统计与预测论文范文

统计与预测论文范文第1篇

统计预测是现代医院管理活动中的一种科学手段和方法，在医院管理和决策中发挥着越来越重要的作用。通过对儿科住院人次预测系统的设计与研究，为儿科住院人次实时预测具有积极意义。本文从对基于时间序列儿科住院人次预测系统的系统功能模块设计、数据库设计、时间序列趋势外推预测算法进行讨论，以提供参考。

一、系统功能模块设计

系统功能模块设计中包括调查问卷系统、儿科住院人次预测分析系统、拟合检验系统、系统服务等功能。其中调查问卷系统主要是为预测住院人次提供客观的环境因素分析，为临床调查问卷研究提供快捷方便的工具，同时也是患者提供建议和看法的一个有利渠道。儿科住院人次预测分析系统主要是住院人次季节变动预测分析、住院人次其他算法预测分析、预测数据拟合检验、运用数据挖掘相关知识进行数据预测分析。

二、时间序列儿科住院人次预测系统

良好的数据库设计对于一个高性能的应用程序非常重要，因此，在开始编写一个应用程序的代码之前，请花大量的时间来设计你的数据库，规范数据库的关系和性能，做好数据库的需求分析与论证，遵循数据库的设计原则，完善数据库的设计。下图为本系统数据库设计的ER图。

三、时间序列趋势外推算法

数据来源：我院儿科出院人数

抽象定义：已知现在时刻为t，试求在t+1时刻序列儿科出院人数的预测值。

符号说明：

预测期t记为predictivePeriod；

误差值记为error；

时段长N记为timeInterval

计数器记为i；

儿科出院人数预测值y’（t+1）记为predictor（predictivePeriod+1）；

儿科出院人数y（t）的序列值记为sequentialValue（predictivePeriod）；计算方法：平均数预测法，即将样本系列值y（1）、y（2）……y（t）作算术平均，以此作为序列预测值y’（t+1），即

y’（t+1）=（y（t）+y（t-1）+……+y（t-N+1））/N

将符合代人以上公式即：儿科出院人数系列值sequentialValue（1）， sequentialValue（2）……sequentialValue（predictivePeriod），求算术平均，以此作为序列预测值predictor（predictivePeriod+1），即：

predictor（predictivePeriod+1）=（sequentialValue（predictivePeriod）+ sequentialValue（predictivePeriod-1）+……+ sequentialValue（predictivePeriod- timeInterval

+1））/ timeInterval

算法描述：

1.确定时段长N（timeInterval）及预测期t（predictivePeriod）

2.获取出院人数y（t）、y（t-1）、y（t-N+1）并求和，即是sequentialValue（predictivePeriod）+sequentialValue（predictivePeriod-1）+sequentialValue（predictivePeriod-timeInterval+1）

3.求预测值predictor（predictivePeriod+1）

4.predictor（predictivePeriod+1）= （sequentialValue（predictivePeriod）+sequentialValue（predictivePeriod-1）+sequentialValue（predictivePeriod-timeInterval+1））/ timeInterval

小 结

综上所述，预测是决策的前提，任何决策都离不开科学的预测，本文对基于时间序列儿科住院人次预测系统设计与研究，对精准预测提供保障，也为医院科学管理与决策提供理论依据，为医院卫生资源的合理调配和利用提供决策依据。

参考文献：

[1]西尔伯沙茨.数据库系统概念（原书第5版）[M].机械工业出版社.

[2]曾素琴.趋势季节模型在住院人数预测中的应用[J].中国医院统计，2014，21（2）：132-134.

统计与预测论文范文第2篇

[关键词] 股票收益波动率GARCH模型SV模型神经网络灰色模型支持向量机

一、股票收益波动率预测模型研究现状

如何对股票收益波动率进行准确的描述与预测？这一直以来都是金融学领域探讨的热点问题之一。把握股票收益波动率的特征及趋势，对投资者测度、规避和管理股市风险具有极其重要的理论和实际意义。因此，长期以来许多学者运用各类预测模型对股票收益率波动性进行实证分析和预测，希望能够从中得到有益的启示和可以遵循的规律。目前，从国内外的相关文献来看，尽管对股票收益波动率进行预测的模型有很多种，但依据其建模理论不同，可将模型划分为两个大类：一类是以统计原理为基础的传统型的波动率预测模型，目前较为流行且具有代表性的模型包括ARCH类模型和SV类模型；另一类是以神经网络(ANN)、灰色理论(GM)、支持向量机(SVM)等为基础的创新型预测模型。国外学者运用GARCH和SV模型进行预测，其预测效果好于国内的同类预测。Campbll,Hetschel,Engle,Ng,Pagan,Schwert等证实GARCH能够提供较理想的数据模拟与预测效果。Jun、Yu利用基本SV模型对新西兰股市进行了预测分析,发现基本SV模型具有很好的预测能力。G..B.Durham利用SV-mix 模型对标准普尔500指数做了预测，认为预测效果较好。国内学者如魏巍贤、张永东、钱浩韵、张世英等分别运用GARCH和SV对我国股市进行预测，效果不是十分理想。而利用创新型预测模型（ANN，GM，SVM）对股市进行预测，国内外文献显示预测效果都比较理想。Hill等将神经网络与六种传统的统计预测方法作了对比，他们用了111个时间序列进行预测，结论是：采用短期（月度、季度）数据预测时，神经网络明显优于传统的统计模型；采用长期（年度）数据时，预测结果相差不多。李敏强、吴微、胡静等许多学者实证研究结果表明：人工神经网络应用于我国股票市场的预测是可行和有效的。陈海明、段进东、施久玉、胡程鹏、覃思乾应用灰色GM（1，1）模型对股票价格进行短期预测，效果很好。W.Huang等用支持向量机预测股票市场运动方向。P.Pai等将ARIMA（autoregresssive integrated moving average）模型和SMV模型结合起来，提出一种组合模型来进行股票价格预测,得出该组合模型优于单个ARIMA或SVM的结论。国内的杨一文、杨朝军利用SMV对上海证券综合指数序列趋势做较准确的多步预测。李立辉等将SMV应用到我国上证180指数预测中。周万隆、姚艳、赵金晶等实验结果表明，SVM预测精度很高。

总之，比较国内外学者的研究状况，至少可以得出以下两个结论：一是国外学者采用美国或其他西方国家股市的相关数据带入GARCH类或SV类模型进行数据拟合或预测，其效果普遍要好于国内学者采用国内股市相关数据进行的同类研究;二是我国学者运用创新型预测模型进行股市方面预测的文献多于传统的统计模型，而且从预测效果上看，创新型预测模型的预测精确度要高于传统型统计类预测模型。

二、基于统计原理的预测模型与创新型预测模型的比较分析

1.建模的理论基础不同。传统的基于统计原理的股票收益波动率预测模型是建立在统计分析理论基础之上的。而处理基于概率统计的随机过程，是要求样本量越大越好，原始数据越完整、越明确越好。但事实上，在实际中，即使有了大样本量，也不一定找到规律，即使有了统计规律也不一定是典型的。创新型预测模型则是完全脱离统计理论的基础，以一种创新型的建模思维，来建立预测模型。例如灰色模型是建立在灰色理论基础之上的，依据广义能量变化规律，将历史资料做累加处理，使其呈现出指数变化规律，然后建模。而人工神经网络模型是建立在神经网络理论基础之上的，它通过模仿人脑神经系统的结构及信息处理和检索等功能，建立神经网络模型进行预测。支持向量机则依据的是统计学习的机器学习理论，通过凸优化，使得局部解一定是最优解，克服了神经网络收敛速度慢和局部极小点等缺陷。

2.对数据的要求与处理不同。基于统计原理的预测模型要求样本量大并有很好的分布规律，无论是GARCH类还是SV类模型，只有在样本量足够大，且分布较好的情况下，其预测效果才会比较理想。例如，运用GARCH模型对美国股指进行预测要比对国内股指进行预测效果理想，原因是我国股市发展的时间相对较短，期间由于宏观调控和股改等原因，造成股指大起大落，导致数据分布规律性不强，因此我国运用这类模型存在一定局限。而创新型预测模型对样本量的要求和分布程度的要求均较低。例如灰色模型，只要拥有7、8个数据就可对下一个数据进行预测。在处理技术上，灰色模型要对原始数据进行累加处理，使表面杂乱无章的数据呈现出明显的指数规律，建模计算之后，再进行累减还原。神经网络模型则采用数据驱动，黑箱建模，无需先验信息，能够在信息资源不完整、不准确等复杂的数据环境下，通过自身结构的调整，提取数据特征，并对未来进行有效预测。

3.模型结构的稳定性与适应性不同。基于统计原理的预测模型一经建立，其模型结构具有较强的稳定性，模型变量之间存在一个稳定的内在关系。无论是GARCH模型还是SV模型，模型结构都相对稳定、简单，而且都是单因素模型。但在实际中，预测环境是复杂多变的，一旦系统变量之间出现新的关系，该类模型则无法调整和适应。创新型预测模型则是一种或者多因素、或者可以变结构的模型，其计算相对复杂，但其适应能力要好于基于统计原理的预测模型。例如灰色模型，除了有基本的GM（1，1）模型，对于高阶系统，灰色理论通过GM（1，n）模型群解决，并且可以综合考虑多种因素的影响。而神经网络和支持向量机都是变结构模型，通过网络对新样本的学习，调整其内部结构，从而适应系统变量的变化。对于非线性高维、高阶问题神经网络和支持向量机会发挥得更好。

4.预测精准度与外推性强弱不同。相比较而言，基于统计原理的预测模型误差较大，外推性差。因为基于统计原理的预测模型对数据样本没有再处理或学习的过程，因此对样本的拟合性较低，由此导致其外推性也较差。而创新型预测模型相对而言精确度较高，外推性强。原因是创新型预测模型对数据具有再处理或学习的过程。灰色模型是对数据进行了累加处理；而神经网络模型和支持向量机是对数据进行了学习，然后进行推理、优化。因此，创新型预测模型的拟合度和外推能力都要高于统计类模型。

5.预测难度与预测时间长度不同。基于统计原理的预测模型技术比较成熟，预测过程相对简单。无论是GARCH类还是SV类预测模型，其建立模型依据的理论基础坚实，模型构造相对简单，计算难度相对较低。由于这类模型采用的数据是较长时间的历史数据，因此可以对未来进行较长时间的预测。而创新型预测模型预测技术还有改进的余地，且预测难度较大。如利用神经网络进行股票收益波动率预测，其过程相对较难，因为神经网络需要设定隐层，权重；其隐层和权重设置合理与否，直接导致预测结果的合理与准确。用支持向量机方法进行预测，涉及到核函数的确定。核函数的确定难度较大。由于创新型预测模型对数据要求度不高，一般是小样本量预测，因此，适用于对预测对象进行短期预测。

