为5%。以之为基础预测2010~2015年的全国交通伤死亡人数为6.6~6.4万。结论 ARIMA-GRNN联合模型能较为准确的对交通伤死亡人数变化趋势做出预测。中国交通伤死亡人数已步入持续下降通道。若维持现有的道路交通安全政策水平及执法力度,交通伤致死人数将从2015年起维持于6.5万的水平。若要进一步降低致死人数水平,可能需要提前从现有法规、政策及执行基础方面进行调整。

基于改进型ARIMA-GRNN模型的高边坡变形预测

针对高边坡监测数据的不确定性和实际变形趋势易被强噪声淹没的问题,提出了一种新的基于EEMD-SVD的ARIMA-GRNN模型的预测算法。采用EEMD-SVD对变形数据进行消噪处理,利用ARIMAGRNN模型对非线性变形数据进行预测。通过工程实例对比分析,结果表明:本文模型不仅能较好地滤除观测数据中的低频闪烁噪声和各IMF分量的高频白噪声,还能提高ARIMA-GRNN模型的建模效率,与其他预测模型相比,均方误差、平均绝对误差和平均相对误差均有所下降,且具备较高的精度。

基于小波分析的ARIMA-GRNN模型的新疆CPI分析

利用小波分析对原始数据进行预处理,建立了小波ARIMA-GRNN模型.对新疆2001年1月到2021年2月CPI采用ARIMA模型、小波ARIMA模型、小波分析ARIMA-GRNN模型3种模型进行拟合,对比分析结果表明:小波分析能够提高时间序列的预测精度;小波分析ARIMA-GRNN模型明显优于小波ARIMA模型;小波ARIMA模型优于ARIMA模型.

基于ARIMA-GRNN模型的油井产量动态预测

针对目前油井产量预测模型准确度不高的问题,建立基于ARIMA-GRNN算法的高效时序预测模型,采用ARIMA模型对产量序列的线性部分进行预测,计算预测值与真实值的残差。通过构建GRNN模型形成残差补偿器,获得油井产量的组合模型预测值。预测结果表明,ARIMA模型、GRNN模型和组合模型的平均相对误差分别为15.65%、35.45%和3.43%,其中组合模型的预测精度最高,可有效解决ARIMA模型滞后性和中远期预测较差的问题。研究结果可为油井后续开发方案的确定提供理论依据和实际参考。

应用ARIMA-GRNN组合模型分析江苏尘肺病发病情况

[背景]尘肺病是中国职业人群中最常见的、危害最严重、影响面最广的职业性疾病,江苏省尘肺病发病情况十分严峻。[目的 ]基于求和自回归移动平均模型(ARIMA)与灰色模型GM(1,1)、广义神经回归网络模型(GRNN)的分别组合,构建适合江苏省尘肺病预测的组合模型。[方法 ]利用2006年1月—2017年12月江苏省尘肺病逐月新诊断病例资料构建尘肺病ARIMA预测模型,以2018年1—8月的数据作为模型测试值。将拟合尘肺病ARIMA模型时产生的残差值加上阈值3后,再用GM(1,1)模型拟合构建ARIMA-GM组合模型,拟合并预测尘肺发病数。将尘肺病ARIMA模型拟合值作为GRNN模型的输入值,尘肺病的真实发病数作为输出值,构建ARIMA-GRNN组合模型,拟合并预测。评价模型拟合效果的指标分别采用均方误差(MSE)、平均绝对误差(MAE)和平均相对误差(MRE)。[结果]三种模型拟合江苏省尘肺病新病例情况的MSE依次为ARIMA-GRNN(0.321 4)<ARIMAGM(0.704 6)<ARIMA(0.807 9),MAE分别为ARIMA-GRNN(0.398 6)<ARIMA-GM(0.632 4)<ARIMA(0.659 1),MRE分别为ARIMA-GRNN(0.161 2)<ARIMA-GM(0.183 8)<ARIMA(0.187 9)。三种模型预测2018年1—8月江苏省尘肺病新诊断情况的MSE依次为ARIMA-GRNN(0.084 3)<ARIMA(0.243 5)<ARIMA-GM(0.263 4),MAE分别为ARIMA-GRNN(0.234 5)<ARIMA(0.388 7)<ARIMA-GM(0.416 1),MRE分别为ARIMA-GRNN(0.098 1)<ARIMA(0.108 6)<ARIMA-GM(0.114 9)。各项指标都表明针对研究期间江苏省尘肺病发病情况建立的ARIMA-GRNN模型的拟合及预测误差最小。[结论 ]在江苏省尘肺病新病例预测中ARIMA-GRNN模型优于ARIMA-GM模型和单纯的ARIMA模型。

