数字基础设施促进生产率增长的网络外溢效应——来自“增量提质”的双重视角 被引量：5

1

作者 李欣珏 管秋俐 李文静 《产业经济研究》 CSSCI 北大核心 2023年第3期100-114,共15页

数字基础设施是推动技术创新与数字融合的核心力量,对赋能经济新增长、推动经济高质量发展至关重要。基于数字基础设施的公共性、外部性、网络性与迭代升级特征,研究了数字基础设施的网络外溢效应与全要素生产率(TFP)之间的关系及作用... 数字基础设施是推动技术创新与数字融合的核心力量,对赋能经济新增长、推动经济高质量发展至关重要。基于数字基础设施的公共性、外部性、网络性与迭代升级特征,研究了数字基础设施的网络外溢效应与全要素生产率(TFP)之间的关系及作用机理。利用面板随机前沿分析方法测算全要素生产率,发现数字基础设施对全要素生产率具有显著的促进效应,这种效应来源于数字基础设施对技术效率与规模效率的促进作用。省际个体的数字基础设施能对与其在地理、经济、人口方面相关联的其他省份的全要素生产率产生显著的正向网络外溢效应。机制研究揭示:一方面,数字基础设施网络外溢效应可通过提升创新数量、创新质量显著促进全要素生产率的增长;另一方面,数字基础设施网络外溢效应也能通过缓解资本错配、劳动力错配促进全要素生产率的增长。进一步研究显示:数字基础设施数量网络与数字基础设施质量网络在通过创新促进全要素生产率增长时具有异质性。数字基础设施质量网络能通过创新推动全要素生产率的增长,但数字基础设施数量网络却无法通过创新来显著推动全要素生产率的增长。因此,推动经济高质量发展的关键不仅在于数字基础设施数量规模的扩张,更在于数字基础设施质量的迭代升级。 展开更多

关键词 数字基础设施 全要素生产率 面板随机前沿分析 网络向量自回归 网络外溢效应

原文传递

网络数据建模、分析与应用研究综述

2

作者 任怡萌 陶春柏 朱雪宁 《中国科学基金》 CSSCI CSCD 北大核心 2024年第5期773-783,共11页

互联网、大数据、人工智能等信息技术催生海量数据,网络数据作为重要数据形式,具有极高的挖掘潜力与分析价值。本文首先回顾了经典网络数据建模方法及相关理论性质研究,其次综述了上述方法在金融风险、宏观经济、商业营销、社会民生方... 互联网、大数据、人工智能等信息技术催生海量数据,网络数据作为重要数据形式,具有极高的挖掘潜力与分析价值。本文首先回顾了经典网络数据建模方法及相关理论性质研究,其次综述了上述方法在金融风险、宏观经济、商业营销、社会民生方面的具体应用。在此基础上,本文针对大数据背景下复杂网络数据异质性、非线性、高维度、大规模的特征,以及众多场景中的具体应用需求,总结现有研究存在的不足,阐述了网络数据建模在理论方法与实证分析中面临的挑战。最后,基于网络数据的新特点与新需求,给出现实场景中的网络数据分析在理论建模与应用研究方面的建议。 展开更多

关键词 复杂网络数据 网络自回归 异质性结构 非线性模型 高维数据分析 大规模网络

原文传递

网络向量自回归模型在波动性溢出分析中的应用

3

作者 盖伟 胡杰 《中国科学技术大学学报》 CAS CSCD 北大核心 2021年第6期468-474,共7页

如何度量金融系统的网络连通性是系统风险分析的重要内容,在近年受到广泛的关注.本文采用传递熵方法分析了美国股票市场的波动性溢出网络连通性.基于构建的网络结构,我们应用了网络向量自回归模型(NVAM)并且感兴趣的是识别在金融系统构... 如何度量金融系统的网络连通性是系统风险分析的重要内容,在近年受到广泛的关注.本文采用传递熵方法分析了美国股票市场的波动性溢出网络连通性.基于构建的网络结构,我们应用了网络向量自回归模型(NVAM)并且感兴趣的是识别在金融系统构成的波动溢出网络中具有影响力的公司.此外,本文采用滑动窗口方法得到了总波动性溢出网络连通性的动态变化规律,该指标在金融危机初期急剧上升,而在经济稳定时期仅在可控范围内波动.结果表明,传递熵在帮助理解金融市场的相关性和信息传递性上具有较大的潜力. 展开更多

