检索结果-南通市图书馆

中国管理科学 2022年第3期30卷 199-210页

作者：王方余乐安查锐西安电子科技大学经济与管理学院陕西西安710126 中国科学院大学魏桥国科联合实验室北京100190 滨州魏桥国科高等技术研究院山东滨州256600 哈尔滨工程大学经济管理学院黑龙江哈尔滨150001

电子废弃物回收规模预测是政府制定循环经济发展规划和有关补贴政策、企业进行资源回收价值评估和产能优化的基础。本文考虑电子废弃物回收规模季度数据的季节性数据特征可能导致传统单模型预测误差偏大、预测结果不稳定等问题,基于“分... 详细信息

电子废弃物回收规模预测是政府制定循环经济发展规划和有关补贴政策、企业进行资源回收价值评估和产能优化的基础。本文考虑电子废弃物回收规模季度数据的季节性数据特征可能导致传统单模型预测误差偏大、预测结果不稳定等问题,基于“分解-集成”的思想提出了季节性数据特征驱动的电子废弃物回收规模预测CH-X12/STL-X框架。首先,基于Canova-Hansen(CH)检验对电子废弃物回收规模时间序列的季节性数据特征进行识别,继而对适于进行季节性分解的时间序列采用X12乘法模型或时间序列季节性分解(Seasonal-trend Decomposition Procedure Based on Loess,STL)模型实现季节性分量提取。然后,采用Holt-Winters模型对获得的季节性分量进行预测,并以支持向量回归模型(Support Vector Regression,SVR)预测分解获得的其他分量。最后,通过对各个分量预测结果的线性求和以得到最终的预测结果。实证结果表明,提出CH-X12/STL-X预测框架能够较好地满足不同季节性数据特征驱动的时间序列预测建模需求,且较传统单模型(Holt-Winters模型、季节性差分自回归滑动平均模型、SVR模型)在预测性能上表现良好且稳定。

关键词：电子废弃物季节性分解集成预测数据特征驱动建模

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

数据特征驱动的黄金价格逆向混频预测研究

数据特征驱动的黄金价格逆向混频预测研究

引用

作者：王丹萍北京化工大学

学位级别：硕士

作为最常见的贵金属之一,黄金不仅是投资和储备的重要金融产品,也是众多行业的关键原材料,被广泛运用于许多不同的领域。从黄金的应用来看,黄金价格深深影响着全球经济、金融市场和投资决策等。因此,有效的黄金价格预测,将为相关行业、... 详细信息

