搜索资源列表
greymodel
- 灰色预测模型在Matlab的语言编程(基于GM（1，1）模型)自己编的，很简单。就是为了当时处理数据方便。只是预测下一个数据，如果想得到更多的预测数据，可以在添加。
基于BP神经网络的厦门楼盘走势预测
- 本文基于BP神经网络应用于预测的原理，提出预测步骤及预测可行性，探讨建立基于BP神经网络的预测模型的关键技术，包括样本的选取与预处理、输入输出变量的选取、隐层节点数的确定、初始权值和阈值的选取、激活函数、训练算法与参数的选取，最后建立合理的网络模型；结合住宅市场的实际情况，建立两类BP 神经网络预测模型：基于时间序列的趋势预测模型以及基于影响因素的回归预测模型，即分别采用神经网络趋势预测和回归预测的思路，把住宅市场的供给、需求与房价的历年数据以及其影响因素的数据分别作为学习样本，建立预测模型，
LeastSquareMethod
- 运用主元分析进行数据预处理，最小二乘法建模，对未知数据按照模型给出预测结果-The use of principal component analysis for data pre-processing, least squares modeling, the unknown data is given in accordance with the model predictions
LmNet_PF
- LmNet PF 神经网络预测平台是公司基于最优神经网络算法(Levenberg-Marquardt动量项法)开发的通用预测平台工具。它是针对用户进行预测需要，快速构建神经网络应用的通用预测平台，它能解决包括销售量预测、销售价格预测、成本预测、市场潜力预测、新产品价格预测等方面的预测分析。功能包括：新建、修改网络模型；网络训练；网络仿真；误差分析；专家样本数据自动生成；节点配置；数据归一化处理；网络参数初始化设置等。~..~ -Neural Network Prediction LmNet
gm_tool
- 灰色预测工具箱。 特性： 0 数据预处理，替换掉一些不符合条件的点：如连续相等的点 1 选择最好的c进行平移变换 2 残差太大的，剔除坏点 3 最后使用 新陈代谢 灰色模型求解（xcdxgm11） 函数： ccfx.m:残差分析 gm11.m:一般的灰色预测工具 xcdxgm11.m:新陈代谢灰色预测工具-Grey toolbox. Features: 1 Data preprocessing, replace the points t
SVM_Short-term-Load-Forecasting
- 优秀论文及配套源码。首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，
GARCHmodelsparameterEstimation
- 用GARCH模型对时间序列进行预测，包括建模过程，数据处理，阶数确定以及最小二乘估计参数-GARCH models and parameter estimated by LM
development-risk-prediction
- 本文基于BP神经网络应用于预测的原理，提出预测步骤及预测可行性，探讨建立基于BP神经网络的预测模型的关键技术，包括样本的选取与预处理、输入输出变量的选取、隐层节点数的确定、初始权值和阈值的选取、激活函数、训练算法与参数的选取，最后建立合理的网络模型；结合住宅市场的实际情况，建立两类BP 神经网络预测模型：基于时间序列的趋势预测模型以及基于影响因素的回归预测模型，即分别采用神经网络趋势预测和回归预测的思路，把住宅市场的供给、需求与房价的历年数据以及其影响因素的数据分别作为学习样本，建立预测模型，
the-bayesian-algorithm
- 基于水质模型的预测的贝叶斯算法，主要包含数据处理和预测学习算法程序-Based on the water quality model prediction of the bayesian algorithm, consists of data processing and predict learning algorithm procedures
SVM
- 针对基于GPS／GIS的浮动车数据特点，总结其中无效的数据类型，并给出数据有效处理的方法。以支持向量机原理、交通状态预测方法为基础，分析了常用支持向量回归机、核函数及模型参数的性能，以及各核函数及模型参数对支持向量机性能的影响及作用。针对路段平均速度预测中的小样本、非线性、高维回归等特点，将支持向量回归机方法引入基于浮动车数据的路段车辆速度预测，构建了路段平均速度短时预测模型。并以杭州市某路段的实际数据为例，详细阐述了支持向量回归机预测模型的具体建模和求解过程。运用LibSVM2．84软件包，进
ARMA相关模型及其应用
- 时间序列分析是数理统计中的一个重要分支，用随机过程理论和数理统 计方法研究随机数据序列的规律。时间序列分析提供了一套具有科学依据的 动态数据处理方法，该方法的主要手段是对各种类型的数据采用相应的数学 模型去近似描述。通过对模型的分析研究，便可更本质地了解数据的内在结 构和复杂特性，从而达到预测其发展趋势并进行必要的控制的目的。(Time series analysis is an important offset of statistics, which studys