ARIMA模型和ARIMA-GRNN模型在AIDS发病预测中的应用

目的探究适用于预测我国艾滋病月发病人数的模型,为艾滋病的预防提供参考。方法收集2011年1月至2017年12月我国艾滋病月发病报告人数资料,建立自回归移动平均(autoregressive integrated moving average,ARIMA)模型及广义回归神经网络(generalized regression neural network,GRNN)模型与ARIMA模型的联合。用2018年1月至5月艾滋病月发病数评估该模型预测效果。结果艾滋病月发病数呈明显季节性,拟建立ARIMA(1,1,1)(0,1,1)12模型对我国艾滋病月发病报告数进行预测。建立ARIMA-GRNN模型的光滑因子为0.021。ARIMA-GRNN模型拟合及预测误差均低于ARIMA模型。结论ARIMA(1,1,1)(0,1,1)12和ARIMA-GRNN模型均能较好地拟合并预测我国艾滋病月发病人数,但联合模型的效果更优。

三种模型在肺结核发病预测中的应用

目的比较求和自回归滑动平均(ARIMA)模型、ARIMA与广义回归神经网络(GRNN-ARIMA)组合模型、径向基函数(RBF)网络模型在肺结核发病预测中的应用,探讨优化模型,为完善结核病预测预警系统提供建议和资料。方法利用1998年1月-2011年6月全国肺结核逐月发病资料构建ARIMA模型,而2011年7-12月数据作为模型测试值;将上述ARIMA模型拟合值作为GRNN模型输入值,各月实际发病率作为输出值,构建GRNN-ARIMA组合模型并预测;将1998年1月-2011年6月数据分段,构建三维输入,一维输出的RBF网络模型并预测。比较三种模型的拟合及预测效果优劣。结果三种模模型拟合肺结核发病情况的均方误差MSE值依次为GRNN-ARIMA(0.0848)<RBF(0.1987)<ARIMA(0.2800);三种模型预测2011年7-12月各月的发病率与实际值比较的均方误差MSE值依次为:GRNN-ARIMA(0.0571)<RBF(0.1024)<ARIMA(0.1053),其他模型评价指标也显示GRNN-ARIMA组合模型误差最小。结论 GRNN-ARIMA组合模型拟合及预测效果均优于RBF网络模型和单纯ARIMA模型,它能显著提高预测精度,具有很好的实用价值。

城市供水DMA短期需水量预测比较研究

针对城市供水独立计量区域(DMA)实例,运用自回归积分滑动平均模型、Elman神经网络、广义回归神经网络以及最小二乘支持向量机模型进行城市供水管网短期需水量预测.结合节假日、天气状况及温度等因素对用水量的影响,修正了相应模型,进一步提高了需水量预测精度.实例计算结果表明,4种模型均能用于城市供水短期需水量预测,其中结合天气及节假日因素的最小二乘支持向量机模型具有更高的预测精度.

基于ARIMA和GRNN模型对人民币汇率的预测

为了提高人民币汇率预测精度,本文分别采用求和自回归移动平均(ARIMA)模型与广义自回归神经网络(GRNN)模型来拟合和预测人民币兑美元日汇率值,并比较两种模型对人民币汇率拟合预测的效果优劣。研究结果表明,GRNN模型预测效果优于ARIMA模型的预测效果,可应用于人民币兑美元汇率的预测。

差分自回归移动平均与广义回归神经网络组合模型在丙型肝炎月发病率中的预测应用

目的探讨差分自回归移动平均(ARIMA)与广义回归神经网络(GRNN)组合模型在丙型肝炎月发病率中预测建模效果及应用前景,为疫情预测提供依据。方法 2015年5月—2016年5月,选取山东省疾病预防控制中心法定传染病直报系统2004—2014年丙型肝炎月度发病率数据及山东省统计局发布的同期人口资料。对2004—2014年山东省丙型肝炎月发病率数据构建ARIMA模型,验证拟合精度并外推预测;将ARIMA模型拟合值作为GRNN模型的输入,实际值作为GRNN模型的输出,对样本进行训练和预测。比较单纯ARIMA模型和ARIMA-GRNN组合模型在丙型肝炎月发病率中的预测效果。结果 2004—2014年山东省丙型肝炎年均发病率为17.28/10万,并随着时间的推移呈上升趋势(Z=29.05,P<0.01)。ARIMA(1,2,1)模型预测2014年山东省丙型肝炎发病率与实际发病率基本一致,落在95%置信区间内,拟合效果较好。以ARIMA(1,2,1)模型拟合值作为GRNN模型的输入,丙型肝炎月发病率实际值作为GRNN模型的输出,取最优光滑因子0.12训练模型,ARIMA-GRNN组合模型预测的拟合值与实际值基本吻合。ARIMA模型和ARIMA-GRNN组合模型的平均误差率(MER)分别为16.87%、15.30%;决定系数(R^2)分别为0.53、0.60;平均绝对误差(MAE)分别为0.17、0.09;平均绝对百分误差(MAPE)分别为1.18、0.35。结论 ARIMA-GRNN组合模型对山东省丙型肝炎月发病率拟合及预测效果优于单纯ARIMA模型,具有较高的拟合精度,有较为广阔的应用前景,对于疫情预测工作有一定的实用性意义。

