简介:灰色预测模型(GM模型)运用灰色系统理论,适用于数据量少、信息不确定的经济预测.近年来在房地产投资开发领域,已经用于如需求预测、投资预测及价格预测等方面,并取得了较好的成果。本文以灰色预测模型为工具,对西安房地产市场从开发投资、施工房屋面积和销售房屋面积等方面进行预测。预测结果实际值与预测值的差异较小、精度较高,预测值可反映未来一段时期内西安市房地产市场状况。从预测结果来看,在未来几年,西安市房地产市场还有较大的发展空间,房地产开发投资、房地产施工房屋面积、房地产销售房屋面积都还以较大的年增长率继续增加,西安市房地产市场总体发展潜力和空间都还比较大.同时.未来几年里西安市房地产市场将会是在政府调控下的趋向合理的发展.房地产开发投资及消费者购房需求都将朝着理性方向回归。
简介:摘要基于季节性时间序列的特征,文章提出了一种利用季节模型预测的方法抑制希尔伯特——黄变换(HHT)中端点效应的方法。首先,在对信号进行经验模式分解(EMD)之前,利用季节模型预测的方法延拓信号的两端,使得极值拟合的包络线更加适合原信号;其次,对固有模态函数(IMFs)做Hilbert变换之前再次应用季节模型预测;最后,将基于季节模型预测方法的HHT算法与灰色预测和神经网络预测的结果进行对比,仿真实验表明新算法不仅有效抑制了端点效应,而且得到了更准确的瞬时频率。
简介:针对现有PPM模型预测准确率不够高,且无法处理好预测准确率与预测代价之间平衡的问题,提出了一种新的改进PPM模型(PD-PPM)用于Web服务预测,以便更实时地向用户提供个性化、智能化的服务。为了建立该模型,定义了Web服务编码结构、错误补偿矩阵(ECM)、子类服务PPM模型(SW-PPM)和大类服务PPM模型(PW-PPM),并利用控制领域的PD控制算法,在SW-PPM模型与PW-PPM模型之间进行切换控制和参数调整;此外,还在ECM的基础上建立了错误补偿机制。经实验证明,PD-PPM模型能有效平衡预测准确率和预测代价之间的矛盾,并可以对预测准确率进行精准地跟踪控制,从而达到了预期的效果。
简介:港口吞吐量预测是港口决策和规划的基础。为了合理预测港口吞吐量,本文利用外贸进出口总量、第一产业总产值和第三产业总产值作为BP神经网络的输入变量,港口吞吐量为输出变量,建立了港口吞吐量预测的BP神经网络预测模型。然后根据2000年-2010年广西北部湾港口吞吐量、外贸进出口总量、第一产业总产值和第三产业总产值,利用Matlab6.5软件的神经网络工具箱,通过对BP神经网络模型的反复训练,发现当隐含层节点数为6,学习率为0.05,训练次数为500次,训练精度为0.001,动力因子为0.9时得到的效果最好。并对BP神经网络模型与多元回归模型的预测结果进行比较分析,认为BP神经网络模型预测的总体效果更优。最后利用所确定的BP神经网络模型,对2011年和2012年两年的港口吞吐量进行了预测。
简介:AERMOD模型是《环境影响评价技术导则—大气环境》中的推荐模式。为了更好地验证颗粒物干沉降作用对该模型预测结果的影响,选取福州市的煤堆场作为面源污染源,对预测范围内所有网格点PM10、TSP最大地面浓度进行预测。结果表明:所有网格点TSP地面浓度考虑干沉降时,约为不考虑干沉降时的0.13;PM10地面浓度考虑干沉降时,约为不考虑干沉降时的0.70,干沉降对TSP的影响大于PM10。同一粒径分布下,密度对颗粒物干沉降的影响较大,密度增加对可吸入颗粒物干沉降的影响大于总悬浮颗粒物,当密度大于3g.cm-3时,所有网格点PM10与TSP地面浓度比值的平均值接近于0.98,认为粒径大于10μm的颗粒物基本完全沉降。此后,随着密度增加网格点处地面浓度的减小主要由PM10的沉降引起。AERMOD考虑干沉降时,距离污染源中心500m外的网格点处地面浓度,PM10/TSP〉0.98,大于10μm的粗颗粒几乎完全沉降。