关键词 网络连通性 传递熵 网络自回归 系统风险

下载PDF 职称材料

基于ARIMA与NNAR模型的中国食管癌疾病负担预测 被引量：15

4

作者 马倩倩 何贤英 +5 位作者 崔芳芳 孙东旭 翟运开 高景宏 王琳 赵杰 《中华疾病控制杂志》 CAS CSCD 北大核心 2021年第9期1048-1053,共6页

目的探索中国食管癌疾病负担时间序列特征,并进行预测。方法收集1990—2019年中国食管癌发病率、死亡率、伤残调整寿命年(disability adjusted life year,DALY)等疾病负担数据,基于1990—2016年数据建立自回归移动平均(autoregressive i... 目的探索中国食管癌疾病负担时间序列特征,并进行预测。方法收集1990—2019年中国食管癌发病率、死亡率、伤残调整寿命年(disability adjusted life year,DALY)等疾病负担数据,基于1990—2016年数据建立自回归移动平均(autoregressive integrated moving average,ARIMA)模型、神经网络自回归(neural network autoregression,NNAR)模型,通过平均误差率(modulation error ratio,MER)、平均绝对百分比误差(mean absolute percentage error,MAPE)、平均绝对误差(mean absolute error,MAE)和均方根误差(root mean squared error,RMSE)比较2017—2019年预测数据与实际数据以验证模型预测性能,并预测2020—2024年食管癌疾病负担。结果1990—2019年中国食管癌疾病负担整体呈波动上升趋势,发病率上升33.26%,死亡率上升21.26%,DALY率上升6.66%。ARIMA模型与NNAR模型的预测值和实际值动态趋势基本一致,选择其中更优模型预测得到2020—2024年中国食管癌发病率分别为20.375/10万、21.057/10万、21.380/10万、21.341/10万和21.080/10万;死亡率分别为18.834/10万、19.647/10万、20.407/10万、20.889/10万和20.988/10万。DALY率分别为418.192/10万、431.123/10万、442.780/10万、452.376/10万和459.358/10万。结论中国食管癌疾病负担在2020—2024年将上升。NNAR模型在拟合中国食管癌疾病负担应用中具有良好预测性能与精度,可为疾病负担短期预测提供借鉴方法。 展开更多

关键词 自回归移动平均模型 神经网络自回归模型 食管癌 预测 疾病负担

原文传递

基于小波神经网络的流量自回归预测研究 被引量：5

5

作者 应国良 潘仙张 +1 位作者 李慧桂 田京波 《计算机应用与软件》 CSCD 北大核心 2014年第6期151-153,157,共4页

通过应用系统的历史网络流量训练小波神经网络的各个参数,最终确定收敛的小波神经网络的结构。证明流量的自回归短期预测是个NP问题,分析小波神经网络预测算法的时间复杂度。通过实验结果表明,采用小波神经网络相对于BP、GRNN、解决此... 通过应用系统的历史网络流量训练小波神经网络的各个参数,最终确定收敛的小波神经网络的结构。证明流量的自回归短期预测是个NP问题,分析小波神经网络预测算法的时间复杂度。通过实验结果表明,采用小波神经网络相对于BP、GRNN、解决此类NP问题具有良好预测效果和收敛速度。 展开更多