指数模型
- 指数平滑法（Expinential smoothing method）的思想也是对时间序列进行修匀以消除不规则和随机的扰动。该方法是建立在如下基础上的加权平均法：即认为时间序列中的近期数据对未来值的影响比早期数据对未来值得影响更大。于是通过对时间序列的数据进行加权处理，越是近期的数据，其权数越大；反之，权数就越小。这样就将数据修匀了，并反映出时间序列中对预测时点值的影响程度。根据修匀的要求，可以有一次、二次甚至三次指数平滑。(Exponential smoothing model)
客户流失预测
- 随着全球的商业竞争愈来愈激烈，客户流失预测已经成为客户关系管理中非常重要的内容。预测即将流失的客户，并制定相应的措施挽留客户已经成为促进企业发展的关键性因素。本文从对电信和信用卡客户的行为数据分析入手，针对其中的冗余特征和正负类样本不均衡等特点，提出一种新的特征选择算法和非均衡数据处理算法，以此建立一种新的客户流失预测模型。(Along with the global business more competitive, customer churn prediction has become
ANN模型预测程序
- ANN程序 MATLAB语言 用于数据处理 只要换数据就能用
wind power forecasting based on EWT-KELM
- 针对短期风电功率预测，提出一种基于经验小波变换预处理的核极限学习机组合预测方法。首先采用 EWT 对风电场实测风速数据进行自适应分解并提取具有傅立叶紧支撑的模态信号分量，针对每个分量分别构建 KELM 预测模型，最后对各个预测模型的输出进行叠加得到风速预测值并根据风电场风功特性曲线可得对应风电功率预测值。(Aiming at short-term wind power prediction, a kernel-based learning machine combination predicti
Elman神经网络预测电力负载
- Elman神经网络建立建筑物电力负荷预测模型中遇到的几个关键问题有，数据归一化处理、输入输出样本的选取、隐含层节点数的确定；分别建立Elman神经网络模型，并利用某栋建筑物实际历史电力负载数据进行预测，分析比较与实际数据值的预测精度，得出了一个有效的数据预测模型。(Several key problems encountered in building power load forecasting model based on Elman neural network are data norm
ARIMA风速预测
- 用于风电场区域的风速多步预测问题。模型基于ARIMA，通过数据预处理、进行建模，并使用我国山东省两个风电场的历史风速数据进行测试和分析。结果表明，模型的统计误差小。(Multi-step wind speed prediction in wind farm area. The model is based on ARIMA, through data preprocessing, modeling, and using historical wind speed data of two wind
代码实现
- 采用主成分分析法判断了北京2000-2010年的经济活力。采用遗传算法优化的神经元网络模型评估10个城市的经济活力，马尔可夫灰度预测预测未来5年的发展状况。(The economic vitality of Beijing from 2000 to 2010 was judged by principal component analysis. The neural network model optimized by genetic algorithm is used to evaluate
股票预测-最小二乘
- 采用最小二乘法进行MATLAB编写，开盘为输入，收盘为输出。1-600个数据为训练样本集，601-700为预测样本。先对数据进行标准化处理，再利用最小二乘法对模型进行预测，最后进行反标准化处理后输出。(The least square method is used to compile MATLAB. The opening is input and the closing is output. 1-600 data are training samples and 601-700 predic
金融数据处理
- 时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。它一般采用曲线拟合和参数估计方法(如非线性最小二乘法)进行。时间序列分析常用在国民经济宏观控制、区域综合发展规划、企业经营管理、市场潜量预测、气象预报、水文预报、地震前兆预报、农作物病虫灾害预报、环境污染控制、生态平衡、天文学和海洋学等方面。(Time series analysis is a theory and method to establish mathematical model by c