作为最常见的贵金属之一,黄金不仅是投资和储备的重要金融产品,也是众多行业的关键原材料,被广泛运用于许多不同的领域。从黄金的应用来看,黄金价格深深影响着全球经济、金融市场和投资决策等。因此,有效的黄金价格预测,将为相关行业、企业和投资者做出合理计划和科学决策提供适当的依据和指导。在现有黄金价格预测研究中,许多预测模型都采集影响黄金价格波动的各类因素作为输入,以此提高黄金价格预测效果。通常情况下,采集到的各类影响因素数据往往存在频次不同无法建模的问题,为此混频数据建模成为主要解决方案。现有混频数据模型(如MIDAS)往往适用于使用高频数据降低频次来实现低频数据预测的正向混频数据预测问题,无法解决利用低频数据升高频次来实现高频数据预测的逆向混频数据预测问题。在此背景下,本文基于逆向混频数据,采用“数据特征驱动建模”的思想,提出了三个黄金价格逆向混频预测模型。具体研究内容如下:(1)基于逆向混频特征的黄金价格预测研究针对低频影响因素信息在高频目标序列预测过程中无法被使用的问题,本研究工作提出了一种逆向混频预测模型来预测黄金价格。此模型涉及三个步骤:因素相关性检验、混频数据变频和预测结果输出。在第一步中,由于单一的检验方法可能会存在偶然性,因此本研究工作通过使用皮尔逊相关系数、余弦相似度和KL散度三种相关性检验方法加权组合筛选与黄金价格最相关的影响因素;在第二步中,由于模拟退火算法具有鲁棒性强、适用于求解非线性优化问题等优点,因此被用作数据升频权重求解模型;在最后一步中,使用统计计量模型、人工智能模型和集成模型三类预测模型来预测黄金价格。在实证中,本研究使用了两组不同频率的黄金价格和影响因素数据进行分析,以检验模型的优越性。实验结果从水平精度和方向精度两个角度,证明了逆向混频预测模型在黄金价格预测中的有效性和鲁棒性。(2)基于非线性特征的黄金价格混频预测研究针对混频预测模型对具有非线性特征的黄金价格拟合较差的问题,本研究工作提出了一种基于非线性特征的黄金价格逆向混频预测模型。此模型包括四个步骤:数据特征检验、因素相关性检验、混频数据变频和预测结果输出。在数据特征检验中,对原始黄金价格和影响因素数据的非线性特征进行探索,根据结果选择适用的相关性检验方法;在因素相关性检验中,由于最大信息系数的方法可以针对非线性数据进行检验,因此本研究选择该方法对影响因素进行筛选;在混频数据变频过程中,选择模拟退火和遗传算法两种单一优化算法以及平均集成与加权集成两种集成方法来获取数据升频权重,以期得到低频影响因素的高频数据;在预测结果输出过程中,通过使用统计计量模型、人工智能模型和集成模型三类预测模型来预测黄金价格。在实证中,本研究使用了两组不同频率的黄金价格和影响因素数据进行分析,以检验模型的优越性。实验结果从水平精度和方向精度两个角度,证明了基于非线性特征的逆向混频预测模型在黄金价格预测中的有效性和鲁棒性。(3)基于多属性特征的黄金价格混频预测研究为有效提取相关性较大的黄金价格影响因素,并解决各个影响因素之间频率不一致的问题,本研究工作提出了一种多属性特征驱动的黄金价格多元逆向混频预测模型。此模型包含五个步骤:特征参量体系构建、数据特征检验、因素相关性检验、混频数据变频和预测结果输出。在第一步中,根据黄金自身的属性,构建包含不同属性和宏观经济环境的特征参量体系,便于后续影响因素的筛选;在第二步和第三步中,基于检验结果选择适合非线性数据的方法——最大信息系数,提取最能影响黄金价格的因素;在第四步中,将筛选得到的低频影响因素进行优化升频处理;在最后一步中,使用筛选得到的高频影响因素和变频后的低频影响因素共同进行模型拟合,完成黄金价格的多元预测。为验证模型的有效性,本研究使用了两组不同频率的黄金价格数据和影响因素数据进行分析,结果证明了所提出的多属性特征驱动的多元逆向混频预测模型能够有效预测黄金价格。本文基于逆向混频数据,采用“数据特征驱动建模”的思想,提出了三个数据特征驱动的黄金价格逆向混频预测模型。这些模型可以有效解决相关低频因素数据无法在高频数据预测中无法使用的问题。实证结果证实本文构建的三个黄金价格混频预测模型均有良好表现,且所提出的基于优化的升频方法优于其他插值方法。这表明提出的数据特征驱动的黄金价格混频预测模型可用作预测黄金价格的有效工具。

关键词：黄金价格预测数据特征驱动建模逆向混频数据非线性特征多属性特征

来源：

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

基于滚动机制与数据特征驱动的汽油消费量预测研究

基于滚动机制与数据特征驱动的汽油消费量预测研究

引用

作者：马月明北京化工大学

学位级别：硕士

作为最常用的轻质石油化工产品之一,汽油不仅是发动机的重要燃料,也是现代社会中非常重要的化工产品,广泛应用于多个领域。从各个领域的应用来看,汽油的消费与我国经济水平及国民的生活息息相关。因此,有效的汽油消费量预测,将为相关行... 详细信息