关键词 数据挖掘 预测 小波神经网络 自回归 网络 应用系统 计算理论

下载PDF 职称材料

2017—2023年青海省其他感染性腹泻病发病率的时空分析及预测模型比较

6

作者 姜雨淇 龙江 +3 位作者 赵金华 张华一 邓萍 姜文琦 《中华疾病控制杂志》 CAS CSCD 北大核心 2024年第11期1301-1307,共7页

目的分析青海省其他感染性腹泻病(other infectious diarrhea disease,OIDD)流行情况与变化特点,为2024年青海省OIDD发病率提供预测。方法以2017年1月—2023年12月青海省OIDD的月发病率和年发病率为原始数据,利用Arcgis 10.8软件对青海... 目的分析青海省其他感染性腹泻病(other infectious diarrhea disease,OIDD)流行情况与变化特点,为2024年青海省OIDD发病率提供预测。方法以2017年1月—2023年12月青海省OIDD的月发病率和年发病率为原始数据,利用Arcgis 10.8软件对青海省年发病率进行地图可视化,使用GeoDa 1.16软件进行空间自相关分析,使用R 4.3.1软件建立青海省OIDD的季节性自回归积分滑动平均(seasonal autoregressive integrated moving average,SARIMA)模型、三次指数平滑法(Holt-Winters)模型、神经网络自回归(neural network autoregression,NNAR)模型、指数平滑空间状态(trigonometric seasonality,Box-Cox transformation,TBATS)模型、先知模型。根据均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)、平均绝对百分比误差(mean absolute percentage error,MAPE)评价模型拟合效果。结果除Holt-Winters模型之外,各种模型均能较好地捕捉发病率趋势,其中NNAR模型训练集的MAE为0.90、RMSE为1.25、MAPE为16.43,在TBATS等模型中表现最好;NNAR模型测试集除RMSE值大于SARIMA模型和TBATS模型外,MAE和MAPE值均小于其他模型,总体而言预测性能最佳。因此,可基于NNAR模型对2024年青海省OIDD发病率做出预测,为高海拔地区的疾病预防策略做出启示。结论2017—2023年青海省西宁市、海东市、黄南藏族自治州为OIDD的高发地区。模型预测中,NNAR模型的预测效果最好,但在实际情况中需要结合各地区时空特征和流行趋势制定相应的防治措施。 展开更多

关键词 其他感染性腹泻病 神经网络自回归模型 模型预测 季节性自回归积分滑动平均模型 先知模型

原文传递

中国城投债风险溢价的及时性度量与预测——基于适应性网络自回归算法的分析 被引量：1

7

作者 李欣珏 夏红玉 牛霖琳 《计量经济学报》 CSSCI CSCD 2023年第1期259-285,共27页

债券风险溢价是衡量债券风险的晴雨表,使用网络自回归模型(NAR)对高维的城投债风险溢价进行建模有助于研究系统性风险外溢效应.简单的NAR模型通过构造空间权重矩阵实现降维,但所估计的网络外溢平均效应可能忽略了网络节点的异质性影响,... 债券风险溢价是衡量债券风险的晴雨表,使用网络自回归模型(NAR)对高维的城投债风险溢价进行建模有助于研究系统性风险外溢效应.简单的NAR模型通过构造空间权重矩阵实现降维,但所估计的网络外溢平均效应可能忽略了网络节点的异质性影响,且忽略了系统因政策或外部冲击产生的结构性变化.本文构建了时变参数和异质性溢出效应的适应性算法模型,提出了有效的适应性网络自回归算法(ANAR),以及时探测参数与解释变量的最大化同质区间,实现在及时探测参数结构性变化的同时,也能对最佳解释变量进行实时选择.应用该模型对我国省级城投债风险溢价网络进行建模分析和预测,我们发现:1)适应性网络自回归算法ANAR相比其他预测模型在城投债风险溢价的样本外预测中具有显著的预测优势. 2)从同质区间识别角度来看,相比于2016年与2017年, 2018年与2019年ANAR模型的同质性区间变得更短,说明市场短期不确定性风险上升,我国城投债在这一段时期内也相应出现了短期风险溢价高于长期风险溢价的“倒挂”现象. 3)从变量选择结果来看,不同省份城投债风险在不同时间决定网络外溢风险的作用不同,被算法以较高频率识别到的风险溢出省份多具有风险溢价较高、风险溢价波动较大以及债券发行数量较多的特征.债券平均规模与债券剩余期限的网络节点效应对债券未来风险溢价也有较大影响.本文提出的模型和方法对政策部门和投资者实时监控和预测城投债风险具有实用性和参考价值,对深化金融供给侧结构性改革,防范债务风险具有实际意义. 展开更多

