基于特征融合的生鲜商品短期销量组合预测

生鲜产品由于保质期短、易腐易损等特点,对短期销量预测的准确度和可靠性要求极高.为此,本文综合时间、定价、竞价、新鲜度等多种微观层面因素,开展了特征工程分析,并在此基础上提出了生鲜商品销量的ARIMA-NARX组合预测模型.该组合模型首先利用ARIMA模型描述销量时间序列中的线性规律,然后借助衍生降维处理后的特征矩阵,采用NARX捕捉ARIMA残差中的非线性关系,并利用NARX残差预测结果修正ARIMA预测值.最后,将该组合模型的预测结果与ARIMA、NARX、ARIMA-NAR、SVM及回归决策树等模型预测结果及真实观测值进行对比分析,通过MSE/MAPE预测误差评价和DM检验,验证了该组合预测模型的预测能力合理性和有效性,并能较大幅度提高生鲜产品短期销量的预测精度.

基于组合预测模型对中国经济外贸依存度的预测

以“中国制造2025”战略为背景,研究中国经济增长对外贸的依赖程度.选取1978—2018年进出口贸易量和GDP为基础数据,分别运用NARX(nonlinear autoregressive with exogenous inputs)动态神经网络和ARIMA(autoregressive integrated moving average model)模型作为单项预测,建立组合预测模型,预测了2019—2025年中国经济对外贸易依存度,并对其进行测度和分析.研究结果表明:组合预测模型比两种单项预测模型效果更好,预测精度更高;未来几年中国的对外贸易依存度指数值呈下降趋势,预计2025年将下降到0.2279,同比2019年下降幅度高达26.83%.

基于多尺度自回归模型体系的混凝土坝位移预报及工程应用

针对混凝土坝位移监测数据的时频非线性特征严重影响到数值模型预报精度的难题,通过小波技术解析原型数据中多重交叉环境驱动的效应实况,有机结合非线性自回归模型(Nonlinear Autoregressive Model with Exogenous Input,NARX)和差分整合移动平均自回归模型(Autoregressive Integrated Moving Average Model,ARIMA),建立了多尺度组合机制下的自回归模型体系,解决了内蕴复杂混沌特性的监测序列的信息挖掘难点。工程实例分析表明,所建模型的拟合精度及预测能力均得以提升,相比于传统模型具有较好的抗噪性和鲁棒性。此外,所建立的计算模型经一定的优化和拓展,亦可推广应用于其它水工建筑物的效应预报分析。

基于NARX动态神经网络的民航客运量预测研究

民航客运量的准确预测对民航交通规划建设具有现实意义。论文首先对民航客运量数据的变化趋势和特点进行分析,得到客运量时序数据的发展趋势及波动规律。其次,论文提出基于NARX动态神经网络的民航客运量预测方法,该模型可以从非平稳的时序数据中提起历史数据的发展趋势以及周期波动的规律。论文利用2008年~2017年的历史客运量时序数据对未来两年的客运量进行仿真预测并验证。同时,论文还选用了ARIMA模型,Holt-Winters模型进行对比仿真实验。仿真结果表明,NARX动态神经网络的预测精度最高,R2、MAE、RMSE分别为0.91、81(万人)、102(万人),可以有效提高民航客运量预测的准确度。

基于ARIMA与NARX的北京入境旅游人数预测比较研究

从入境旅游人数预测的视角来研究入境旅游。结合1978—2018年北京入境旅游人数的统计数据,构建自回归滑动平均(ARIMA)模型和非线性自回归(NARX神经网络)模型,对统计数据进行训练预测发现NARX的平均相对误差绝对值、均方根误差、均方百分比误差均比ARIMA小,NARX预测精度更高。通过时间序列数据训练的NARX神经网络更适用于北京市入境旅游人数预测,模拟预测效果更好,更有利于北京入境旅游管理和决策。