作为最常用的轻质石油化工产品之一,汽油不仅是发动机的重要燃料,也是现代社会中非常重要的化工产品,广泛应用于多个领域。从各个领域的应用来看,汽油的消费与我国经济水平及国民的生活息息相关。因此,有效的汽油消费量预测,将为相关行业和企业提供科学的决策依据和适当的生产计划指南。在此背景下,本文结合“滚动机制”、“数据特征驱动建模”、“分解集成”以及“迁移学习”的思想,提出了三个有效的汽油消费量预测模型。研究内容如下:(1)基于滚动分解集成的汽油消费量预测研究本研究工作提出了一种有效的滚动分解集成模型预测汽油消费量。此模型涉及数据分解、分量预测和集成预测三步。在第一步中,由于小波分解和集成经验模态分解具有优良特性,因此本研究工作使用这两种模型作为分解方法;在分量预测中,由于支持向量回归可以改善数据的稀缺性,因此被用作预测模型;在集成预测中,使用简单相加策略作为集成方法。此外,为解决由于测试数据集分解而导致未来信息误用产生的虚假高预测精度问题,本研究工作采用了滚动分解和滚动预测机制。在实证中,本研究使用了中国30个省份的季度汽油消费量数据进行分析,检验模型的优越性。实验结果从水平预测和方向预测的角度,证明了滚动分解集成模型在汽油消费量预测中的有效性和鲁棒性。(2)基于周期性特征驱动滚动分解集成的汽油消费量预测研究本研究工作提出了一种有效的基于周期性特征驱动的滚动分解集成模型,用于预测汽油消费量。在此模型中,主要涉及五个步骤,即数据特征检验、数据分解、分量特征分析、分量预测和集成预测。在数据特征检验和分量特征分析中,对原始数据和分量序列进行深入挖掘,探索数据中隐藏的数据特征。根据数据特征检验结果,选择适用的分解方法和预测模型,完成原始数据的分解和分量预测。在集成预测中,根据分解方法的原理,使用与其对应的集成模型集成分量预测结果。此外,这种方法仍然采用滚动分解和滚动预测机制来解决对未来信息误用的问题。为了便于说明和验证,本研究使用中国4个省份的季度汽油消费量数据进行分析。实验结果从水平预测和方向预测的角度,证明了基于周期性特征驱动的滚动分解集成模型在汽油消费量预测中的有效性和鲁棒性。(3)基于相似性特征驱动迁移学习的汽油消费量预测研究对于数据量少且波动不规律的汽油消费量数据,本研究工作提出了一种基于相似性特征驱动的迁移学习模型进行预测。在此模型中,主要涉及两个步骤:相似性特征检验和迁移学习预测。在第一步中,使用皮尔逊相关系数,检验各省份汽油消费量数据之间的相似性特征。在迁移学习预测中,根据相似性特征检验的结果,使用两阶段自适应增强迁移学习(twostage Tr Ada Boost)来预测汽油消费量。此外,本研究还选择递归特征消除(RFE)作为特征选择方法,余弦相似度与皮尔逊相关系数的加权组合作为相似性度量的方法,以此来解决迁移学习模型中源域选择的问题。为了验证模型的有效性,本研究使用了中国13个省份的季度汽油消费量数据及其影响因素数据进行分析。结果证明了基于相似性特征驱动的迁移学习模型在预测精度的有效性和鲁棒性。本文通过结合“滚动机制”、“数据特征驱动建模”、“分解集成”以及“迁移学习”的思想,提出了三个汽油消费量预测模型。这些模型不仅可以有效地提升对汽油消费量的预测能力,同时可以优化模型复杂性并节约模型计算成本。结果表明本文中的三个汽油消费量预测模型均显著优于基准模型,这表明提出的基于滚动机制和数据特征驱动的汽油消费量预测模型可以有效地预测汽油消费量。

关键词：汽油消费量预测分解集成数据特征驱动建模迁移学习滚动分解和滚动预测机制周期性特征相似性特征

来源：

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

复杂性特征驱动的国际油价预测研究

复杂性特征驱动的国际油价预测研究

引用

作者：马梦瑶北京化工大学

学位级别：硕士

石油作为世界上重要的基础能源,是国民经济和民生发展的基本保障,也是整个现代社会平稳运行的重要支撑。作为战略资源,石油在全球经济、政治局势和军事实力中发挥着重要作用。因此原油价格的波动会引起全世界的广泛关注,而精准并快速预... 详细信息