关键词 城投债 风险溢价 网络风险 适应性网络自回归算法

原文传递

传染病组合预测模型的构建——基于R软件 被引量：1

8

作者 刘天 阮德欣 +1 位作者 侯清波 陈红缨 《疾病监测》 CAS CSCD 北大核心 2023年第9期1094-1100,共7页

目的利用R软件构建传染病组合预测模型,为疾病监测工作者提供参考。方法以全国(不含香港、澳门特别行政区和台湾省数据)、吉林省、辽宁省、黑龙江省2004—2017年肾综合征出血热(HFRS)逐月发病率作为训练数据拟合模型,2018年1—12月数据... 目的利用R软件构建传染病组合预测模型,为疾病监测工作者提供参考。方法以全国(不含香港、澳门特别行政区和台湾省数据)、吉林省、辽宁省、黑龙江省2004—2017年肾综合征出血热(HFRS)逐月发病率作为训练数据拟合模型,2018年1—12月数据用于评价预测效果。组合模型选择自回归移动平均模型(SARIMA)、指数平滑模型(ETS)、自回归神经网络模型(NNETAR)、指数平滑空间状态模型(TBATS)进行组合,采用R软件“forecastHybrid”包构建。单一模型权重相同的组合模型记为组合模型A;单一模型权重根据训练数据拟合效果确定,记为组合模型B。采用平均绝对误差百分比(MAPE)、离均差平方和(RMSE)评价6个模型拟合及预测效果。选取2004—2011年、2004—2012年、2004—2013年、2004—2014年、2004—2015年、2004—2016年、2004—2017年数据作为训练集分别建立模型,预测未来1—12月发病率进行敏感性分析。计算组合模型拟合及预测的MAPE、RMSE顺位累计和评价模型拟合及预测效果稳定性。结果SARIMA、ETS、NNETAR、TBATS、组合模型A、组合模型B在全国、吉林省、辽宁省、黑龙江省拟合的MAPE依次为11.81%、9.75%、11.50%、9.71%、8.09%、8.06%;29.63%、15.39%、23.04%、14.60%、16.33%,16.29%;19.76%、15.48%、3.93%、15.24%、12.66%、7.08%;21.92%、17.96%、6.73%、15.80%、13.55%、10.29%。上述6个模型在上述4个地区预测的MAPE依次为23.38%、20.35%、11.01%、34.28%、17.03%、16.02%;11.72%、14.26%、24.32%、14.16%、11.93%、11.92%;28.09%、27.57%、29.19%、27.32%、26.91%、26.49%;23.72%、33.28%、28.96%、33.75%、25.86%、27.31%。上述6个模型在上述4个地区拟合的RMSE依次为0.01、0.01、0.01、0.01、0.01、0.01;0.08、0.08、0.05、0.08、0.05、0.05;0.08、0.07、0.01、0.07、0.04、0.02;0.16、0.16、0.04、0.15、0.08、0.06。上述6个模型在上述4个地区预测的RMSE依次为0.02、0.01、0.02、0.02、0.01、0.01;0.03、0. 展开更多

关键词 组合模型 R软件 预测 权重 自回归移动平均模型 自回归神经网络模型

原文传递

二重趋势时间序列的灰色组合预测模型 被引量：7

9

作者 宋仙磊 刘业政 +1 位作者 陈思凤 许波 《计算机工程与应用》 CSCD 北大核心 2011年第8期115-117,142,共4页

神经网络、ARIMA等广泛应用于具有趋势变动性和周期波动性的二重趋势特征的时间序列预测,而这些单一的模型难以达到满意的预测效果。提出一种针对该特征的灰色组合模型,其基本思想是:从二重趋势时间序列中分离趋势变动项和周期波动项后... 神经网络、ARIMA等广泛应用于具有趋势变动性和周期波动性的二重趋势特征的时间序列预测,而这些单一的模型难以达到满意的预测效果。提出一种针对该特征的灰色组合模型,其基本思想是:从二重趋势时间序列中分离趋势变动项和周期波动项后,用灰色G(1,1)模型预测趋势变动项,引用BP网络和ARIMA的组合模型预测周期波动项,用乘积模型合成两部分预测值为灰色组合模型的最终预测值。实验表明:该灰色组合模型适应了二重趋势时间序列的特征,具有很好的预测效果。 展开更多