三、我国股票收益波动率预测模型发展方向

1.创新型的智能化预测模型将成为我国股票收益率预测的一个发展方向。首先，创新型预测模型能够克服我国股市数据不完整、波动大、分布不合理等缺点，采用小样本数据对股市进行短期预测，预测的精准度相对高于传统的统计类预测模型。其次，创新类模型中的智能化模型能够模仿或部分模仿人工智能，对影响股市的多种因素进行复杂的非线性变结构处理，既能克服单因素模型包含信息不充分的缺点，也能克服固定结构模型无法处理突发性事件的缺点，能尽量充分地反映影响股市的多种信息和复杂变化，从而增加预测的准确度。

2.组合预测模型将成为我国股票收益率预测模型发展的另一个发展方向。组合预测是将不同预测模型的预测结果依据一定的原则赋予不同的权重，然后进行加权平均，得出最终的预测结果。这种预测方法可以克服单一预测模型信息量不充分的缺点，充分发挥不同预测模型的优势，最大限度获取不同角度的信息量，提高股票收益率预测水平。

3.包含各种非量化信息的预测模型将成为我国股票收益率预测模型的一个重要发展方向。目前股票收益率预测模型都属于数量化预测模型,非量化的因素无法融入到模型之中,这就导致预测中丢失了大量的非量化信息,预测的精准度受到很大影响。如何能将各种影响股市的非定量化信息进行技术处理后转变成量化信息,使之能够被加入到股票收益率预测的模型当中,从而充分反映政策因素、心理因素、突发事件等非量化因素对股票收益率的影响,提高预测的精确度,是股票收益率预测模型的一个重要发展方向。

参考文献：

[1]张永东 毕秋香:2003上海股市波动性预测模型的实证比较.管理工程学

统计与预测论文范文第3篇

随着计算机技术的蓬勃发展和广泛应用，计算机辅助教学管理也日趋普及。计算机辅助高等教育评估是其中一个比较新的分支，它的出现不仅改善了教育评估方式，而且有力地促进了传统教育评估方法向高效率、高质量和更加准确可靠的方向转变，促进了教育评估系统的改革，推动了教育评估方法的更新。教育评估是高等教育活动中一个非常重要的方面。而建筑工程专业毕业设计(论文)工作则是本科生培养中一个至关重要的环节，做好本科生毕业设计(论文)评估工作，有助于改进建筑工程专业本科生的培养。遗憾的是，多年来对本科生毕业设计(论文)评估工作普遍重视不够，或者虽然重视，却仅仅停留在定性评价的阶段，缺乏准确可靠的评价标准，所有这些都不同程度地影响了本科生毕业设计(论文)工作的质量。在这种情况下，将计算机引人本科生毕业设计(论文）评估活动中来，可以大大改善这种状况。计算机具有存储量大、可连续工作等特点，而且利用计算机处理评估材料，获得评估结果，具有速度快、效率高、结果可靠的特点，只要指标体系建立合理，计算机能不受任何人为因素的干扰，提供给教学管理人员实事求是的结果，成为他们工作中得力的助手。为此，我们开发研制了建筑工程专业毕业设计(论文)计算机辅助评估预测系统（以下简称评估预测系统)。

二、评估预测系统的开发研制

(一）基本原理与方法

如何实现评估过程从定性到定量的转变，是开发研制该系统的关键所在。我们依据高等教育评估的原理，采用模糊综合评价的基本原理和方法，给出了建筑工程专业毕业设计(论文)评估的量化模型，具体步骤如下：

1.建立毕业设计(论文）评估指标体系。一级指标分为教师、学生、选题、客观条件四个方面。各方面再细分则为二级指标，如：教师方面分为准备工作、课堂讲授、出勤率、答疑情况、教学方式、教师职称等六个方面；学生方面分为学习态度、平时成绩、计算书完成情况、图纸完成情况、创新情况、译文完成情况等六个方面；选题方面分为结构类型、课题新颖程度、计算机应用合理程度、题目性质、外文资料、创新性等六个方面；客观条件分为设计教室、绘图仪器及图板、机房及出图设施、每位教师指导学生人数等四个方面。

2. 设立评价等级V，V=1好(VI)，较好(V2)，—般(V3)，较差(V4)|。

3. 构造单因素评判矩阵R，

其中，R中每一个元素rij表示第i个评价因素对第j个评价等级的隶属度。

4. 设立各评价因素权重集A，例：一级指标权重集八=(0_35，0.35，0.15，0_15)，八的取值可根据经验，并依据以往各届毕业设计(论文）评估结果经反复试算确定。

5.计算综合评判矩阵

    

6.对各级指标体系重复步骤

     7.计算测评结果

    

求得最终评判矩阵B该量化模型针对毕业生总体进行评估，评价毕业生的综合质量，改变了过去仅片面地对个人进行评估的状况。

(二）评估预测系统的计算机开发语言

系统采用流行的Windows人机交互式界面，力争做到界面友好，操作方便。根据本系统的特点和具体要求，我们选用了Windows环境下的VisualBasic5.0可视化编程语言开发本系统。VisualBasic5.0是微软公司开发的功能十分强大而又简单易用的可视化编程环境，编程速度快，界面质量高，是编写Windows应用程序的最佳选择。使用VisualBa¬sic语言开发本系统充分体现了本系统处理数据、信息快捷方便的特点。

(三）评估预测系统的总体结构

在Windows操作系统下安装本系统后，启动系统，进人主菜单，依据界面提示您就可以轻松完成评估工作，系统主框图如下：

三、评估预测系统的优点

1. 量化评估，提前预测，动态管理。该计算机辅助评估预测系统能够对毕业设计(论文)工作方案可能取得的效果进行预测。教学管理人员只要依据该系统的提示输人各项有关毕业设计(论文)工作方案的参数，系统随即能计算出毕业设计(论文)工作的成绩，从而对各项工作方案的结果作出预测。通过反复改变参数——计算成绩，教学管理人员就能够发现各种方案的优缺点，即哪一项安排对毕业设计(论文)工作是有利的，如果实施下去会取得好的工作效果；哪一项安排对毕业设计(论文)工作是不利的，实施下去必将导致毕业设计(论文)工作成绩下滑。这种预测如果安排在毕业设计(论文)工作开始之前，管理者就能有效地对毕业设计(论文)方案进行调整，从而获得满意的效果。我们将99届与往届的工作方案作了一下比较，发现由于老教授退休较多，本次毕业设计年轻教师比例上升，但年轻教师职称偏低，讲师居多，教授、副教授比例严重下降，用该系统初步预测发现毕业设计整体质量将要下滑。根据这个信息，系学术委员会马上采取措施，对年轻教师提出更高要求：指导教师中讲师一级必须具有硕士学历，且应有一定的工程实践经验，在课题选择及指导上必须具有较强的创新性，最后经系学术委员会严格审查后方可上岗。再用本系统预测后发现，毕业设计(论文)工作最终得分并未降低，反而稍有提高。目前，99届毕业设计(论文)工作已经结束，最终得分的确较98届有所提高，与系统预测结果吻合较好。

2. 有效监督，对症下药。毕业设计(论文）工作进行到中期时，系里为了加强对毕业设计(论文）工作的监督管理，一般要求安排一次中期检查。该检查能发现一些问题，但对这些问题造成的结果却很难预知。这样的话，发现缺点往往不能及时纠正，任其发展下去必将导致不良后果。这时，如果用该计算机辅助评估预测系统进行一下“中期评估”，各种问题可能导致的结果将一览无遗，且该系统会帮助教学管理人员清楚地发现各种导致毕业设计(论文）工作成绩偏低的原因，从而有针对性地，高效率地对缺点进行纠正，对优点给予肯定，保证毕业设计(论文)工作顺利进行，最终取得优异成绩。例如，99届某老师所带设计组，由于指导教师出勤率过低，中期检查时系统评估预测该设计小组成绩偏低，系领导马上对指导教师进行了批评教育。由于纠正及时，最终这个小组成绩达到了总体平均成绩。

3.总结校核，公平合理。毕业设计(论文）工作结束后，系里要对指导教师、学生的工作学习成绩进行评定。由于诸多非客观因素的影响，结果往往难以做到公平合理。此时借助该系统对毕业设计(论文)工作的成绩进行校核评估，可使毕业设计(论文)成绩评定1：作更加公平合理。该软件是“诚实的检查官”，只要输入的各项参数正确，系统将实事求是地予以评分，这就摒弃了人为因素的干扰。

统计与预测论文范文第4篇

[关键词]负荷预测 预测模型 灰色理论

一、概述

电力系统负荷预测是实现电力系统安全、经济运行的基础，对一个电力系统而言，提高电网运行的安全性和经济性，改善电能质量，都依赖于准确的负荷预测。因此，负荷预测的关键是提高准确度。此外，从发展来看，负荷预测也是我国实现电力市场的必备条件，具有重要的理论意义和实用价值。

负荷预测是从已知的用电需求出发，考虑政治、经济、气候等相关因素，对未来的用电需求做出的预测。负荷预测包括两方面的含义：对未来需求量（功率）的预测和未来用电量（能量）的预测。电力需求量的预测决定发电、输电、配电系统新增容量的大小；电能预测决定发电设备的类型（如调峰机组、基荷机组等）。

根据不同的预测目的，负荷预测可分为超短期、短期和中长期的预报。一般说来，一小时以内的负荷预测为超短期负荷预测，用于安全监视、预防性控制和紧急状态处理；日负荷和周负荷预测为短期负荷预测，分别用于安排日调度计划和周调度计划；月至年的负荷预测为中期负荷预测，主要确定电网的运行方式和设备大修计划等。

二、负荷预测模型的基本要求

电力负荷预测是依据负荷历史资料及相关影响因素建立一个模型，然后对该模型进行评价后用来预报，无论采用什么计算方法，都离不开建立在历史数据及相关因素上的预测模型，模型精度决定了预测的准确性。

（一）负荷预测模型应能满足下述要求

1．提供包含有长期预测、中期预测、短期预测、超短期预测等各种方式的预报手段，而且预测的时间间隔可由用户自定义。

2．预测模型应能反映负荷随季节、星期及一天内24小时等周期性波动的特点，又能反映负荷自然增长的内在规律，同时能反映负荷受气温、日照等气象条件的影响。

3．对于包括节假日在内的广义特殊事件的负荷预测应建立专用预测模型，且能提前预测。

4．提供各种类型的预测方法与模型，并且能对历史数据的合理性进行检查、修正，具备误差分析和自动不良数据检测、辨识功能。

5．预测系统应当既可进行整个区域或电网系统的负荷预测，又能进行分地区电网系统的负荷预测；既可以进行离线负荷预测，也可以进行实时在线负荷预测；

（二）提高负荷预测准确性的难度

1．气象因素一直是影响负荷的主要因素，特别是对短期负荷预测的影响尤为重要，不同的气象因素影响程度又随用户类别而异，作为可估计的随机事件，气象预报的不准确会造成预测结果的双重误差。

