检索结果-南通市图书馆

ARMA(1,1)-广义回归神经网络模型在股指预测中的应用研究

在线全文

学校读者我要写书评

暂无评论

ARMA(1,1)-广义回归神经网络模型在股指预测中的应用研究

作者：李鹏飞北京理工大学

学位级别：硕士

如今股票市场预测已经成为现代金融研究的核心问题之一,本文在前人研究的基础上,意在探索出一种针对股票市场的组合预测模型,以期减少预测误差,提高预测准确度。本文所用的数据为2010年1月4日至2016年3月11日的标准普尔500指数的日收盘... 详细信息

如今股票市场预测已经成为现代金融研究的核心问题之一,本文在前人研究的基础上,意在探索出一种针对股票市场的组合预测模型,以期减少预测误差,提高预测准确度。本文所用的数据为2010年1月4日至2016年3月11日的标准普尔500指数的日收盘价,以四年的标准普尔500指数日收盘价为样本数据建立模型,并预测样本数据外6天的股指收盘价,共做了50组实验。文中首先利用自回归移动平均(ARMA)模型对实验数据进行建模和预测,虽然该模型可以很好地拟合线性关系,但是由于其非线性映射能力弱,且难以确定最优的模型结构,因此预测效果不佳。然后利用广义回归神经网络(GRNN)模型对实验数据进行建模和预测,该模型具有较强的非线性映射能力,计算速度快,且只有一个人为确定的参数,但是其预测效果与ARMA模型相差不大。最后通过探索ARMA与GRNN的恰当组合,得到预测效果相对较优的ARMA(1,1)-GRNN并利用其进行短期预测,其中ARMA(1,1)部分反映了时间序列当前观测值与前一期观测值和前一期随机干扰的关系,即将GRNN模型中融入了股价前期数据的统计特征。通过对比三个模型的预测结果得出以下结论:1).在趋势预测方面,有90%的实验组ARMA(1,1)-GRNN模型的预测效果既优于ARMA模型又优于GRNN模型,且趋势预测准确率较高,有94%的实验组ARMA(1,1)-GRNN模型的趋势预测正确率在83.33%及其以上。2).在预测误差方面,从误差平方和角度来看,有98%的实验组ARMA(1,1)-GRNN模型的预测效果优于ARMA模型和GRNN模型;从相对误差角度来看,有98%的实验组ARMA(1,1)-GRNN模型的预测效果优于ARMA模型和GRNN模型,且其预测精度较高,有94%的实验组ARMA(1,1)-GRNN模型预测值的相对误差均在1%以内;从绝对误差的角度来看,98%的实验组中ARMA(1,1)-GRNN模型的预测效果优于ARMA模型和GRNN模型。因此可以看出在标准普尔500指数短期预测中ARMA(1,1)-GRNN模型的预测效果优于ARMA模型和GRNN模型,说明单一模型通过恰当的组合可以得到预测效果较优的组合模型。

关键词：股票市场预测自回归移动平均模型广义回归神经网络模型 ARMA(1,1)-广义回归神经网络模型

基于广义回归神经网络的用水量预测模型及其应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

无线互联科技 2023年第20期20卷 132-135页

作者：张玉芳南京际华三五二一环保科技有限公司江苏南京211100

用水预测对落实最严格水资源管理制度、实现节水型社会建设具有重要意义。文章建立基于非线性优化光滑因子的广义回归神经网络模型,用来刻画人口、GDP、工业增加值、有效灌溉面积和实际灌溉面积与用水量之间的非线性映射关系。用水量预... 详细信息

用水预测对落实最严格水资源管理制度、实现节水型社会建设具有重要意义。文章建立基于非线性优化光滑因子的广义回归神经网络模型,用来刻画人口、GDP、工业增加值、有效灌溉面积和实际灌溉面积与用水量之间的非线性映射关系。用水量预测实验表明:2016—2021年庆阳市用水量的预测值和实际值吻合较好,2016年用水量的预测值和实际值偏差最大,2019年和2021年用水量的预测值和实际值完全吻合,均方误差只有0.4,相对误差只有0.15;2016—2021年平凉市用水量的预测值和实际值之间的偏差不大,比较稳定,均方误差只有0.3,相对误差只有0.13,预测准确率达到87%。

关键词：广义回归神经网络模型光滑因子用水量用水因子非线性

基于神经网络和SARIMA组合模型的短期交通流预测

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

交通运输系统工程与信息 2008年第5期8卷 32-37页

作者：孙湘海刘潭秋长沙理工大学交通运输学院长沙410076 中南大学数学博士后流动站长沙410083

为了更精确地预测短期交通流,提出由季节自回归求和移动平均模型(SARIMA)和广义回归神经网络(GRNN)模型所构成的组合模型(SARIMA-GRNN模型),该模型结合了时间序列模型和神经网络模型进行时间序列预测的优点.构造该组合模型的两个组成模... 详细信息

为了更精确地预测短期交通流,提出由季节自回归求和移动平均模型(SARIMA)和广义回归神经网络(GRNN)模型所构成的组合模型(SARIMA-GRNN模型),该模型结合了时间序列模型和神经网络模型进行时间序列预测的优点.构造该组合模型的两个组成模型,即SARIMA模型和GRNN模型,也被用于预测研究以便于验证该组合模型在预测上的优势.实证研究结果表明,组合模型的预测精度高于SARIMA模型,但是却并不必然高于GRNN模型.然而,合理选择组合模型中神经网络部分的输入变量以及输出变量将显著地改善模型的预测精度,本文所构造的这个组合模型不仅具有很好的预测表现而且结构简单,非常适合城市道路短期交通流的实时预测.