关键词 灰色理论 反向传播(BP)神经网络 自回归滑动平均(ARIMA) 二重时间序列 预测

下载PDF 职称材料

三种预测模型对中国流行性腮腺炎月度发病率预测的应用与比较 被引量：4

10

作者 汤梦莹 宋晓坤 +3 位作者 梁凯琼 牛娜 唐沛莹 黎燕宁 《实用预防医学》 CAS 2023年第11期1392-1396,共5页

目的建立三种预测模型分析流行性腮腺炎的季节发病情况,为流行性腮腺炎的预测方法提供理论依据。方法收集2004年1月—2018年12月全国流行性腮腺炎月度发病率数据,训练集数据为2004年1月—2017年12月流行性腮腺炎月度发病率,分别建立季... 目的建立三种预测模型分析流行性腮腺炎的季节发病情况,为流行性腮腺炎的预测方法提供理论依据。方法收集2004年1月—2018年12月全国流行性腮腺炎月度发病率数据,训练集数据为2004年1月—2017年12月流行性腮腺炎月度发病率,分别建立季节性差分自回归移动平均(seasonal autoregressive integrated moving average,SARIMA)模型、温特线性与季节指数平滑(Winter linear and seasonal exponential smoothing,Holt-Winters)模型和神经网络自回归(neural network autoregressive,NNAR)模型,以2018年1—12月中国流行性腮腺炎月度发病率数据作为测试集,评估三种模型的预测效果。结果2004年1月—2018年12月全国流行性腮腺炎月度发病率最高月份是2012年6月,发病率最低月份是2016年2月,每年有两个发病高峰,大高峰发生在每年的4—7月,小高峰发生在每年的11月至次年1月;SARIMA模型、Holt-Winters模型和NNAR模型预测的平均相对误差的绝对值(mean absolute percentage error,MAPE)分别是18.63%、18.65%和16.31%,均方根误差(root mean square error,RMSE)分别为0.29、0.36和0.39,平均绝对误差(mean absoluteerror,MAE)0.26、0.30和0.30,R^(2)分别为93.43%、83.79%和78.24%。预测效果最好的为SARIMA模型,其次为Holt-Winters模型,NNAR模型的预测效果最差。结论SARIMA模型能很好地预测全国流行性腮腺炎的发病情况,可为今后流行性腮腺炎的预防控制工作提供借鉴方法。 展开更多

关键词 流行性腮腺炎 发病预测 季节性差分自回归移动平均模型 温特线性与季节指数平滑模型 神经网络自回归模型

原文传递

基于全球疾病负担数据库分析1990-2019年中国脑瘤发病趋势 被引量：5

11

作者 段朝晖 赵湘铃 +3 位作者 张敏 徐杰茹 让蔚清 熊文婧 《中华肿瘤防治杂志》 CAS 北大核心 2023年第14期827-833,共7页

目的探讨1990-2019年我国脑瘤发病变化趋势与特征,为脑瘤防治工作提供参考。方法选取1990-2019年全球疾病负担(GBD)数据库中国5~<95岁脑瘤发病数据,整理数据并应用Joinpoint回归模型分析发病趋势,计算年度变化百分比(APC)与平均年度... 目的探讨1990-2019年我国脑瘤发病变化趋势与特征,为脑瘤防治工作提供参考。方法选取1990-2019年全球疾病负担(GBD)数据库中国5~<95岁脑瘤发病数据,整理数据并应用Joinpoint回归模型分析发病趋势,计算年度变化百分比(APC)与平均年度变化百分比(AAPC)。采用年龄-时期-出生队列(APC)模型分析发病率的年龄、时期和队列效应。通过R 4.1.3对脑瘤发病数据建立神经网络自回归(NNAR)模型,预测未来5年脑瘤发病率。结果1990-2019年我国脑瘤发病率呈上升趋势,男性和女性的AAPC值分别为1.802与2.396。APC模型分析显示,男性与女性的净偏移值分别为0.811%与1.332%,均>0。男、女性脑瘤的发病风险均随年龄和时期的增加而增加,较早出生队列的发病风险低于较晚出生队列。预测结果显示,2019年后我国脑瘤发病率将持续上升,2024年将达到7.707/10万。结论1990-2019年我国脑瘤发病率上升趋势明显,其中女性的上升趋势较男性更显著。年龄越大、生活时代越近人群其发病风险越大。预测结果提示,发病率在2020-2024年会持续上升,应加强对脑瘤防治工作的关注,开展好一级预防工作,降低我国脑瘤未来的发病率。 展开更多