2．特殊事件的不确定性将造成负荷预测的较大误差，当今特殊事件的出现趋于频繁，给预测带来了难度。

3．反映负荷周期性、趋势性及与影响因素之间关系的样本数目难以确定。

4．随机负荷部分并非平稳的随机序列。

5．网省级大电网负荷变化有较强的统计规律性，预测结果较准确。而地区级电网的统计规律不甚明显，不能稳定地指导负荷预测。

任何一种算法都不能保证在所有情况下精度很高，要想提高负荷预测的精度，我们还需要做大量的工作。

三、提高负荷预测精度的措施

（一）原始数据的预处理

我们都知道，任何负荷预测都是基于原始数据的，因此，原始数据的正确与否决定预测结果的精度。而原始数据往往都是从EMS系统实时采集的，由于动态的数据采集有时会出现通道故障、拥堵等现象，相应的数据采集程序就会中断，造成了原始数据的错误与不真实。所以，在程序设计中，首先应针对原始的各种不真实现象进行预处理，力求将设备造成的随机的影响据之于预测过程之外。

（二）随机因素（冲击负荷）捕捉

大家都知道，在负荷的构成中有许多类似于电炉、轧钢等冲击性的负荷，这种负荷的特点是起停快、持续时间短、随机性强、数值较大，而负荷预测的精度要求在2％以内。因此处理好冲击负荷的影响对于提高精度有很大的影响。所以在原始数据的处理中必须考虑到冲击负荷。我们使用的方法是有效值法，通过对冲击负荷的分析和处理，得到其有效值，然后叠加到平滑后的负荷曲线上，这样的处理结果便可以应用于负荷预测中了。

（三）提高影响因素的预测精度以及影响因素的量化处理

负荷预测不仅仅要使用历史数据，还要考虑各种对负荷有较大影响的因素，如气象因素、政治因素、重大活动等。这些因素都会与历史数据一样作为预测程序的输入值。因此，这些因素的准确度直接会对负荷预测结果造成影响。因此，必须对这一类数据必须进行适当的量化处理：一是依靠经验值，并且调试后不断改进，力求准确，二是由程序识别，通过回归等方法动态赋值。前一种方法比较简单，但很难准确，后一种方法虽然理论上比较成熟，但由于模型不确定，实现起来很困难，具体应用哪一种方法，要视实际情况而定。

（四）比较预测模式，寻求最优方案

对于中国目前的电力结构，在一个网省调下面有许多供电区域，往往是以地域划分的。而实际需要的结果却是一个整体的负荷。因此便产生了单独预测和整体预测两种模式，究竟哪一种模式比较好，则需要从实践中去试验。

从电网的负荷预测实践来看，单独预测后叠加与整体预测各有优缺点。由于各类影响因素的分布区域不同，单独预测时可以通过细化考虑的因素比较真实，以气象因素为例，电网的地区气象条件不同，可以各自考虑，应该说更准确些，但这样做也有缺陷，一方面是一般都采用一种方法进行预测，其误差方向比较一致，这样叠加后产生更大的误差，另一方面各供电区域的预测叠加后并非是我们所需求的用于发电安排的负荷，还要通过换算，考虑到厂用电情况，而厂用电率一般并不是一个精确的数值，如此势必带来误差。若采用整体预测，原始数据便是我们用于安排发电计划的数据，各种因素虽然不能直接使用，但可以通过负荷比例进行等值拟合后作为整体预测的输入量，这样只会有一次误差。从实践中看，后一种方式虽比较模糊，但由于大电网效应，精度较前一种方式高。

当然，具体采用哪一种方式要根据实践的检验而定，前一种模式在理论上比较成熟，但在算法的选择上不能单一。我们都知道，任何一种算法都无法在所有情况下达到较高的精度，这与负荷结构以及负荷特性有直接的关系。

（五）做好负荷日的类型分析

在做负荷预测的时候，对于历史数据的选择很有学问，力求使用与预测日同类型的历史负荷数据。这样不但可以去除好多非同类型日数据的干扰，而且可以提高迭代收敛速度，简单计算。但是，对负荷日进行精确分类是相当困难的，需要大量的经验和比较。目前最简单的分类是休息日和工作日，这样的划分太粗糙，不能满足实际的需要，真正实用化的分类还需要大量的判据。负荷日类型一般可以根据以下几个方面科学分类：负荷特性，一般指负荷曲线轮廓；负荷值大小；气象等有关因素；工作日、休息日、节假日。在这几个方面中最重要的是负荷特性和负荷值，但这个判据比较难于归纳分析，而后两种判据易于判别。因此，实际中主要根据后两种判据进行分类。

（六）利用约束条件进行预测结果修正

负荷预测应包括电力预测和电量预测，我们常使用的是电力预测，因为这也是需要的最终结果。但电量预测也是相当有用的，它不会像电力预测的随机性那么大，可以作为电力预测的修正约束条件。

以最大、最小值配合分配系数法的电力预测为例，这种方法只需要预测出预测日的最大、最小值，用同类型日的历史数据计算出分配系数，即曲线趋势，经分配计算后便可以得到预测日的预测曲线。这种方法比较简单、实用、计算量小，但随机性较大，若最大、最小值由于受历史坏数据或冲击负荷的影响偏差过大，就会使整个曲线抬高或降低，而电量受冲击负荷的影响较小，利用电量预测进行约束，便可以得到较好的修正曲线。

四、灰色理论在负荷预测中的实际应用

（一）灰色理论概念

灰色系统理论是由邓聚龙教授于1982年在国际上首先提出的，长期以来普遍应用于国民经济的工业控制、经济预测、产量预测等硬科学领域和软科学领域，成为这些领域预测、决策、分析、控制的有利工具。

灰色系统理论认为客观世界是物质的世界，也是信息的世界。根据对客观系统所了解的信息量的多少，灰色系统理论把客观系统分为：信息完全已知的系统白色系统、信息完全未知的系统黑色系统，以及信息部分已知、部分未知的系统灰色系统。对灰色系统的研究的主要目的在于对灰色系统建模，也就是根据已知信息建立灰色系统的数学模型，从而预测灰色系统的未知信息。灰色系统理论把任何随机过程都看作在一定时空区域中变化的灰色过程，而随机变量则被看作为灰色量。灰色量所表现的无规律的离散时空数列是潜在的规律性的表现。灰色系统理论首先通过数据灰色生成把原始数据数列处理成适合于灰色建模的有规律的数列。在得到预测值数列以后，同样还要进行数据还原得到实际系统的预测数据，所以可以说灰色过程实质上是对生成数列建模。在处理技术上，灰色过程是通过对原始数据的整理来找数的规律的，而其他的一些处理方法则是按统计规律和先验规律来处理数据的。按统计规律和先验规律处理数据的方法是建立在大样本量的基础上，而且要求数据规律是典型的规律，而对于非典型的规律（如非平稳、非高斯分布、非白噪声），则是难以处理的。而灰色过程却没有这样限制，灰色模型通常只需4个以上的数据就可以建模，而且不必知道原始数据具有的先验特征。

（二）灰色系统预测方法基本原理

灰色系统是指部分信息已知，部分信息未知的系统。灰色系统理论的实质是将无规律的原始数据进行累加生成，得到规律性较强的生成数列后再重新建模。由生成模型得到的数据再通过累加生成的逆运算累减生成得到还原模型，由还原模型作为预测模型。灰色模型是预测工作的基础模型。以灰色系统理论的GM（1，1）模型为基础的预测，叫灰色预测。它可以分为以下7类：

1.数列预测：对某一事物发展变化趋势的预测。2.灾变预测：即灾变出现时间的预测，灾变有多种，如洪水、干旱、涝等灾害。3.季节灾变预测：指对灾害出现在一年内的某个特定时区的预测。4.拓朴预测：也叫波形预测、整体预测，是用GM（1，1）模型来预测未来发展变化的整个波形。5.系统预测：指对系统的综合研究所进行的综合预测。6.包络GM（1，1）灰色区间预测：参考数列分布趋势构造一个上、下包络线为边界的灰色预测带，建立上、下2个包络模型。7.激励阻尼预测：将激励、阻尼因数以量化形式反映在GM（1，1）模型中的预测，叫激励阻尼预测。

(三)《基于灰色理论的电力负荷预测系统》

《基于灰色理论的电力负荷预测系统》目前以汉化Visual basic 6.0开发图形显示部分，以汉化的ACCESS2000数据库支持数据管理部分。程序代码在Win98以上操作系统均通过调试，运行环境为：中文 Window98

以上操作系统。

《基于灰色理论的电力负荷预测系统》是一个以中长期负荷预测为目标的预测系统，具备5年之内年度预测的基本功能。该软件设计思路如下：采用灰色理论为设计的基本理论，采用原始数据的一次累加生成序列（1-AGO）和GM（1，1）模型为建模基础！在实际设计中通过对命令按钮的click事件触发原始数据，按照指定的模型进行计算。在最后预测的显示过程中，通过建立的控件数组text10（0-4）与最终计算结果相匹配，显示在文本框中。其主要特点为：

1.强大的数据库功能:本系统采用DATA控件与ACCESS2000关系型数据库相连。关系型数据库是目前最流行的数据库，可以采用现代数学理论和方法对数据进行处理，它提供了结构化的查询语言SQL.各项操作都是通过记录集完成的。记录集是一个对象，一个记录集是数据库中的一组记录，可以是整个数据表或表的一部分。在原始数据的输入方面，操作人员可直接通过表输入并修改数据，也可在系统上直接操作。

2.欲改进及增加的功能：①将预测结果数据与数据库相结合，能够将预测数据保存到数据库中。②进一步改进预测精度，如从在原始数据上采用更精确的插值算法；在预测模型上增加一个系数，将天气及节假日影响加入到最终预测结果中。

五、结束语

负荷预测是电力系统调度、实时控制、运行计划和发展规划的前提，是一个电网调度部门和规划部门所必须具有的基本信息。提高负荷预测技术水平，有利于计划用电管理，有利于合理安排电网运行方式和机组检修计划，有利于节煤、节油和降低发电成本，有利于制定合理的电源建设规划，有利于提高电力系统的经济效益和社会效益。因此，负荷预测已成为实现电力系统管理现代化的重要内容。

几十年来各种可能的算法均在负荷预测课题上试验过了，目前实用的算法主要有：线性外推法、线性回归法、人工神经网络法、灰色系统法和专家系统方法等。各种算法均有一定的适用场合，可以说没有一个算法适用于各种负荷预测模型而精度比其它算法都高。

灰色系统理论把一般系统论、信息论、控制论的观点和方法延伸到社会、经济、生态等抽象系统，并结合数学方法，发展成为一套解决信息不完备系统即灰色系统的理论和方法。它对未来的研究具有重要意义。由电力系统实际情况可知：用电量及负荷增长受经济发展、产业结构、居民收入水平、气候等诸多因素的影响，其中一些因素是确定的，而一些因素则不确定，故可把它看作一个灰色系统。

但目前GM（1，1）模型在实际应用中还存在局限性，比较适用于具有较强指数规律的负荷序列，只能描述单调的变化过程，而对于特殊的负荷增长方式，例如当负荷按照“S”型曲线进行增长或增长处于饱和阶段时，若采用该灰色模型则预测误差较大，预测精度不满足实际要求。

灰色预测法作为电力系统需电量预测方法之一，已成为重要的研究手段，但尚有许多方面有待于进一步研究，如寻求更有效的、更符合电力系统需电量发展规律的原始数据处理方法。

总之负荷预测的结果是电力系统运行的基础数据，其精度直接影响运行的安全性和经济性。因此，提高其精度也是每个负荷预测人员追求的最高目标。

参考文献

[1]刘晨晖，电力系统负荷预报理论与方法。哈尔滨：哈尔滨工业大学出版社，1987.