关键词：短期交通流预测季节自回归求和移动平均模型广义回归神经网络模型组合模型

ARIMA模型与GRNN模型对肺结核发病率预测的对比研究

在线全文

学校读者我要写书评

暂无评论

第二军医大学学报 2016年第1期37卷 115-119页

作者：胡晓媛吴娟孙庆文沙琨王玲玲李敏第二军医大学海军医学系航海特殊损伤防护教研室上海200433 成都军区总医院药剂科成都610083 第二军医大学基础部数理教研室上海200433 第二军医大学训练部信息化办公室上海200433 解放军309医院全军结核病研究所北京100091

目的比较自回归移动平均(ARIMA)模型与广义回归神经网络(GRNN)模型对于肺结核发病率的预测性能。方法根据我国2004年1月至2012年12月的肺结核逐月发病率数据资料,应用Eviews 7.***.0.1建立ARIMA模型,应用Matlab 7.1的神经网络工具箱建立G... 详细信息

目的比较自回归移动平均(ARIMA)模型与广义回归神经网络(GRNN)模型对于肺结核发病率的预测性能。方法根据我国2004年1月至2012年12月的肺结核逐月发病率数据资料,应用Eviews 7.***.0.1建立ARIMA模型,应用Matlab 7.1的神经网络工具箱建立GRNN模型;选取2013年肺结核逐月发病率数据对两种预测模型进行检验,比较预测结果。结果 ARIMA模型和GRNN模型的Theil不等系数(TIC)分别是0.034和0.059,说明ARIMA模型对我国2013年肺结核逐月发病率的拟合程度优于GRNN模型,ARIMA模型相对误差绝对值仅为GRNN模型的57.19%。结论 ARIMA预测模型更适合用于我国肺结核发病率的预测;建议尝试组合模型预测肺结核发病率。

关键词：回归移动平均模型广义回归神经网络模型肺结核预测

人工神经网络在鸡胸肉预冷清洗环节中沙门氏菌污染率的预测

在线全文

学校读者我要写书评

暂无评论

食品工业科技 2020年第18期41卷 212-217页

作者：肖兴宁杨力张建民廖明李延斌肖英平杨华汪雯浙江省农业科学院农产品质量标准研究所农业农村部农产品质量安全风险评估实验室(杭州)农产品质量安全危害因子与风险防控国家重点实验室浙江杭州310021 中国计量大学信息工程学院浙江杭州310018 华南农业大学兽医学院广东广州510642 浙江大学生物系统工程与食品科学学院浙江杭州310058 阿肯色大学生物与农业工程系阿肯色州费耶特维尔72701

为实现对鸡胸肉预冷清洗环节的沙门氏菌污染率的预测,采用响应面试验设计收集数据,建立以初始污染水平、初始污染率、次氯酸钠(NaClO)浓度为输入值,鸡胸肉预冷清洗环节的沙门氏菌污染率为输出值的广义回归神经网络模型(General Regressi... 详细信息

为实现对鸡胸肉预冷清洗环节的沙门氏菌污染率的预测,采用响应面试验设计收集数据,建立以初始污染水平、初始污染率、次氯酸钠(NaClO)浓度为输入值,鸡胸肉预冷清洗环节的沙门氏菌污染率为输出值的广义回归神经网络模型(General Regression Neural Network model,GRNN),预测鸡胸肉预冷清洗环节的沙门氏菌污染率变化,并用训练集拟合,测试集评估模型的预测效果。结果显示,鸡胸肉预冷清洗环节的沙门氏菌污染率随初始污染水平、初始污染率的升高而显著增加,相反随NaClO浓度的升高而呈下降趋势(P模型的r值和SEP值分别为0.93和10.8%,拟合良好。模型对新数据预测的误差较小(SEP=13%),表明GRNN模型可较准确的预测鸡胸肉预冷清洗环节的沙门氏菌污染率。本研究建立的模型可用于鸡胸肉预冷清洗环节沙门氏菌污染率的预测,为微生物定量风险评估提供重要信息。