关键词 脑瘤 发病趋势 年龄-时期-出生队列模型 预测 神经网络自回归模型

原文传递

江西省流行性腮腺炎发病率4种时间序列模型预测效果比较

12

作者 赵玉芹 郭世成 +2 位作者 邬辉 徐菲 张天琛 《中国公共卫生》 CAS CSCD 北大核心 2024年第8期980-984,共5页

目的比较季节性自回归移动平均模型(SARIMA)、指数平滑模型(ETS)、指数平滑空间状态模型(TBATS)和自回归神经网络模型(NNAR)4种时间序列模型对江西省流行性腮腺炎(流腮)发病率的预测效果,为流腮的预防控制提供参考依据。方法收集中国疾... 目的比较季节性自回归移动平均模型(SARIMA)、指数平滑模型(ETS)、指数平滑空间状态模型(TBATS)和自回归神经网络模型(NNAR)4种时间序列模型对江西省流行性腮腺炎(流腮)发病率的预测效果,为流腮的预防控制提供参考依据。方法收集中国疾病预防控制信息系统中江西省2010年1月1日—2019年12月31日报告的流腮发病数和发病率数据,以其中2010年1月—2018年12月的流腮报告发病率作为训练集,应用R 4.1.2软件构建SARIMA、ETS、TBATS和NNAR模型,并通过模型预测2019年1—12月的流腮发病率,采用均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)比较4种模型的拟合和预测效果。结果江西省2010、2011、2012、2013、2014、2015、2016、2017、2018和2019年流腮报告发病率分别为20.49/10万、32.03/10万、31.89/10万、19.95/10万、12.22/10万、14.10/10万、16.56/10万、16.21/10万、14.29/10万和21.14/10万,2010—2019年流腮年均报告发病率为19.84/10万;江西省流腮发病具有明显的季节性,每年4—7月为发病主高峰,11月至次年1月为发病次高峰;4种模型拟合值的变化趋势均与实际值一致,除SARIMA模型MAPE(32.01%)较高外,其他3个模型的MAPE均<15%,其中NNAR模型的拟合值更贴近实际值,其RMSE、MAE和MAPE均最低,分别为0.20、0.14和8.24%;除SARIMA模型外,其他3种模型的预测值变化趋势均与实际值一致,此3个模型的MAPE均<15%,其中TBATS和ETS模型的预测效果最好。结论ETS、TBATS和NNAR模型对江西省流腮发病率的拟合和预测效果较好,预测结果可为该地区流腮的防控提供理论指导。 展开更多

关键词 流行性腮腺炎(流腮) 发病率 季节性自回归移动平均模型(SARIMA) 指数平滑模型(ETS) 指数平滑空间状态模型(TBATS) 自回归神经网络模型(NNAR) 预测效果

原文传递

基于KNN模型的原油价格预测研究 被引量：5

13

作者 楚新元 卢爱珍 张敬信 《价格月刊》 北大核心 2021年第5期15-22,共8页

针对非线性、非平稳且呈现剧烈波动的时间序列,使得传统的预测方法预测效果不够理想。尝试运用KNN模型对WTI原油价格进行预测,并与ARIMA模型和神经网络自回归(NNAR)模型预测结果进行比较,结果表明:KNN模型适用于WTI原油价格预测,且预测... 针对非线性、非平稳且呈现剧烈波动的时间序列,使得传统的预测方法预测效果不够理想。尝试运用KNN模型对WTI原油价格进行预测,并与ARIMA模型和神经网络自回归(NNAR)模型预测结果进行比较,结果表明:KNN模型适用于WTI原油价格预测,且预测效果优于ARIMA模型和神经网络自回归模型。通过模型组合,利用KNN模型和神经网络自回归模型组合预测后,预测精度显著提升。 展开更多