统计与预测论文范文第5篇

关键词:GM(1,1)模型; 预测; 优化因子;旅游客源

中图分类号:F59文献标志码:A文章编号:1673-291X(2010)15-0168-03

灰色系统理论[1]自1982 年诞生以来,在经济、管理和工程技术等众多领域得到广泛应用。灰色GM(1,1)预测模型是灰色系统理论的核心内容之一,其特点是所需的样本较少、计算简单,因而比传统的预测方法更具优越性。但是,传统的GM(1,1)模型在某些情况下也存在预测精度低的缺陷,为此许多学者从不同角度提出了对GM(1,1)模型的改进以提高其预测精度与适用范围。本文在GM(1,1)预测模型中引入优化因子,通过优化因子的选择使预测结果和原始数据的平均相对误差最小,以达到提高预测精度的目的。并将引入优化因子的GM(1,1)模型用于中国入境旅游客源的预测,将其预测结果与传统的GM(1,1)模型及已有文献中的改进的GM(1,1)模型预测结果比较,引入优化因子的GM(1,1)模型具有更高的预测精度。

一、传统的GM(1,1)模型

设非负平稳原始数据序列为:

X(0)=(X(0)1,X(0)2,…,X(0)n)

根据X(1)1=X(0)1,X(1)k=X(0)i(k=2,3,…,n)进行一次累加得到累加数据序列:

X(1 )=(X(1)1,X(1)2,…,X(1)n)

假定X(1 )具有指数变化规律,则白化方程为:

+aX (1)=u(1)

其中a,u为待定参数。传统的GM(1,1)模型采用最小二乘法求得:

au=(BTB)-1BTY (2)

这里:

B=-Z(1)2 1-Z(1)3 1••••••-Z(1)n1, Y=X(0)2X(0)3•••X(0)n,(3)

其中,Z(1 )=(Z(1)2,Z(1)3,…,Z(1)n)称为背景值,一般取紧邻均值,即Z(1)i=0.5(X(1)i-1+X(1)i),i=2,3,…,n。于是微分方程(1)满足以X(1)1=X(0)1为初始条件的解:

(1)k=(X(0)1-)e-a(k-1)+k=1,2,3,…n(4)

即为X(1 )的预测公式,由此可得x(0)的预测公式为:

(0)k=(1)k-(1) k-1k=2,3,4,…n(5)

当k≤n时得到原始数据的模拟值,当k>n时得到预测值。

二、引入优化因子的GM(1,1)模型

从GM(1,1)模型中公式(4)可知,模拟和预测精度取决于参数a和u, 而参数a和u的获得依赖于原始数据和背景值的构造。因此在众多改进GM(1,1)模型的文献中,许多文献从背景值的构造入手以提高模型的预测精度,如文献[2]采用:

[(k+1)X(1) i-1+(k-1)X(1)i]

来获得Z(1)i,其中需用试探法得到最佳的k或利用经验公式;文献[3]和[4]利用插值和求积公式得到计算背景值的新方法。但笔者通过大量数值试验发现,上述文献提出的方法尽管在一定程度上能提高预测的精度,但获得的参数a和u并没有达到最优,某些情况下甚至使预测精度降低,例如文献[2]的方法对非负单调呈指数递减序列的预测及文献[4]对非负单调呈指数递增序列的预测都会降低预测精度。为克服上述缺陷,本文在传统的GM(1,1)模型引入优化因子λ(-1≤λ≤1),将背景值的计算改为:

Z(1)i=0.5[(1-λ)X(1)i-1+(1+λ)X(1)i)],i=2,3,…,n。(6)

为了获得最佳的优化因子λ,使模拟值与原始数据的平均相对误差最小,达到提高预测精度的目的,利用MATLAB编写应用程序来搜索最佳的优化因子λ,具体过程为:

优化因子λ从λ=-1开始,由背景值公式(6)和公式(2)计算出参数a和u,从而得到相应的公式(4)和预测公式(5),利用预测公式(5)计算得到原始数据的模拟值 (0)及平均相对误差err=。接下来取步长h=0.001,λ=λ+h,重复上述过程得到相应的模拟值和平均相对误差,一直进行下去直到λ=1。比较不同的优化因子的平均相对误差,平均相对误差最小的即为最佳优化因子。

由最佳的优化因子λ得到相应的参数a,u并获得相应的预测公式(4)和(5),称之为引入优化因子的GM(1,1)模型。

三、引入优化因子的GM(1 ,1)模型用于旅游客源的预测

下面我们将引入优化因子的GM(1,1)模型用于旅游客源的预测,并与传统的GM(1,1)模型和文献[2],[4]给出的改进模型的结果进行比较。根据1999―2007年《中国统计年鉴》的数据,中国1998―2006年的入境旅游人数(见表1)。

根据计算,传统的GM(1,1)模型(记为方法1)中参数a=-0.141160,u=6.633047,相应的预测公式为:

(0)k=8.201626×e0.141160(k-2) k=2,3,4,…n (7)

文献[2]中的改进方法(记为方法2),经计算取k=3,于是背景值计算公式为Z(1)i=(4/6×X(1)i+2/6×X(1) i+1),参数a=-0.144297,u=6.806506,相应的预测公式为:

(0)k=8.425390×e0.144297(k-2)k=2,3,4,…n(8)

文献[4]中的改进方法(记为方法3),经计算比较,选用背景值计算公式为Z(1)i=(39/90×X(1)i+51/90×X(1) i+1)的方法,参数a=-0.139940,u=6.565948,相应的预测公式为:

(0)k=8.115175×e0.139940(k-2)k=2,3,4,…n(9)

本文引入优化因子的GM(1,1)模型(记为方法4)中最佳的优化因子为λ=-0.318,相应的参数a=-0.144150,u=6.7983425及预测公式为:

(0)k=8.414848×e0.144150(k-2)k=2,3,4,…n (10)

四种方法的计算结果(见表2)。

从表2可看出,四种方法的平均相对误差都较小,除2003年外(2003年因非典的原因造成数据极度异常)的模拟值的相对误差也较小,这说明GM(1,1)模型用于旅游客源的预测是较好的选择。同时也发现,在四种方法中本文提出的引入优化因子的GM(1,1)模型的平均相对误差最小,数据的模拟精度最高,因此用于预测应该具有更好的预测精度。

将四种方法用于预测未来三年的入境旅游人数,根据2008年《中国统计年鉴》的数据,2007年的实际入境旅游人数为26.1097百万,计算结果(见表3)。

从表3仍可看出,本文提出的引入优化因子的GM(1,1)模型的预测结果的相对误差最小,说明本文提出的引入优化因子的GM(1,1)模型能有效提高预测精度。

四、结论

本文在GM(1,1)模型中引入优化因子,通过最佳优化因子的选择获得平均相对误差最小的预测公式,使GM(1,1)模型的预测精度得到提高。该方法同时适用于非负单调递增序列和非负单调递减序列的模拟与预测,克服了已有文献中提出的改进方法的缺陷。应用实例也表明该方法具有更高的预测精度。

参考文献:

[1]邓聚龙.灰色控制系统[M].武汉:华中工学院出版社,1985.

[2]谭冠军.GM(1,1)模型的背景值构造方法和应用[J].系统工程理论与实践,2000,(4):98-103.

[3]李俊峰,戴文战.基于插值和Newton-Cotes公式的GM(1,1)模型的背景值构造新方法与应用[J].系统工程理论与实践,2004,

(10):122-126.

统计与预测论文范文第6篇

关键词 负荷预测 灰色理论 短期 GM（1，1）

中图分类号：TM 文献标识码：A 文章编号：1009-914x（2014）08-01-01

0 前言

电力负荷预测是电力系统调度、用电、计划、规划等管理部门的重要工作。有效地提高负荷预测结果，有利于计划用电管理，有利于机组检修计划和合理安排电网运行方式，有利于节煤、节油和降低发电成本，有利于制定合理的电源建设计划，有利于提高电力系统的经济效益和社会效益。因此，负荷预测已经成为实现电力系统管理现代化的重要内容之一。

负荷预测的和心问题是预测的技术方法，或者说是预测的数学模型，随着现代科学技术的快速发展，负荷预测技术的研究也在不断深化，各种各样的负荷预测方法不断涌现，从经典的单耗法。弹性系数法、共计分析法，到现在的灰色预测法、专家系统法、模糊数学法以及神经网络法、优先组合法和小波分析法，他们都有各自的研究特点和使用条件，不弄清其模型结构和使用范围而盲目地生搬硬套，可能不会取得理想的预测效果，反而事倍功半。

1 电力系统短期负荷

电力负荷预测中经常按时间期限进行分类，通常分为长期、中期、短期和超短期负荷预测[1]。通常长期负荷预测以年为单位，指10年以上的符合预测；中期负荷预测以年为单位，指5年左右的负荷预测。中长期负荷预测母的在于辅助决定新的发电机组的安装与电网规划、增容和改建。

电力短期负荷预测以月为单位的预测，指一年之内以负荷预测；同样可以以周、天、小时为单位的负荷预测，用来预测未来一个月度、一周、一天的负荷情况，并能够预测未来一天24h中每个时间段的负荷情况[2]。意义在于指导燃料供应的计划；提出运行中的电厂出力预告，提前估计发电机组的出力变化；有助于合理安排机组的启停和检修，在一定程度上提高了经济性，降低选择储备容量。

超短期负荷预测指未来1h、0.5h甚至10min的预测。其意义在于能够应用计算机在线控制电网、按预测发电量合理安排运行方式，进而降低发电成本。

2 基于灰色系统理论的模型的负荷预测方法

2.1 GM（l，l）模型建模机理

灰色模型（GREY MODEL，缩写GM）。灰色建模的思想是用原始数据序列作生成数后建立微分方程。由于系统被噪音污染后，所以原始数据序列呈现出离乱的情况，这种离乱的数列是一种灰色过程，对灰色过程建立模型，称为灰色模型[3]。灰色系统理论其所以能够建立微分方程型的模型，是基于下述概念、观点和方法。

（1）灰色理论将随机变量当作是一定范围内变化的灰色变量，将随机过程当作是在一定范围、一定时区内变化的灰色过程。

（2）灰色理论将无规律的原始数据经生成后，使其变为较有规律的生成数列再建模，所以GM模型实际上是生成数列模型。

（3）灰色理论按开集拓扑定义了数列的时间测度，进而定义了信息浓度，定义了灰导数与灰微分方程。

（4）灰色理论通过灰数的不同生成方式，数据的不同取舍以及参差的GM模型来调整、修正、提高精度。

（5）灰色理论模型基于关联度的概念及关联度收敛原理。

（6）灰色GM模型一般采用三种检验，即参差检验、关联度检验、后验差检验。参差检验是按点检验，关联度检验是建立的模型与指定函数之间近似性的检验，后验差检验是参差分布随机特性的检验。

（7）对于高阶系统建模，灰色理论是通过GM（1，N）模型解决的。

（8）GM模型所得数据必须经过逆生成作还原后才能使用。

2.2 GM（l，1）模型描述及建立

5 结论

1. 通过灰色模式GM（1，1）成功预测出黑龙江电网未来24h的电力负荷情况，并通过matlab绘制出其负荷曲线

2. 在电力系统灰色负荷预测中的应用结果表明，这一方法在提高灰色系统建模精度方面有相当的优越性，预测结果比常规灰色模型有很大的改善。

参考文献

[1] 赵希正.中国电力负荷特性分析与预测.中国电力出版社，2002.