石油作为世界上重要的基础能源,是国民经济和民生发展的基本保障,也是整个现代社会平稳运行的重要支撑。作为战略资源,石油在全球经济、政治局势和军事实力中发挥着重要作用。因此原油价格的波动会引起全世界的广泛关注,而精准并快速预测油价变化对于决策者而言价值不可估量。由于受到石油市场供需关系、全球经济形势、股票期货市场、投机行为、地缘政治和突发事件等因素的综合影响,油价通常呈现出高复杂性、非平稳性和非线性特征,这也为油价预测研究带来了巨大的挑战。在此背景下,本文以提高预测精度和降低计算成本为目标,立足于复杂性的三个典型数据特征（记忆性、混沌性和不确定性）展开本文的研究。具体研究内容如下:（1）记忆性特征驱动的油价分解-重构-集成预测研究本研究工作针对油价记忆性特征提出了一种新的记忆性特征驱动的分解-重构-集成学习范式,进一步提高油价预测模型精度的同时,减少预测模型的计算复杂性。具体而言,本研究将分解集成的每一步（即数据分解、分量重构、重构分量预测和集成预测）均立足于数据记忆性特征,并基于记忆性特征与各类技术之间的关系研究建立了分解集成预测框架的技术选择规则,解决了经典分解集成框架技术选择无依据、计算耗时和累计偏差的问题。实验结果显示本研究提出的预测模型显著优于其他六类基准模型,证明了该方法可以被用作油价预测有前景的预测方法。同时,对比经典的分解集成模型可以发现对长期记忆性特征序列和超长期记忆性特征序列重构,可以在一定程度上提高模型的预测效果。（2）混沌性特征驱动的油价分解-集成预测研究为提高油价预测模型的精确程度和解释性,本研究工作基于“分而治之”和“数据特征驱动建模”思想,提出了一种混沌性特征驱动的油价分解-集成预测学习范式。具体而言,本研究将混沌性特征作为属性引入油价预测的研究中。研究过程中,将互信息法、曹（CAO）方法与李亚普诺指数相结合用于检验时序数据的混沌性特征,并将分解集成的三个步骤与各阶段的混沌性特征检验结果相结合,首次建立了混沌性特征驱动下分解集成框架的技术选择规则。这项对经典分解集成框架的改进,不仅增强了预测框架的可解释性,还提高了模型的预测性能,同时也为油价预测研究提供了新的研究思路。实验结果表明,提出的混沌性特征驱动分解集成模型的预测效果优于其他四类基准模型,且具有更好的可解释性。这证明了本研究提出的学习范式的有效性,也表明该学习范式可以作为预测油价有前景的预测工具。同时,混沌性特征驱动数据分解方法、分量预测方法和集成预测方法的预测效果显著优于相应的基准模型,这表明本研究工作提出的学习范式对经典分解集成框架每步优化都是有效的,也证明了混沌性特征驱动的技术选择在分解集成框架中的有效性。（3）不确定性特征驱动的油价分解-重构-集成预测研究本研究提出了一种不确定性特征驱动的油价分解-重构-集成学习范式。实际上,该学习范式是对经典分解集成框架的改进。具体而言,本研究对经典的分解集成框架引入了油价不确定性特征,并将不确定性特征作为技术选择的决定性因素。在整体的研究过程中,从各个阶段按类别选择主流的技术,并通过实验研究逐步构建了不确定性特征与各阶段技术之间的联系,一定程度上解决了分解集成框架技术选择无依据的问题。实验结果显示不确定性特征驱动的分解-重构-集成预测模型显著优于其他五类基准模型,证明该方法可以被选择作为有前景的预测方法。同时,从理论和实验两方面证明了基于模糊熵与Fisher聚类的不确定性特征驱动分量重构方法在计算复杂度和预测精度上的有效性。本文通过结合“数据特征驱动建模”和“分而治之”思想构建的三类复杂性特征驱动的国际油价预测学习范式,可以在一定程度上提高模型的预测性能,同时,还可以有效降低模型的计算复杂度。在一定意义上,本文的研究工作也进一步证实了“数据特征驱动建模”思想和“分解集成”策略的有效性。

关键词：油价预测分解集成数据特征驱动建模复杂性特征记忆性特征混沌性特征不确定性特征

来源：

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：