国家自然科学基金(71101041)
- 作品数：15 被引量：88H指数：4
- 相关作者：王晓佳杨善林侯利强陈志强章政更多>>
- 相关机构：合肥工业大学国网安徽省电力公司合肥学院更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划安徽省教育厅人文社会科学研究项目更多>>
- 相关领域：经济管理电气工程自然科学总论自动化与计算机技术更多>>
- 基于组合插值的GM(1,1)模型预测方法的改进与应用被引量：29
- 2012年
- 从理论上分析了GM(1,1)模型中的背景值,提出组合插值的思想,利用分段线性插值函数与Newton插值公式结合的方法构造一类新的灰色预测模型CIGM(1,1),改进背景值的构造方法,克服现有的灰色改进模型的不足,为提高预测精度提供了新的途径。最后以2008年江苏省工业用电量数据为例,用本文提出的方法进行预测仿真,理论分析和应用实例表明了本文所提方法的有效性。
- 王晓佳杨善林
- 关键词：灰色系统背景值
- 基于遗传优化偏最小二乘支持向量机的税收预测研究被引量：1
- 2014年
- 由于我国税收收入存在高度的非线性、耦合性和多因素的影响,故而对其进行预测是传统的预测方法难以胜任的。首先,提出偏最小二乘支持向量回归对我国税收收入进行预测的思路。其次,由于参数集(C,σ2)直接影响支持向量技术的预测优劣,故采用改进的遗传算法对参数集进行全局寻优,这样既保证了处理非线性的优势,又确保了支持向量回归模型的稳定性与精确性。结果表明,预测精度有着显著提高,说明了该模型的有效性与实用性。
- 侯利强杨善林陈志强
- 关键词：税收预测遗传算法
- 上证综指的股指波动:基于模糊FEGARCH模型及不同分布假设的预测研究被引量：4
- 2015年
- 本文主要对2006年至2011年上证综指收益率序列的高频波动性进行预测研究。首先,针对金融数据的非线性和不确定等特性,借助模糊逻辑系统,提出一种新的金融市场波动率的预测方法-模糊FEGARCH模型,用来更好的针对具有非线性特性的收益率数据进行预测。其次,为了判断分布型模型和不对称型模型对预测精度的影响程度,分别采用分布型(GARCH-N,GARCH-t,GARCH-HT和GARCH-SGT)和不对称型(GJR-GARCH、EGARCH和模糊FEGARCH)的波动模型进行高级能力预测法(SPA)检测。实证结果表明,不对称模型对波动率预测的影响程度比分布假设的确定更为重要,而且模糊FEGARCH模型对于具有尖峰厚尾、高偏度和杠杆效应的非线性波动数据的预测能力更佳,说明了该模型的有效性与实用性。
- 侯利强杨善林王晓佳陈志强
- 关键词：波动性SPA检验
- 合肥市开放式小区物业管理研究——以休宁路片区旧城改造项目为例
- 2018年
- 为了适应城市建设新的需要,缓解住宅小区交通压力,让更多的居民共享社区空间,建设开放式住宅小区已成为当前城市建设背景下新的趋势之一。从住宅小区物业管理的角度,以合肥市休宁路(金寨路—徽州大道)片区旧城改造项目为例,分析开放式住宅小区给物业服务带来的公共安全、日常管理等难题,提出智能化系统、管家式物业服务模式、多元化战略经营、引入政府指导等策略,旨在为合肥市建设开放式小区提供参考思路。
- 李雯雯王晓佳
- 关键词：住宅小区物业管理
- 基于作业成本法的企业仓储成本控制浅议
- 随着经济的发展和对物流行业要求的提高,物流成本的降低已经成为新的利润增长点,然而与发达国家相比,我国还有很大的进步空间。其中,作为物流成本中占比较大的仓储成本,积极跟进它的发展情况和推动措施改进,对于减少企业不必要的耗费...
- 徐晟宋雨姗
- 关键词：仓储成本作业成本法物流行业
- 文献传递
- 基于缓冲修正的样条灰色模型的长期负荷预测被引量：3
- 2013年
- 负荷数据是电力系统运行和规划的重要依据,准确地预测出在未来一定时期内的变化情况有利于提高电网运行的经济性和可靠性。我们针对传统GM(1,1)模型存在的一些缺陷,根据未来负荷趋势的判断,利用平均弱化缓冲算子(AWBO)对历史数据进行修正,并提出运用三次样条插值方法对灰色预测模型的背景值进行重构,构建改进的灰色预测模型,克服了传统预测模型的不稳定性,最后给出这种预测方法的建模步骤。通过实例验证,选择我国1980-2008年的年负荷数据进行分析,并选择此方法与传统GM(1,1)模型、支持向量回归(SVR)预测模型和人工神经网络预测模型(ANN)进行比较,结果表明此所提方法是可行和有效的。
- 侯利强杨善林王晓佳
- 关键词：负荷预测缓冲算子样条插值
- 基于最小一乘的GA-SVR用电量预测被引量：2
- 2013年
- 基于最小一乘准则和交叉验证思想下,提出了一种基于自适应遗传算法参数寻优的支持向量回归机模型。该模型采用最小一乘准则作为训练标准,提高了模型的整体稳定性。使用自适应遗传算法对支持向量回归模型进行参数寻优,加快了训练时间,提升了预测精度,同时,交叉验证方法的采用,又进一步地提升了模型的泛化能力和预测精度。采用该模型对江苏省全社会用电量进行预测的结果表明,其预测精度要优于传统的支持向量回归模型和一般的粒子群优化支持向量回归模型。
- 章政王晓佳
- 关键词：最小一乘支持向量机遗传算法
- 基于粒子群优化偏最小二乘支持向量机的我国税收收入预测研究
- 由于我国税收收入存在高度的非线性、耦合性和多因素影响的复杂性,故而对其进行预测是传统的预测方法难以胜任的。首先,本文对当前税收预测方法存在的不足进行了阐述,在此基础上,提出了偏最小二乘支持向量回归法(PLS-SVR)对我...
- 侯利强杨善林王晓佳
- 关键词：税收预测粒子群
- 文献传递
- 基于缓冲算子修正的改进灰色模型在中长期负荷预测中的应用
- 负荷数据是电力系统运行和规划的重要依据,准确地预测出在未来一定时期内的变化情况有利于提高电网运行的经济性和可靠性。本文针对传统GM（1,1）模型存在的一些缺陷,根据未来负荷趋势的判断,利用平均弱化缓冲算子（AWBO）对历...
- 侯利强
- 关键词：负荷预测缓冲算子
- 文献传递
- 基于误差校正的灰色神经网络股票收益率预测被引量：22
- 2015年
- 在股票市场中,准确的股票收益率预测是市场交易各方共同关心的重要问题。由于影响股票市场的因素十分复杂,仅靠建立单一的股票收益率预测模型来提高预测精度是非常困难的。本文对当前股票收益率预测方法存在的不足进行了阐述,并提出了以误差校正来提高股票收益率预测精度的新思路。首先,利用训练样本构建灰色神经网络模型,然后对股票收益率进行初步预测;其次,引入EGRACH模型来挖掘和分析预测误差序列的内部信息,并对该序列后续点进行预测;最后,利用误差预测结果对股票收益率的初始预测值进行校正。文章以上证综合指数数据为例进行分析,结果显示,与校正前的预测精度相比,校正后的预测精度提高了9.3%,表明EGRACH的误差校正过程是有效的,也验证了该方法的可行性。
- 于志军杨善林章政焦健
- 关键词：灰色神经网络