[2] 陈志业，牛东晓，张英怀 等.电网短期负荷预测的研究.中国电机工程学报1995，15（l）：30-35.

[3]康重庆等.灰色系统参数估计与不良数据辨识.清华大学学报，Vol.37.No.4：72～75.

统计与预测论文范文第7篇

关键词:滑动平均 , 灰色理论 , 机动车数量 , 预测

中图分类号：C35文献标识码： A

An Application of Grey Method Model in Prediction of Motor Vehicle Number

Abstract:According to Handan motor vehicle number published by handan Bureau of Statistics . By using moving average processing and Grey Method Model to forecast the number of vehicles in the coming years. The results show that Grey Method Model is reasonable, and has high precision in the direction of the motor vehicle prediction .

Keywords: moving average , Grey Method Model , the number of motor vehicles , forecast

1 引言

灰色系统理论是由华中理工大学邓聚龙教授于1982年提出并加以发展的。二十几年来，引起了不少国内外学者的关注，得到了长足的发展。目前，在我国已经成为社会、经济、科学技术在等诸多领域进行预测、决策、评估、规划控制、系统分析与建模的重要方法之一。特别是它对时间序列短、统计数据少、信息不完全系统的分析与建模，具有独特的功效，因此得到了广泛的应用.在这里本人将简要地介绍灰色建模与预测的方法以及灰色理论原始数据的简单处理方法。

本文将邯郸市历年机动车保有量作为原始数据,运用GM(1,1)模型进行分析预测,以得到未来几年机动车的保有量,为城市道路以及附属设施的建设提供相关的依据。

2原始数据的优化处理

本文采用多点滑动平均的优化方法：

设有N个原始数据，对原始数据采用三点滑动平均：

首个原始数据

末个原始数据

3 GM(1,1)模型的建立

灰色系统预测模型是以微分方程为表述形式，基本原理是摒弃直接在数据中寻找规律的方法，将无规律的原始数据通过一定的处理方式，比如一次累加，使之成为有规律的时间序列，建立预测模型。

建模过程如下：

原始数据

一次累加得到

其中

构造累加矩阵B与常数项向量y

求发展灰数a与内生控制灰数b

模型预测响应式

数据还原

残差=-

相对残差q()=

原数据均值D=，原数据方差=

残差均值=，残差的方差=

后验差比值C=

小概率误差P=

等级对照表

预测精度等级 P C

好

合格

勉强

不合格

4 GM(1,1)模型的应用

根据邯郸统计年鉴显示的邯郸机动车辆数目，做以下处理：

年份 机动车数量（辆） 滑动平均处理后数据（辆）

2007 984465 1008544

2008 1080782 1083045

2009 1186151 1161025

2010 1191018 1213721

2011 1286699 1298999

2012 1431581 1395360

将滑动平均处理后的数据作为原始数据代入GM(1，1)模型，得到以下预测结果：

[1]a=-0.06224951，b=985658.82808583

[2]残差：(1) 0 (2) 1284.57556566 (3) 9785.43662172 (4) -11460.19756548 (5) -4872.94344081 (6) 7743.17379478

[3]相对残差：(1) 0.00000000 (2) 0.00118608 (3) 0.00842827 (4) -0.00944220 (5) -0.00375131 (6) 0.00554923

[4]原数据均值：1193035.65917069

[5]原数据方差：128938.64918754

[6]残差的均值：496.008995174

[7]残差的方差：8135.05033718

[8]后验差比值：0.06309241

[9]小概率误差：1.00000000

[10]模型计算值：

年份 2007 2008 2009 2010 2011 2012

数量（辆） 1008544.00000000 1081760.42443434 1151239.56337828 1225181.19756548 1303871.94344081 1387616.82620522

[11] 预测的结果：

年份 2013 2014 2015 2016 2017 2018 2019

数量 1476740.46217043 1571588.31705376 1672528.04509043 1779950.91415429 1894273.32241080 2015938.41238153 2145417.78867644

预测精度等级：

因为小概率误差P=1，后验差比值C=0.06309241

所以得到其预测精度为好。

5 结语

5.1灰色理论GM（1,1）用于机动车数量的预测，符合灰色特性，实用性好，预测结果与实际情况比较吻合，是一种简单有效的预测方法。

5.2预测2013、2014年份邯郸市机动车数量将达到150万辆，带来的交通量会对市区的道路是一个挑战，交通部门应统筹规划，以防城市道路拥挤，导致人们出行的不便和邯郸市经济的发展。庞大的机动车数量会对市区的空气质量是一个极大的问题，就目前来看，频繁的雾霾天气对人们的生产生活产生了极大的影响，相关部门应及时着手，研究治理空气的方案对策。

参考文献

[1]樊敏 ，顾兆林 .灰色理论模型在大气环境质量预测中的应用研究[J] .上海环境工程 ，2009，28（4）：174-177

[2]黄娜 . 基于BP神经网络改进的GM(1，N)模型在经济预测中的应用[J] .南阳理工学院报，1996.1（6） ：76-79

[3]邯郸统计局.邯郸统计年鉴2012[M]. 中国统计出版社，2013:461

[4]邯郸统计局.邯郸统计年鉴2011[M]. 中国统计出版社，2012:485

[5]邯郸统计局.邯郸统计年鉴2010[M]. 中国统计出版社，2011:495

[6]邯郸统计局.邯郸统计年鉴2009[M]. 中国统计出版社，2010:495

统计与预测论文范文第8篇

关键词：投资项目后评价；系统工程；反馈控制理论；统计方法

中图分类号：C32 文献标识码：A 文章编号：1001-828X（2013）11-0-01

一、引言

投资项目后评价是项目生命周期中不可或缺的重要环节，是对项目的立项决策、建设目标、设计施工、竣工验收、生产经营全过程所进行的系统综合分析和对项目产生的财务、经济、社会和环境等方面的效益与影响及其持续性所进行的客观全面的再评价，通过分析和评价、吸取项目的经验和教训，为后续项目的建设提供参考。本文以某产能区块一次、二次加密及聚合物驱项目后评价为例，从工程项目后评价的内容着手，对其进行系统分析研究，对投资项目后评价中数据资料、预测资料、等级资料的统计方法的选择进行了分析，给出了投资项目后评价中各类统计资料的适用统计方法。

二、统计分析方法概述

统计类型根据数据类型，可分为计数资料、预测资料、等级资料三种统计类型，对于每种类型均有相应的统计方法。

（一）计数资料的统计方法

计数资料是将大量的定量指标进行统计归类，计数资料的统计方法主要针对四格表和R×C表进行归类分析，所谓R×C表可以分为双向无序，单向有序、双向有序属性相同和双向有序属性不同四类，不同类的行列表根据其研究目的，其选择方法也不一样。

（二）测资料的统计方法

分析预测资料的统计分析方法可分为参数检验法和非参数检验法。参数检验法主要为t检验和方差分析F检验等，非参数检验法主要包括秩和检验等。t检验主要是将已有的前段实际数据与预测数据进行直观对比，根据数据规律进行重新预测，得出更加准确的结论。F检验是将已有的前段实际数据与预测数据进行方差分析对比，矫正进行重新预测，得出更加准确的结论。

（三）等级资料的统计方法

等级资料是对性质和类别的等级进行分组，再清点每组观察单位个数所得到的资料。在临床医学资料中，常遇到一些定性指标，如临床疗效的评价、疾病的临床分期、病症严重程度的临床分级等，对这些指标常采用分成若干个等级然后分类计数的办法来解决它的量化问题，这样的资料统计上称为等级资料。

三、项目后评价中统计分析法应用分析

项目后评价资料丰富且错综复杂，要想做到合理选用统计分析方法并非易事。对于同一个资料，若选择不同的统计分析方法处理，有时其结论是截然不同的。项目后评价中正确选择统计方法的依据是：第一，根据研究目的，确定数据特征，正确判断统计资料所对应的类型（预测、计数和等级资料）；第二，根据相应的数据类型，选择合适的统计方法进行数据分析；第三，还要根据专业知识与资料的实际情况，结合统计学原则，灵活地选择统计分析方法。

在某产能区块一次、二次加密及聚合物驱投资项目后评价中，有很多情况应采用计数资料的统计方法将大量的定量指标进行统计归类，从而发现其中的规律，为后评价得出正确的评价结果。包括如“项目主要目标实现情况评价表”、“储量变化情况表”、“ 开发方案设计指标评价表”、“地层压力情况统计表”、“ 钻井液参数设计数据表”、“ 各种石英砂性能指标”、“水、聚驱排量相当抽油机和螺杆泵经济评价统计表”、“新钻开发井投资变动情况表”等等。

对水、聚驱投产的205口油井的产液、产油、泵径、泵效、载荷利用率等计数资料进行统计分析，利用单向有序R×C表进行统计，统计如下：

根据R×C表的统计，聚驱区块抽油机井，预测平均单井初期产液74.54t/d，实际初期平均单井日产液80.68t，日产油6.33t，综合含水92.15%，平均泵效65.16%。载荷利用率为36.04%，扭矩利用率为51.83%；水驱区块抽油机井，预测平均单井初期产液22.3t/d，实际初期平均单井日产液27.52t，日产油4.24t，综合含水84.6%，载荷利用率为49.55%，扭矩利用率为58.18%，平均泵效47.15%；通过统计表很清楚地发现，所选抽油机型号可以满足生产要求，且为后期增产措施实施后可以达到的最高产量留有余地。

四、结论

（1）投资项目后评价数据纷繁复杂，首先应对这些数据资料归类整理，认清那些是计数数据、哪些是预测数据、哪些是等级数据，以便选择合适的统计分析方法。

（2）对于定量的实际数据一般应选择计数统计方法，预测性数据一般应用预测对比方法，等级类定性的数据一般应选择等级分类统计方法。

（3）对于不同数据类型，若选择不同的统计分析方法处理，有时其结论是截然不同的。

参考文献：

[1]何静.石油勘探开发建设项目中评价研究[D].四川：西南石油学院，2002.

