基于GA-LSTM组合模型的股票价格预测

随着股票市场的非线性复杂性愈加明显以及市场的波动变幻万千,传统的股票预测方法如时间序列、K线图、广义线性模型等方法已经不再适用于股票预测。为了解决传统股票预测方法中部分信息遗忘、预测精度不高等问题,提出了一种基于GA-LSTM组合模型的预测模型。采用2018年1月2日到2020年9月21日的663个交易日数据,通过GA全局寻优模型寻找LSTM预测模型的最优参数,再对沪深300股票收盘价进行预测,最后通过对比LSTM单一模型和GA-LSTM组合模型评判指标R;与MSE大小,判断模型的预测效果和预测精度。模型输出的各项指标表明,GA-LSTM的R;上升了0.0182左右,均方误差下降了0.0399左右,可以更好的用于股票预测研究。

长三角城市群碳达峰路径模拟研究

城市群是构建国内大循环、促进区域协调发展的重要平台。城市群一体化深入发展的现实背景下,其内部空间网络特性决定了单一城市碳达峰路径不可避免地受到邻近城市影响。为此,本文以中国一体化程度较高的长三角城市群为研究对象,构建基于地理—经济复合维度的空间权重矩阵,应用空间计量模型考察该城市群碳排放空间关联效应,进一步构建空间嵌入式GA-LSTM模型以对长三角城市群碳达峰路径进行动态模拟。实证结果显示:①若考虑长三角城市群空间关联效应,部分城市碳达峰时点提前且多数城市峰值水平降低,表明空间关联效应能有效优化城市群碳排放空间格局,但其达峰后排放态势并未受到显著影响。②基准情景下,除苏州、亳州以外城市均能于2030年前顺利实现碳达峰,其中安徽省多数城市在2019年后保持碳排放稳中有降,江苏省及浙江省部分城市达峰后的碳排放下降态势相对缓慢,而上海、南通在早期实现达峰后其碳排放却呈缓慢增加的反弹趋势。③绿色情景下,长三角城市群整体碳排放于2019年后呈平稳下降趋势,有效逆转了基准情景下的惯性增长,并且其内部城市在碳达峰时点、峰值水平以及达峰后态势方面均呈显著改善趋势,有助于形成互为促进的区域减排合力。

基于实时车辆信息共享的公交动态控制策略

为了应对越来越多的乘客利用手机软件实时查看车辆位置信息以帮助其计划出发时间这一发展趋势,探究实时车辆信息共享程度对公交动态控制策略的影响,结合长短时记忆网络(long short term memory,LSTM)预测模型和遗传算法(genetic algorithm,GA)构建GA-LSTM实时混合公交运行轨迹预测模型;在实时公交运行轨迹预测模型的基础上,建立考虑乘客接受实时车辆信息共享程度、以最小化车头时距偏差和乘客乘车时间为目标的公交动态驻站控制策略;通过西安市实际数据测试实时公交运行轨迹预测模型和公交动态驻站控制策略的有效性,并讨论不同最大驻站控制时间、接受实时信息乘客比例对公交动态驻站控制策略的影响。研究结果表明:利用GA-LSTM预测模型预测停车服务时间和站间运行时间的均方根误差(RMSE)相较于传统LSTM预测模型的预测结果分别降低了21.19%和44.55%;考虑实时车辆信息共享的动态控制策略预测结果比未考虑信息共享的动态控制策略目标函数预测结果降低了31.66%;随着最大驻站时间增加,目标函数值减少到定值后保持稳定;随着接受实时信息乘客比例增加,目标函数值持续减少。研究结果有助于交通管理部门结合乘客接受信息共享程度设计更灵活、有效的公交动态控制策略,从而为改善公交运营状况、提高公交服务水平奠定理论基础。