基于一种新的分解集成模型的我国猪肉年度需求量预测研究
该文采用小波分解、eemd分解对时间序列进行分解，并采用lssvm进行预测，最后进行集成。
用户评论
相关推荐
论文研究我国猪肉消费需求量集成预测基于ARIMA VAR和VEC模型的实证.pdf
论文研究-我国猪肉消费需求量集成预测——基于ARIMA、VAR和VEC模型的实证.pdf, 猪肉消费需求量预测对稳定猪肉消费市场具有重要意义. 通过建立ARIMA、VAR和VEC模型, 利用Gran
PDF
830KB
2020-07-22 22:45
20162020年我国煤炭需求量预测
根据近10a我国总能源需求增长率与经济增长率的数据,分析我国总能源与经济之间的相关系数,通过国家十三五规划的预设经济增长目标,采用线性回归预测方法,预测能源需求量,在此基础上,以煤炭在总能源消费中所占
PDF
0B
2020-06-20 08:29
基于灰色GM11模型的煤炭需求量预测
以2010~2016年我国的煤炭需求消费总量作为数据基础,应用灰色系统理论,建立了GM(1,1)模型,预测出了2017~2019三年我国的煤炭需求量并分析了预测结果,表明该模型经检验有较高的精确度,其
PDF
151KB
2020-08-04 19:28
论文研究基于网络模型的城市公共自行车需求量预测研究.pdf
自行车共享系统逐渐出现在许多城市中，由于在不同时间和站点的自行车需求量（租/还量）不平衡，系统中各站点的自行车需要人工频繁地调整使其不断达到平衡状态，然而实时监控并不能很好地解决这个问题。因此，提出了
PDF
0B
2020-02-04 03:25
论文研究一种新的集成预测方法GPVECM.pdf
论文研究-一种新的集成预测方法——GPVECM.pdf,
PDF
186KB
2020-07-17 18:09
基于经验模式分解的股指组合预测模型
基于经验模式分解的股指组合预测模型，张文凤，黄薇，股指预测是金融时间序列研究中的重点问题与难点问题，其在理论及实践领域均有重要意义。本文将股指数据视为一种由多信号叠加而成
PDF
0B
2020-06-02 05:32
论文研究基于动态组合技术的猪肉价格预测研究.pdf
基于动态组合技术的猪肉价格预测研究，周全，李旸，通过对国内外现有猪肉价格预测研究成果的分析，找出存在问题，针对中国国情，确立价格影响指标，提出动态组合预测技术，并通过实
PDF
426KB
2020-07-22 06:17
基于SEIR模型的新冠肺炎预测
资料十分详尽,应有尽有,拟合结果可靠
RAR
290KB
2021-01-23 01:43
基于粒子群传递函数模型的煤炭需求量预测
介绍了协整检验方法,用于检验两数据序列是否具有系统的共同运动,为建立的预测模型选择输入变量;建立了传递函数噪声模型,分析了粒子群算法,提出了粒子群-传递函数噪声模型,使用粒子群算法对预测模型进行全局寻
PDF
211KB
2020-08-06 22:39
论文研究基于奇异谱分析的我国航空客运量集成预测模型.pdf
论文研究-基于奇异谱分析的我国航空客运量集成预测模型.pdf, 针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的
PDF
0B
2020-05-27 19:57
基于GMARIMA模型的我国入境游客人次数预测研究
基于GM-ARIMA模型的我国入境游客人次数预测研究，宋利勇，柳向东，改革开放以来，我国旅游产业经历了飞速的发展，也为我国经济增长作出了突出的贡献。通过游客人次的准确预测，对旅游产业规划有重
PDF
0B
2020-05-29 15:45
论文研究一种新的网络流量组合预测模型.pdf
Inordertoimprovethepredictionaccuracyofnetworktraffic,anovelpredictiontrafficmethodisproposed.Inthis
PDF
0B
2020-03-05 21:02
论文研究一种新的客户流失预测模型评估指标.pdf
一种新的客户流失预测模型评估指标,徐志远,靳浩,随着通信业务不断发展,体制改革不断深入,使得国内外运营商竞争日益激烈,各大运营商普遍存在客户流失的现象。如何解决客户流失
PDF
456KB
2020-08-30 05:29
一种超高周疲劳寿命预测的新模型
一种超高周疲劳寿命预测的新模型,朱明亮,轩福贞,结构长寿命的服役要求使超高周疲劳成为研究的热点,而有关超高周疲劳寿命预测的理论模型还较少。本文在总结和比较现有疲劳长寿命
PDF
328KB
2020-08-05 16:26
一种新的非线性模型预测UPF算法
针对现有导航解算中将模型误差作为过程噪声,并假设为高斯白噪声来处理,可能会引起较大的估计误差,甚至导致滤波器发散的问题。文章以提高导航解算精度为目的,在吸收非线性预测滤波和粒子滤波优点的基础上,提出一
PDF
563KB
2021-04-06 09:46