统计与预测论文范文第9篇

【关键词】交通安全;灰色马尔可夫;安全预测;模型

1灰色马尔可夫系统理论

灰色系统是部分信息不充分、不完全的系统，灰色系统理论即在部分已知数据的基础上，通过开发、分析获取有价值的信息，以完成对系统行为的控制以及优化。马尔可夫预测理论则相对适用于数据序列随机波动性较大的问题，考虑道路交通事故预测其呈现非平稳随机变化过程，因而可以利用马尔可夫理论进行事故的预测，且可以将灰色系统理论以及马尔可夫理论相结合来进一步提升模型的预测可靠性：灰色系统理论可对道路交通安全时序变化趋势进行预测，而马尔可夫理论则可用于转移概率的确定。马尔可夫理论对于随机的动态系统的评估依据是系统状态间的转移矩阵，通过转移概率反映的状态间的转换规律来对系统发展进行评估预测。

马尔可夫随机过程理论将系统将来所处的状态归根于系统现在所处状态：假设对于随机过程M（t），过程中t0时刻状态已知，则系统后续过程的状态均只与t0时刻状态有关，因此马尔可夫理论具有较强的无后效性。

马尔可夫理论中，状态转移概率指的是系统的发展过程中，从某一状态至另一状态转变的可能性。若在系统发展过程中可出现n个可能状态，记作M1、M2、M3、…、Mn，则系统状态转移概率即指系统从任一状态Mi出发转移至下一状态Mj的概率，记作Pij，若经k步转移至Mj，则其转移概率可记作Pij（k），此时与初始时刻无关，对于状态转移概率矩阵的计算通常采用频率近似概率的思想进行。

灰色马尔可夫预测模型结合了灰色理论以及马尔可夫理论的各自优势，做到优势互补，能够提升对于过程分析的预测精度。其模型预测流程图如下图1所示，模型的基本思想：首先基于GM（1， 1）模型算得原始序列M合值及残差（相对值），然后对于得到的残差序列进行状态划分，计算状态转移概率，得到残差相对值序列中分别对应的状态，并在此基础上，建立灰色马尔可夫预测模型进行预测。

图1 灰色马尔可夫预测模型流程图

2道路交通事故灰色马尔可夫预测模型

2.1建立道路交通事故GM（1， 1）模型

考虑到交通事故发生的随机性以及不确定性，因此交通事故各项数据也具有极强的随机性，可采用累加或累减的统计方法进行初始数据的处理，寻找其数据内部规律。假设t序列的交通数据原始序列为x（0），则{x（0）（k）}=

{x（0）（1）、x（0）（2）、…x（0）（n）}，对于原始数据序列进行累加统计处理，可得到如下数据序列：

然后在处理数据的基础上，进行建模计算：首先建立灰色预测模型的微分方程

微分方程中系数a、b依据最小二乘法确定。对于上述微分方程进行求解，可获得相应系数，对其还原处理，得到：

文章对于近10年间我国道路交通事故10万人口死亡率作为分析研究对象，在获取原始数据序列的基础上，通过最小二乘算法计算道路交通事故GM（1， 1）模型中的a及b，算得a=-0.04，b=3.89，将数据分别代入上式，计算得：

2.2状态划分

状态划分需依据实际系统进行数据序列的合理划分，传统分析方法如均值―均方差分级法等对于数据序列的数据量要求较大，目前应用的方法包括样本均方差法以及聚类分析法，这两种方法较符合统计建模特性。在实际应用过程中，对于分析数据较少的情况可采用离差平方和法，对其类间评价分析可利用欧式平方距离的方式，相较于传统分析方法更为可靠、高效。

根据本实例所选取的研究对象：近10年间我国道路交通事故10万人口死亡率，采用层次聚类法进行状态划分，划分依据为实际量与拟合量的相对百分比值，得到的划分结果如下表（见表1）所示：

表1 道路交通事故10万人口死亡率状态划分表

状态编号 M1 M2 M3

实际量与拟合量的相对百分比值 0.89―0.97 0.97―1.06 1.06―1.15

2.3状态转移概率计算

在状态划分的基础上，计算状态转移概率矩阵：

2.4道路交通事故灰色马尔可夫预测

依据所得状态转移矩阵，即可进行道路交通事故的预测，同样以道路交通事故死亡人数为例，对于道路交通事故的灰色马尔可夫预测模型的预测精度进行检测。依据我国道路交通事故所致死亡人数的逐年统计表，对于未来几年的道路交通事故所造成的死亡人数进行预测，首先需依据状态划分确定待预测的时间处于何种状态，并依据状态转移概率的确定方法，对于状态转移概率矩阵进行分析研究，在确定好转移时长的基础上，可预测特定时间内的道路交通事故导致的死亡人数。通过对比发现，灰色马尔可夫模型对于道路交通事故预测的精度以及可靠性均优于GM模型。

3结论与展望

灰色模型以及马尔可夫模型均有其各自的特点，实际应用过程中均有其局限性。本文在对道路交通事故发生的预测过程中，将二者有机地结合起来，做到优势互补，使得优化后的分析数学模型更符合客观实际，并且实际预测应用中也发现，灰色马尔可夫模型的应用可体现预测对象的实际波动特性;

道路交通事故为白色信息与黑色信息的统一体，考虑其系统的复杂性以及不确定性，可应用灰色理论进行分析研究，但此类分析方式仅适用于简单、短期系统预测，而对于长期的事故预测需考虑事故的波动因素，因此，作为一种有效的建模分析方式，灰色马尔可夫模型对于事故的预测以及安全管理工作开展具有现实意义。

统计与预测论文范文第10篇

关键词：新建商品住房市场；模拟预测模型；供给；需求；南宁市

基金项目：2014年南宁市青秀区重大科技项目，基于二三维GIS房产信息分析与决策支持系统，编号：2014RJ12S。

一、引言

1999年以来，南宁市商品住房市场进入快速发展时期。特别是2004年以来，商品住房市场运行突出表现为新建住房价格整体上持续快速上升、销售面积快速增长、房地产开发投资活跃、房地产经济与地区国民经济发展不协调等特点和问题。

为了进一步提高市场预测精度，协助房地产主管部门深刻把握南宁市商品住房市场运行规律，促进南宁市房地产市场健康可持续发展，南宁市住房保障和房产管理局信息中心成立“南宁市房地产监测预警预测研究”课题组。作为其课题组成员，我们基于现代计量经济理论建立计量经济模型，设计研制“南宁市商品住房市场模拟预测模型”，对商品住房市场做模拟和预测，以实现市场早期预警监测。目前，由于房地产市场监测预测实务领域尚没有针对南宁市商品住房市场研制开发的市场模型，因此该模型的开发设计，能够丰富南宁市房地产市场预警预报研究成果，填补该领域空白，具有较为重要的实践和政策意义。

文章结构安排如下：第二部分是文献评论，简要评论在房地产市场模拟预测方面已有文献的技术路线和主要结论；第三部分介绍本文预测模型的设计思路、数据来源，以及案例城市商品住房市场和城市经济运行基本情况回顾；第四部分是预测模型设定和模型参数估计，并给出预测结果；最后是本文的结论、不足与值得拓展的内容。

二、文献评论

随着对房地产市场运行规律理解的不断深入，房地产市场建模方面积累了不少文献。在系统动力学建模方面，罗平（2001）构造了一个城市商品房价格系统模型，以兰州为例进行了系统仿真，对房地产趋势仿真模拟和房地产系统内在机制进行了研究。朱湘岚（2002）从社会学和经济学角度建立了系统动力学基本模型，对南京市1995―2010年房地产需求发展状况进行模拟实验。裘建国、袁翠华（2005）将系统动力学方法用于房地产预警应用研究，首先定性分析影响房地产内外生因素，通过南京市房地产历史数据拟合它们之间的关系，建立系统动力模型并作模拟与预测。韩志超（2007）利用系统动力学方法构造了一个上海市房地产动态模型，并给出2006―2010年预测结果，但该文选择变量较少。在房地产市场预测方面，曾五一、孙蕾（2006）构造了先行指标体系并建模用于预测房屋销售价格指数。马海涛等（2007）使用灰色预测方法，用1999―2004年中国房地产价格指数建立了房价预测模型。徐波等（2007）使用改进的灰色系统预测模型，利用GM（1，1）模型的预测数据和原始数据的比例建立函数关系，构造递减序列，并将递减序列引进GM（1，1）模型。

已有的研究具有以下特点：第一，已有研究多基于系统动力学仿真模型，系统动力学建模的优点在于能够处理高阶次、非线性、复杂反馈的系统问题，但这种建模方式应用在房地产市场研究领域，需要研究员深刻把握市场的动态结构，而由于数据不完整、市场不完善等原因实际上很难做到这一点。另外，系统动力学建模过程复杂，刻画的市场模型不够直观，不易解释经济含义。第二，已有研究大多将房地产市场做整体分析，缺少对房地产市场中最重要的商品住房市场的专门分析。第三，对房地产市场的模拟预测建模更多集中于房价，缺少对市场价格、需求、供给等几个主要方面全面的模拟与预测。第四，许多研究在模型构建和参数确定上主观性较大，没有交代基本参数和模型初始值的确定过程。

通过对文献的评论我们实际上已经说明，本文与已有研究的不同之处：第一，我们使用计量经济学中经济含义更为直观、形式更为灵活的单方程模型建模，分别建立供给、需求和价格三个模型。在实际建模中，通过不断修正模型，使模型对历史数据拟合较好，避免先验的决定市场动态结构的问题。第二，我们以南宁市为案例城市，集中研究商品住房市场的动态结构，并给出对新建商品住房市场最核心的方面供给、需求和价格的模拟和预测。

三、设计思路与数据说明

1、模型设计思路

商品住房市场运行状况主要由供求关系决定，供求关系是决定价格的基础，因此，能够抓住市场本质的市场模型需要从市场供需状况出发，构建一套完整的市场监测指标体系：一是描述市场运行的核心方面供给侧、需求侧和交易价格；二是量化说明供给、需求和价格的决定因素，描述以上三个方面的动态结构，模拟其历史过程并预测未来轨迹。基于这种考虑，本文的基本思路是，将商品住房市场分解为价格、供给、需求三个可观测模块，每个模块内含相关市场指标，建立市场监测指标体系，然后构造计量经济学模型，模型内包含供给、需求、价格的决定因素，最后进行模拟与预测。同时商品住房市场不是孤立的市场，与地方经济和宏观经济等基本面因素关系紧密并受其影响，因此我们设置了相应的人口、经济指标反映经济基本面对商品住房市场的影响（见图1、表1）。

2、数据说明

本文采用年度数据，样本区间为1999―2014年，共16个年度观测。商品住房开发投资额、商品住房竣工面积、商品住房土地开发投资面积、商品住房销售面积、商品住房销售价格、城镇居民家庭可支配收入、在岗职工平均工资、城市总人口、城镇居民消费价格指数等来源于各年《南宁市统计年鉴》，贷款利率水平、广义货币供应量同比增速根据中国人民银行网站数据信息整理，城镇居民住房自有率根据各年《城镇房屋统计公报》估算。报告数据的区域范围为南宁市区。由于样本区间较小，我们认为预测对各项指标作2―3年预测是较合理的研究目标。同时，为平滑数据消除异方差影响，对所有进入模型的序列数据均做取对数处理。

3、价格模型设定及参数估计

根据经典“供给―需求”框架和市场实际运行情况，商品住房价格由“供给―需求”因素直接决定，其他影响价格的因素对价格的间接影响被供给和需求吸收，分别进入供给模型和需求模型。同时价格还直接受到城镇居民可支配收入、潜在住房需求以及货币环境影响。因此，商品住房价格模型设定为：