关键词 KNN模型 ARIMA模型 神经网络自回归模型 预测精度

下载PDF 职称材料

广义网络向量自回归 被引量：3

14

作者 王菲菲 朱雪宁 潘蕊 《中国科学：数学》 CSCD 北大核心 2021年第8期1253-1266,共14页

随着社交网络平台的快速发展,带有网络结构的时序数据越来越多.为拟合用户行为的动态变化,网络向量自回归模型被提出.模型最早研究的是连续型因变量.然而实际数据常观测到离散型因变量.由此,本文提出广义网络向量自回归模型.模型假设存... 随着社交网络平台的快速发展,带有网络结构的时序数据越来越多.为拟合用户行为的动态变化,网络向量自回归模型被提出.模型最早研究的是连续型因变量.然而实际数据常观测到离散型因变量.由此,本文提出广义网络向量自回归模型.模型假设存在一个潜在的连续型变量,决定了可观测到的离散型因变量的取值.为了估计和推断模型,本文提出了MCMC (Markov chain Monte Carlo)算法并通过随机模拟进行验证.最后,使用某社交网络平台上的两个真实的数据案例作为例证. 展开更多

关键词 网络数据 MCMC算法 网络向量自回归 潜在变量

原文传递

基于组合模型的江苏省居民用电量预测分析

15

作者 王琪 《江苏商论》 2022年第1期11-14,共4页

研究利用时间序列基本分析方法ARIMA模型分析法、指数平滑ETS模型和神经网络自回归模型对江苏省居民每月用电量进行数据分析、处理、拟合、检验及预测,以2004年1月至2017年12月用电计量数据作为分析样本,使用R软件对该时间序列进行建模... 研究利用时间序列基本分析方法ARIMA模型分析法、指数平滑ETS模型和神经网络自回归模型对江苏省居民每月用电量进行数据分析、处理、拟合、检验及预测,以2004年1月至2017年12月用电计量数据作为分析样本,使用R软件对该时间序列进行建模。对给出的数据建立ARIMA模型、ETS模型和NNAR神经网络自回归模型,接着利用MAE、RMSE、MAPE三个评价指标来衡量模型的优良度。尝试通过组合模型对2018年江苏省居民12个月的用电量进行预测,与实际值进行对比验证,发现权重模型的误差最小,选择作为最终预测模型。最后得出结论,组合模型的预测效果要优于非组合模型。 展开更多

关键词 季节性ARIMA ETS 神经网络自回归 组合模型

下载PDF 职称材料

一种新的基于DFNN的时间序列预测

16

作者 王容 邓辉文 《科学技术与工程》 2010年第32期8055-8060,共6页

对时间序列预测,利用自回归移动平均模型(ARIMA)给出了一种新的基于动态模糊神经网络(DFNN)的模型。该模型中主要是考虑了输出误差这个重要因素。将ARIMA模型产生的非线性特征用DFNN模型模拟,能够产生比DFNN和ARIMA单个模型更加精确的... 对时间序列预测,利用自回归移动平均模型(ARIMA)给出了一种新的基于动态模糊神经网络(DFNN)的模型。该模型中主要是考虑了输出误差这个重要因素。将ARIMA模型产生的非线性特征用DFNN模型模拟,能够产生比DFNN和ARIMA单个模型更加精确的模型。因此,它可以作为一个适当的替代模型来预测任务,特别是当需要更高的预测精度的时候。最后用Mackey-Glass时间序列验证了模型的有效性。 展开更多

关键词 动态模糊神经网络 累积式自回归移动平均 Mackey-Glass时间序列预测

下载PDF 职称材料