检索结果-南通市图书馆

系统科学与数学 2022年第5期42卷 1300-1313页

作者：张金岱哈尔滨工程大学经济管理学院哈尔滨150001

为使成品油企业能够合理地进行生产、销售和库存决策,必须要先对成品油的市场价格做出准确的预测.然而,成品油价格由于受产销存等多种因素影响,使得成品油价格预测十分困难.为此,根据成品油价格数据自身的记忆性特征,文章构建了一个记... 详细信息

为使成品油企业能够合理地进行生产、销售和库存决策,必须要先对成品油的市场价格做出准确的预测.然而,成品油价格由于受产销存等多种因素影响,使得成品油价格预测十分困难.为此,根据成品油价格数据自身的记忆性特征,文章构建了一个记忆性特征驱动的分解集成预测模型,并采用两种常见的成品油种——93#汽油和0#柴油的价格数据来验证该模型的有效性.实证结果证实基于记忆性特征驱动的分解集成预测模型能够获得比单模型更好的预测效果,表明该模型可作为预测类似成品油价格这种具有记忆性特征序列的有效工具.

关键词：记忆性特征分解集成预测成品油价格机器学习价格预测

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

股价指数的记忆性特征

引用

数理统计与管理 2004年第1期23卷 31-34页

作者：邹艳芬陆宇海江苏连云港化工高等专科学校江苏连云港222001

本文通过ARFIMA模型(分整自回归滑动平均模型)分析了上证日指数、周指数、月指数序列的记忆性特征,说明股票价格日指数具有长记忆性、周指数具有中等记忆性、月指数具有短期记忆性,这一结论说明了中国股票市场是非有效的,其本身隐含一... 详细信息

本文通过ARFIMA模型(分整自回归滑动平均模型)分析了上证日指数、周指数、月指数序列的记忆性特征,说明股票价格日指数具有长记忆性、周指数具有中等记忆性、月指数具有短期记忆性,这一结论说明了中国股票市场是非有效的,其本身隐含一定的政策含义。

关键词：股价指数记忆性特征中国股票市场自相关函数平稳算子

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

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

人类动力学特征感知的开发者网络关键节点识别方法研究

人类动力学特征感知的开发者网络关键节点识别方法研究

引用

作者：邵振安徽大学

学位级别：硕士

关键节点在复杂网络中占据重要地位,对于网络的结构和功能起着十分重要的作用。针对不同的网络,关键节点起的作用也不尽相同。如本文主要研究的开发者网络,在该网络中,有影响力的开发人员和项目节点在推动软件开发效率与质量方面通常扮... 详细信息

关键节点在复杂网络中占据重要地位,对于网络的结构和功能起着十分重要的作用。针对不同的网络,关键节点起的作用也不尽相同。如本文主要研究的开发者网络,在该网络中,有影响力的开发人员和项目节点在推动软件开发效率与质量方面通常扮演着重要角色,并且著名开发者的研究动向以及成果能够更快被别人学习与模仿。虽然目前已有许多学者分别从不同的角度出发,针对节点识别工作提出相应的解决办法,但仍存在一定的不足之处。首先,现有工作的研究对象主要是单层网络和多层单部网络,但随着网络功能的日益丰富和信息收集能力的逐渐提高,网络类型也可用单层二部网络或多层二部网络等进行刻画;其次,很少有研究学者考虑到人类动力学中节点在时间上的持续交互行为对节点排名产生的影响。本文针对以上问题所做工作如下:(1)单一时间特征。人类动力学中,节点在时间上的交互行为主要表现出阵发性(Burstiness)、记忆性(Memory)两种特征。本文首先根据开发人员和项目这两类节点构造开发者-项目二部网络;然后将节点间的时间特征分别纳入到网络的拓扑结构中,并提出一种时间特征加权的二部网络模型(Temporal-Weighted Bipartite Network model,TWBN);接着将该模型与基于迭代优化的节点排序算法Bi Rank相结合,针对阵发性、记忆性特征分别提出Burst Bi Rank和Memory Bi Rank算法;最后将这两种算法用于识别开发者网络中有影响力的开发人员和重要的项目节点。(2)时间特征融合。对于节点间多种时间特征的融合过程,本文首先根据Kendall相关系数寻求每种特征的最佳占比参数,并将融合的特征值转化为开发者与项目之间的连边权重;然后构造相应的特征融合加权的开发者-项目二部网络模型(Feature Fusion Weighted Developer-project Bipartite network model,FFWDB),并将该模型与已有算法Bi Rank相结合,提出BMBi Rank(Burstiness-Memory Bi Rank)算法;最后将该算法用于识别网络中的关键节点,并与所有基准算法进行比较。(3)本文实验所用数据集均为在Git Hub上筛选出的真实数据。在此数据集的基础上,将所提算法和所有基准算法进行大量的对比实验,不仅验证了本文算法识别网络中关键节点的有效性和可靠性,同时证实阵发性比记忆性能更好地衡量节点的时间行为特征。

关键词：关键节点开发者网络阵发性特征记忆性特征 GitHub

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：