Pt=P[■，inct，podt，M2rt]（5）

lnPt=6.597+2.62？鄢■+0.486？鄢inct+8.51？鄢podt-8.529？鄢M2t

（59.602） （2.556） （4.680） （3.203） （-2.849）（6）

R2=0.995 AdjustedR2=0.928 DW=3.001 F=416.533

价格模型解释了92.8%的住房价格变化，为了避免自相关性，价格模型同样使用Newey-West稳健回归估计。价格模型中住房供求比、城镇居民人均可支配收入、潜在住房需求对新建住房销售价格有正向影响效应。其经济含义是，供求比反映市场供求力量对比，该指数增加说明市场需求力量上升，则对住房价格产生向上的压力，平均而言供求比每增加1%，使得新建住房价格上升2.62%；可支配收入是除了住房需求以外的重要影响因素，较高的可支配收入也对住房价格起到推动作用，可支配收入平均每上升1%，使得住房价格上升0.486%。

4、预测结果分析

本部分给出住房供给、需求和价格模型的预测结果，我们分别给出预测值与实际值的比较，并计算了预测误差（见图2至图4）。根据供给模型、需求模型和价格模型给出的模拟和预测值可以很好地追踪各指标实际值，并且预测残差为零均值同方差平稳时间序列，说明三个模型预测性能较好。根据我们的模型估计，2016年南宁市商品住宅竣工面积367.71万平方米，销售面积811.32万平方米，销售均价7254.33元/平方米。

五、结论与展望

研究房地产市场与城市经济环境动态互动关系，提高对房地产市场，特别是商品住房市场价格、需求、供给等方面预测准确性，一直是房地产市场主管部门和学界探索的热点问题之一。城市经济和政策的变化影响市场供求，而市场供求和价格的变化也会使房地产主管部门调整房地产调控政策并影响城市经济环境。本文尝试将商品住房市场供求价格与城市经济及政策因素联合建模，分别建立商品住房市场的供给模型、需求模型和价格模型，在模拟预测模型中加入城市经济变量和政策变量，利用供求和价格模型对南宁市商品住房市场年度数据进行模拟预测，研究结果显示模型的历史拟合和外推预测性能良好。但本文的研究存在局限性，我们使用的是单方程模型，即对商品住房市场供给、需求和价格三方面分别建模，这一定程度上避免了联立方程模型先验的决定市场结构问题，然而市场的运行过程往往与先验的理论模型不一致。市场供求价格三方面是相互关联的整体，故我们未来的研究应引进结构化的向量自回归模型，这样既能保证预测精度又能够刻画市场供求价格三方面的动态结构关系。

参考文献

[1] 罗平：城市住宅市场价格系统动力学模型实证研究[J].人文地理，2001，16（2）.

[2] 朱湘岚、黄有亮：南京市城市住房需求的系统动态学分析[J].基建优化，2003，24（2）.

[3] 裘建国、袁翠华：南京市商品住宅市场预警实证研究[J].建筑经济，2006（4）.

[4] 韩志超：基于系统动态学的我国住宅市场发展研究[D].哈尔滨工业大学，2007.

[5] 曾五一、孙蕾：中国房地产价格指数的模拟和预测[J].统计研究，2006（9）.

统计与预测论文范文第11篇

关键词：灰色系统；关联度；预测模型

灰色系统理论(Grey Theory)，又称灰色系统。是指既有已知信息又含未知信息的系统，是研究分析、建模、预测、决策和控制的理论。20世纪80年代初，该理论由我国邓聚龙教授提出，他认为系统内部特性确知的为白色系统，内部特性未知的为黑色系统，内部特性部分确知、部分未知的为灰色系统，灰色系统指相对于一定的认识层次，关于系统内部的信息部分已知、部分未知，既信息不完金。系统内部的信息是指关于系统因素的信息，关于系统结构的信息和关于系统作用原理的信息。目前该理论已经广泛应用于农业、经济、医疗、生态、水利、气象、地质、军事、文化、交通、管理、工业控制等几十个领域。下面介绍一些在工程上的一些应用，简述灰色系统理论的现状研究。

秦文权、王星华，雷金山、王俊辉将灰色理论应用于填石路堤沉降的预测中。能满足工程的要求。山区高速公路修建过程中，大量采用填石路基。填石路基的变形可分为两部分：一部分为瞬间变形即加荷以后立即发生的变形。另一部分为在较长的时间内持续发展的变形，反映出堆石变形具有蠕变性质。这两部分变形各自遵循不同的规律，由于沉降过程较长且变化过程较为复杂。沉降结果往往较难预测。因此，秦文权教授等，结合河南省洛阳至南阳高速公路分水岭至南阳段填石路堤沉降监测资料，对填石路堤沉降随时间的变化过程作了简要分析。在此基础上，建立了适合路堤沉降预测的GM(1，1)沉降预估模型及其参差模型。并应用于该公路路堤沉降的预测，与实测数据对比，有较高的精度。结论：①基于填石路堤的变形特点，采用负指数曲线拟合路基沉降一时间关系，其与沉降的变化趋势吻合较好，从而证实了应用灰色系统理论预测填石路基沉降的可行性。②以灰色系统GM(1，1)模型为原型，运用最小二乘法优化模型参数后，与原模型相比。优化模型预测精度会有显著提高。③由于沉降的观测历时较长，加上外界条件的复杂多变性，需要对预测模型不断增加新信息，剔除旧信息，充分利用反映系统的最新信息进行动态预测，将会使灰色系统理论模型达到更佳的预测效果。

李清富、张江威建议了一种改进的灰色关联夯析法在结构损伤识别中的应用，使得计算结果更符合实际。结构的损伤识别是一个十分复杂的问题。目前结构损伤识别的一个常用的方法是利用结构的振动响应和系统动态特性来分析、推断结构的状态。由于影响结构振动响应的因素众多，各因素之间以及各因素与振动参数之间的关系复杂。并且结构的损伤程度大小与各振动参数之间很难建立确定的数学关系。因此，结构的损伤识别问题可视为一个典型的“灰色系统问题”，可运用灰色系统理论来研究。基本思想为拟以完好结构的动态响应序列为原始序列，以实测现有结构的动态响应序列为比较序列，通过计算两者之间的关联度来分析诊断现有结构的损伤程度。邓氏灰关联度计算仅为一个相对值，并不具有唯一性，而该作者提出绝对关联度的计算，即按照序列曲线变化态势的接近程度来计算关联度。选用频率作为特征参数，取简支矩形钢粱模型作验证，L=800mm，b=10mm，h=60mm，分别用改进前及改进后的方法进行灰关联分析，并与该梁的实际损伤结果作对比，分析结果与实际的情况吻合良好。即随着计算关联度的减小，损伤程度或可能性逐渐变大。而且经对比，利用该方法，可以方便地识别结构是否出现损伤，并能定性的给出损伤程度的大小，改进后方法的预测效果更符合实际。

尹科、李广平将灰色系统理论运用于强夯地基检测中，用平板载荷试验检测强夯地基，通常因为平板载荷试验未压至破坏，而不易较准确的确定地基承载力特征值。尹科等运用灰色系统理论的GM(1，1)预测模型，对强夯地基平板载荷试验的P-S曲线进行了预测分析，以确定强夯地基承载力特征值。对今后强夯地基承载力检测方法及评判标准的改进与完善，具有参考意义。通常乎板载荷试验承载力特征值的确定方法有3种：比例界限荷载值法、极限荷载值法、相对变形控制法。然而这3种方法对于强夯地基具体情况在实际检测中将遇到难以评判情况。地基承载力与沉降关系非常复杂，难以全面准确的确定，可以用灰色系统理论来分析预测。结果其预测结果与实际工程相比较，模型预测符合精度要求，能用于该工程预测。结论：(1)灰色理论用于外推承载力或预测地基极限承载力是可行的，且具有较高的预测精度，从而使过去的大量荷载结果得以利用。(2)对于强夯地基平板载荷试验当加载到未出现按相对变形控制法确定所需的沉降时。可以用灰色系统理论进行外推预测承载力，然后按相对变形控制法确定承载力特征值。(3)对于强夯地基平板载荷试验可以按相对变形控制法确定承载力特征值时，也可以用灰色系统理论进行预测地基极限承载力，按极限荷载值法确定，然后取两者小值作为特征值。

统计与预测论文范文第12篇

关键字：统计学专业；统计软件；教学改革

G642

统计学相关课程的课堂教学模式，一直是教师探讨的重点，以提高教学效率为主采取一系列新的教学方式。激发学生主观学习思维，面对统计学中各个知识点能够通过借助统计软件平台，有效促进自我学习能力，达到教学的真正目的。

一、《统计预测与决策》课程设置及教学问题

决策是经济研究及管理中的关键要素，而预测又是决策的一大前提。《统计预测与决策》这门课程对于研究经济及管理至关重要，做为统计学专业的必修课程，重视学生的综合性培养。使得学生在面对社会经济问题时，能够快速建立统计思维模式，具有实践意义。

而如今教学面临诸多困难，很多学生在接受《统计预测与决策》课程知识时，感到学习吃力。导致这一因素的原因有很多，首先有些学生没有足够的相关知识基础，当课程要求理论和实践结合时，会有些力不从心。另外，《统计预测与决策》安排的课时较少，使得学生不能保证足够时间的深入学习。最后就学生本身而言，其对于相关课程缺乏学习的兴趣，影响教学质量。

就《统计预测与决策》这门学科来看，其知识内容涵盖的很广，不仅包括数学、统计学还有经济学，不容易被学生理解。复杂多向的学科，需要重视基础理论的坚实教学，另外为培养综合性素质人才，兼顾统计学专业学生在面对经济管理问题时，合理运用统计预测与决策方法进行问题的解决。全面培养学生问题的处理能力，在教学改革中一直具有一定的研究意义。

二、探索教学改革新模式

对于统计预测与决策教学改革，深入分析相关模式的应用，在教学中探索课程教育的最大价值。面对教学改革带来的挑战，实施科学有利的教学方法，是提高统计学教学质量的前提。

1.经典案例教学法

为了提高学生的学习兴趣，在教学中使用之前发生过的生活中一些经典的案例，可以利用时下最热的事点引入课堂知识教育，提高经济或管理领域学生主动学习的心态。学生通过案例进行自我分析，发现其中的问题并参与到问题的解决中，可以提高学生的自信心。结合统计学专业知识培养学生的个性化发展，提高《统计预测与决策》课程的实践性。

2.实验教学辅助法

理论是实验教学的前提，而实践教学会更有效地提高学生的学习能力。为了加深学生对《统计预测与决策》课程理论知识的彻底掌握，根据课改要求在课程教学中，为学生提供更多的上机机会，在实验课上学生一人一机，通过自己收集或教师给定的经济数据，进行自作分析统计相关计量结果。结合统计软件的应用，熟练掌握课堂知识并进行训练。提高学生思维能力，在实验中发现易错的环节，并及时改正。问题的发生是学习的开始，加深薄弱环节的处理，教师辅助完成任务，巩固学生理论知识的运用，加深理论印象的同时激发学生主动学习的热情。