基于VLRBP神经网络的汇率预测

为了提高汇率预测的准确性,分别使用VLRBP神经网络模型和GRNN模型及ARIMA模型对欧元汇率时间序列进行建模和预测,通过实证分析发现基于VLRBP的神经网络对于含有大量非线性成分的欧元汇率时间序列的预测比较准确。在分析了最速下降BP学习算法的缺点后,提出利用VLRBP学习算法来解决神经网络振荡和收敛速度过慢的缺陷,并取得较好的效果。同时,为了提高VLRBP网络的泛化性能,提出在训练VLRBP神经网络时应用浴盆曲线方法选取隐层神经元个数和滑动窗口尺寸,试验结果表明该方法适合神经网络模型。

基于生态足迹法的水资源承载力研究——以北京市为例

为分析和评估区域水资源可持续发展状态,以水资源生态足迹系统的框架体系作为基础,引入水资源足迹广度与深度,区分水资源流量资本与存量资本,结合北京市实际情况,在现有人口和水资源条件下,计算水资源生态承载力的同时探讨改进的差分自回归移动平均模型ARIMA与广义神经网络GRNN的组合模型在水资源生态足迹中的拟合预测效果。结果显示:北京市长期处于水资源赤字这种不安全状态下,研究期内水资源足迹深度均大于1,平均水资源生态足迹为0.169hm^2/cap,约是平均水资源生态承载力的2倍,万元工业增加值用水量、万元GDP用水量、万元农业增加值用水量三个指标是影响北京市水资源生态足迹的重要因素。ARIMA(3,2,1)与GRNN耦合模型对北京市水资源生态足迹的拟合及预测效果优于单纯的ARIMA模型,其预测结果可为北京市水资源更有效地进行保护和配置提供参考。

新疆艾滋病发病率的组合预测模型研究

近年来新疆艾滋病发病率较高,预防控制工作严峻,此种情况下,基于2008年1月至2014年12月的艾滋病发病率数据,采用ARIMA方法及广义回归神经网络方法建立了ARIMA-GRNN组合预测模型,并用2015年1月至5月的数据检验模型预测能力,结果模型能较好地对新疆艾滋病发病率做预测,这可为新疆艾滋病的预防控制提供一定的科学参考.

基于GRNN的组合预测模型在传染病发病率预测中的应用

目的研究基于GRNN的组合预测模型拟合传染病发病率的优越性和不足。方法以浙中某市1998—2008年的肺结核发病率为研究资料,分别构建了灰色模型和ARIMA模型,以这两种模型为基础构建了基于GRNN的组合预测模型。结果残差修正GM(1,1)模型、ARIMA(1,0,1)*(1,1,0)12模型、基于GRNN的组合预测模型的MSE,MAE,MAPE和MER分别为37.451,5.692,53.69%,48.51%;18.509,3.761,35.13%,32.05%;9.961,2.571,25.6%,21.9%。结论基于GRNN的组合预测模型的预测精度优于两种单项模型。

安全事故现状与趋势分析方法研究

包括安全生产事故预防、控制在内的安全生产监督管理工作需要客观把握安全生产的现状并准确地判断其总体发展趋势。本文基于我国安全生产事故快报数据,对近年安全生产现状做出季节性等分析,并为短期安全生产形势变化的预测与判断不仅提出了三个可行的ARIMA-BP、ARIMA-RBF以及ARIMA-GRNN非线性组合模型而且进一步基于RBF,对前述三个模型再次进行非线性组合,给出了一种新的双重非线性组合趋势分析方法。实证结果表明,双重非线性组合能够较为精确地预测安全生产事故的发展趋势,可以为安全生产事故的预防、控制和应对提供管理和决策支持。

神经网络在复杂自相关预测过程中的应用及对比研究

由于PM_(2.5)日均浓度值受外界多重复杂因素的影响,其较强的自相关性使得时间序列模型ARIMA构建难以实现,因此,给出高映射能力的非线性神经网络预测模型,并分别建立基于BP神经网络和GRNN神经网络的预测模型,进行PM_(2.5)浓度预测实验.结果表明,BP神经网络回检过程和检测过程存在不稳定性,预测残差波动较大,而GRNN神经网络检测残差呈完全U型,回检过程和检测过程较稳定,并且GRNN神经网络回检数据拟合度、预测数据精度和运算速度均优于BP神经网络,建模过程更为方便,易于实际应用.