关键词：鸡胸肉预冷清洗广义回归神经网络模型沙门氏菌污染率预测模型

两种模型对潜流湿地出水中总氮含量的预测能力对比

在线全文

学校读者我要写书评

暂无评论

湿地科学 2017年第2期15卷 281-286页

作者：魏佳明崔丽娟李伟雷茵茹平云梅朱利中国林业科学研究院湿地研究所北京100091 湿地生态功能与恢复北京市重点实验室北京100091 北京汉石桥湿地生态系统国家定位观测研究站北京101399 北京汉石桥湿地自然保护区北京101399

以北京顺义汉石桥湿地自然保护区中水处理厂的潜流湿地为例,选取2014~2015年的水质监测数据,以电导率、溶解性固体总量、氧化还原电位、p H、水温和总输入氮含量为输入层,比较遗传算法优化的BP神经网络模型和广义回归神经网络模型对多... 详细信息

以北京顺义汉石桥湿地自然保护区中水处理厂的潜流湿地为例,选取2014~2015年的水质监测数据,以电导率、溶解性固体总量、氧化还原电位、p H、水温和总输入氮含量为输入层,比较遗传算法优化的BP神经网络模型和广义回归神经网络模型对多处理单元潜流湿地出水中的总氮含量预测能力。研究结果表明,遗传优化的BP神经网络模型的拟合优度R2可达到0.835,平均相对误差百分比为12.89%,说明其对出水中的总氮含量有一定的预测能力,但精度较差;广义回归神经网络模型的平均相对误差百分比为4.46%,精度较高。利用广义回归神经网络模型对潜流湿地出水中的总氮含量进行预测较适宜。

关键词：潜流湿地广义回归神经网络模型遗传算法 BP神经网络模型总氮

在线全文

学校读者我要写书评

暂无评论

中国CO_2排放量变权组合预测研究

华东电力 2012年第10期40卷 1680-1685页

作者：周建国王颖雪华北电力大学经济管理学院河北保定071003

从区域CO2排放量预测问题的离散灰色、非线性等特征出发,建立了基于离散灰色预测模型和广义回归神经网络模型的变权组合预测模型。其中,广义回归神经网络模型具有很强的非线性映射能力和柔性网络结构以及高度的容错性和鲁棒性,适用于解... 详细信息

从区域CO2排放量预测问题的离散灰色、非线性等特征出发,建立了基于离散灰色预测模型和广义回归神经网络模型的变权组合预测模型。其中,广义回归神经网络模型具有很强的非线性映射能力和柔性网络结构以及高度的容错性和鲁棒性,适用于解决非线性问题,有利于提高预测的准确性;在组合变权系数确定上,采用了等维递补多项式拟合方法,提高组合预测的拟合精度。以我国1990～2010年CO2排放量的测算数据以及同期的人口数量、GDP和能源消耗总量数据为基础,对未来7年我国CO2排放量进行了预测。

关键词： CO2排放广义回归神经网络模型离散灰色预测模型等维递补多项式拟合变权组合预测

在线全文

学校读者我要写书评

暂无评论

基于PSOGRNN的我国电力消费预测

水电能源科学 2013年第2期31卷 221-223页

作者：周凤翱何楠邢通谭忠富华北电力大学能源资源环境法律研究中心北京102206 华北电力大学能源与环境研究所北京102206

为准确预测电力消费并给电力发展规划制定提供依据,提出一种电力消费混合预测模型(PSOGRNN),将GDP、人均可支配收入和电力消费历史数据作为输入变量,运用粒子群优化(PSO)算法优化选择用于电力消费预测的广义回归神经网络(GRNN)模型参数... 详细信息

为准确预测电力消费并给电力发展规划制定提供依据,提出一种电力消费混合预测模型(PSOGRNN),将GDP、人均可支配收入和电力消费历史数据作为输入变量,运用粒子群优化(PSO)算法优化选择用于电力消费预测的广义回归神经网络(GRNN)模型参数值,以此提高模型的预测精度。实例验证结果表明,与自适应GRNN模型、DGM(1,1)模型和最小二乘线性回归模型相比,PSOGRNN模型的预测精度最高,且有效可行。

关键词：电力消费预测广义回归神经网络模型粒子群优化算法参数优化

GRNN与统计模型在海堤渗压监测中的应用比较

在线全文

学校读者我要写书评

暂无评论

水电能源科学 2009年第3期27卷 134-136页

作者：黄铭刘俊上海交通大学船舶海洋与建筑工程学院上海200240

为掌握海堤状态量的变化规律并进行有效预测、评判,在对海堤渗压效应量和影响因素分析的基础上,给出了监测模型的影响因子基本形式,采用统计理论和广义回归神经网络(GRNN)分别建立了分析预测模型,对两种模型的建模原理、模型中影响因素... 详细信息

为掌握海堤状态量的变化规律并进行有效预测、评判,在对海堤渗压效应量和影响因素分析的基础上,给出了监测模型的影响因子基本形式,采用统计理论和广义回归神经网络(GRNN)分别建立了分析预测模型,对两种模型的建模原理、模型中影响因素及模型效果等方面进行了比较,可为复杂的海堤状态的安全监控提供参考。

关键词：海堤渗压监测统计模型广义回归神经网络模型