3.任务驱动法

让学生参与到课程的学习中是提高教学效率的重点，教师通过指定一些学习任务对学生产生“驱动”作用。通过一些客观存在的经济问题，引发学生自我思考的能力，激发学生运用其自身思维方式寻找答案，在实践中发挥理论价值。从实际出发，学生对问题展开分工、整理、方案实施等过程，经过对实际问题的自我处理，主动的参与到课程的教学过程中。在整个过程中形成自我处理问题的能力，相关知识理论的掌握也水到渠成。

三、借助统计软件实训平台实施教学改革

1.件实训目的

为了更进一步促进学生对统计学数据的处理能力，考虑通过统计软件实训平台，提高学生对《统计预测与决策》课程知识的加强巩固。通过统计软件实训培养学生发现问题、解决问题的基本能力，提高最理论知识的加深认识，建立自我解决问题的思维方式，为学生面对实际问题时可以快速进行分析处理，在经济或管理中得到更大价值的应用。

2.统计软件实训的现状

统计软件数据文件的建立与编辑，经济系统的多元线性回归分析，经济系统的聚类分析，统计质量控制图。以上是统计软件实训的四个主要内容安排，配合课程需要将理论与实训紧密结合，是当下统计学教育的专业建设需求。

3.统计软件实训平台教学时间安排

根据《统计预测与决策》课程的具体安排，进行统计软件实训。教师需要详细记录课时信息及进度，按照具体教学模块安排软件实训，使得学生紧密结合理论的同时借助统计软件实训平台，有效强化预测与决策的综合能力。统计软件实训平台会根据学生不同学习程度，有效推动学生的学习主动性。

4.统计软件实训成绩考核

应该将统计软件实训的考核成绩设置入整体课程考核中，重视软件实训在课程中的应用。将课时实训与理论紧密结合，“趁热打铁”可以巩固《统计预测与决策》课程知识点，有利于提高学生更全面、扎实的学习功底。激发学生对统计学的概念性理解，面对生活中的问题可以快速进行处理。

四、统计软件实训平台在教学中的改进

1.实训平台形式选择

教师应该考虑根据学生们在实训中的一些意见或实训报告，在实训中使用更容易符合学生需求的实训形式。其中验证性形式和综合实训形式，是课堂实训重点采用的实训形式。操作性较强、独立性较强的内容一般适合验证性试验。在系统上更具优势的综合性实训形式，与前者相得益彰，教师根据课时结合实训形式，有效提高教学质量。在实训中通过统计软件实训平台，了解学生对知识掌握的程度，适时调整实训形式保证统计软件的高效进行。

2.实训时间的安排

由于《统计预测与决策》课程具有复杂性和实践性这些特点，对于软件实训的时间安排，应该考虑适当增加。学生在足够的时间里可以继续探索相关领域的扩展性知识，提高学生具体分析能力，培养综合素质的提升。通过统计软件实训平台的进一步延伸，学生快速适应实训环境，体现课程教学改革发展的正确方向。

五、结束语

将统计软件实训做为改革任务，实现统计学下课程教育的有效性，丰富了学生的认识和思想范围。充分改革教学模式，激发学生对《统计预测与决策》课程学习的兴趣感，主动参与到课程问题探索，发挥课程学习的最大价值。经过调查发现，通过统计软件实训平台介入教学，优化了教学模式，帮助学生在实际中培养逻辑思维、统计分析、解决问题等综合能力。

参考文献：

[1]王桂梅.浅谈计算机实训室建设和管理[J].软件.2014（03）.

[2]廖伟文.高校计算机实训室管理模式的应用研究[J].经营管理者.2016（11）.

统计与预测论文范文第13篇

关键词：大型工程项目；精准建造；多元线性回归；

人力的多重复杂性导致工期的各种可能性，因此工期成为一个模糊的随机变量。BPX工神经网络系统进度计划是大型工程项目进度控制的指挥棒，而各工序的建造工期精确程度直接影响整个进度控制。论文考虑大型工程项目工期的随机性和模糊性，综合分析影响工期的诸要素，从精准建造角度提出了大型工程项目工期预测概念，并用神经网络系统对大型工程项目工序工期进行预测，从而编制科学合理的进度计划，使大型工程项目建造过程稳定均衡、工作流持续，建造周期缩短，建造成本降低，产品质量和客户满意度提高。

一、基于精准建造的大型工程项目工期预测概述

1、工期预测理论基础――精准建造

精准建造(Lean Construction)是一种基于建筑产品管理，通过精准的建筑产品定义、合理有效的建造单元分解、精准产品策划、精准设计，在材料的精准供应、全过程的产品控制、及时的信息流通和反馈、全体人员早期介入下实现建筑产品的精准施工，达到建筑产品的成功交付、资源浪费的最小化、价值创造的最大化的建造管理方法。

2、工期预测特点

基于精准建造的大型工程项目工期预测具有以下三方面的特点。

(1)综合考虑大型工程项目工期的各种影响因素，影响大型工程项目的工期的因素有工程量、可调用的人员、可调用的材料可调用的设备、可利用的工作面、以及施工水文条件。而基于精准建造的大型工程项目工期预测，将各影响因素作为学习、训练、预测的参数，可使工期的预测更加符合大型工程项目实际状况。

(2)保证单项工序工期预测和整个进度计划科学合理单项工序的工期预测，一般结合定额与工程师的实践经验而编制，主观性很强，偏差较大。但是基于精准建造的大型工程项目工期预测，综合考虑类似工程项目实际经验和工程项目本身固有的特点，更加科学合理地预测工期。另外，在工序间逻辑关系优化的条件下，整个建造进度计划更加科学合理。

(3)便于工程项目整个建造过程的控制综合考虑建造工程本身的特点和各参与主体自身能力，使单项工序建造工期和整个进度计划更加科学合理，有利于各参与主体在建造工期内对建设工程诸要素进行合理控制。

二、大型工程项目工期预测理论

1、大型工程项目建造类型的假设

可将大型工程项目工序分为线性建造和非线性建造两类，响因素呈线性增长、递减或者匀速状态；非线性建造即建造强度与进度影响因素程非线性增长或者递减状态。其中线性建造又可分为线性均衡建造、线性递增建造和线性递减建造影响因素

2、工期预测方法的选定及流程

多元线性回归模型是处理两个及两个以上变量间线性依存关系的统计方法，可以说明线性建造工序的关系。因此对线性建造工序，可采用多元线性回归模型对其工期进行预测。人工神经网络系统，是一种为模仿人脑神经系统的工作机制而建立的网络模型，可将一组复杂关系的输入数据和正确结果引进网络中，经过神经元的反复学习训练、预测，将解决方案输出。因此，对于非线性建造工序，可采用人工神经网络系统预测工期，本文选用了BP人工神经网络系统。BPA工神经网络系统是一种基于误差反向传播算法的多层前向的神经网络系统，由一个输入层、一个或多个隐含层和一个输出层构成，不同层次的神经元之间互相连接，同层次之间无连接。对于线性建造工序，首先采用多元线性回归模型对各因数进行学习和训练，当回归显著时，采用该模型预测建造工期，反之，说明该工序是非线性建造类型，转入神经网络系统模型预测。对于非线性建造工序，直接采用神经网络系统预测工期。

三、BP人工神经网络系统预测

1、BP人工神经元网络参数的确定与初始化对于“非线性建造”工序，或者“线性建造”假定不成立的工序，采用神经网络系统预测工期。首先是确定神经元网络的输入参数并初始化。

2、BP人工神经网络系统的学习与训练

学习模型的建立将标准化后的6个输入层神经元，设置6个中间层神经元数，作为输出层神经元，构建“非线性建造”工序BPA工神经网络模型，选择某―工序的N组工程数据，并初始化。采用BPA工神经网络系统预测。允许误差e设置为0.0001，最大迭代次数为1000，经过标准变换以后，经过964次模拟，拟合残差为0.0003，其预测结果如表4所示。

故5.150 2天是该工序在Q为100、P为50、M为200、E为2.12、C为3，S为200的条件下的施工工期，作为该工序的预测工期。

四、结论与展望

要全局优化大型工程的进度计划，不仅仅在WBS分解和工序间逻辑关系上进行优化，而且应该根据工程本身的属性，并结合影响工期的相关因素，提高工期预测的精度。采用传统的工期预测方法编制的进度计划并不符合大型工程实际施工状况，导致进度计划与进度实施脱节；对类似工程或者同一大型工程的类似工序的进度执行状况进行学习，采用线性回归模型以及神经网络系统等方法预测即将实施的大型工程的工序工期，符合实际工期控制的要求。

笔者将进一步研究Q、P、M、E、C、S对工期的贡献度以及各要素之间的关联度，届时可以更加清楚的显示各影响因子对工期的贡献度，从而更加准确的估计工期。另外，论文仅仅是对大型工程项目工期预测做了理论研究，至于如何采用计算机管理系统实现，也是笔者下一阶段重要的研究任务。

参考文献：

[1]陆歆弘，模糊假言推理确定施工工期，1999，20(5)：18 2ILU Xii~hong Fuzzy Reasoning and Constructlon Duratlon，Optimlzatlon construction，1999，20(5)：18-21基建优化， Idenfifying of Capital

[2]方子帆，郑霞忠，朱乔生，工程项目建设工期模糊性研究，三峡大学学报(自然科学版)，2001，23[5)：442-445.

[3]祁神军，陈峰，丁烈云，建筑施工企业精准物流管理，价值工程，2006，15(7)：114-116

[4]王悦，人工神经网络系统在经济效益综合评价中的应用，北京广播电视大学学报，2003，(3)：39-44.

[5]陈惠娥，陈长征，基于神经网络系统评标方法的建立与应用，建筑经济，2006，279(1)：56―59.

统计与预测论文范文第14篇

[关键词]电力行业；电力规划；负荷预测

中图分类号：TM732 文献标识码：A 文章编号：1009-914X（2015）05-0073-01

电力事业是我国基础经济的支持，近几年，电力事业的发展速度非常快，致力于满足生产、生活的用电，社会用电的压力与日俱增，促使电力行业面临巨大的供电压力，电力行业必须通过电力规划，才能保障电力事业的稳定发展。电力行业规划电力项目时，深化了负荷预测，利用负荷预测，保障电力规划的科学与合理，在负荷预测的基础上，提高电力规划的可靠性。

一、电力规划中的负荷预测

电力行业在电力规划中，需要收集各项电力资料，根据当地电网的供电情况，预测一段时间内负荷的变化情况[1]。负荷变化的周期不定，以当地电网公司的时间规划为主，一般为5年、10年、20年为间隔段。负荷预测的目的是协助电力规划，保障电力规划负荷电网的实际情况，针对电力规划中的负荷预测进行如下分析：

1、负荷预测的方法

电网公司以当地用电实况为基础，预测负荷变化。比较常见的负荷预测方法主要有四种，分析如：（1）神经网络预测，该方法在电网系统内，利用计算机找出负荷之间的映射关系，再按照神经网络预测的方式，实现一定程度的学习，细化分析负荷的映射，由此得出未来负荷的变化情况，预测出负荷的动态情况；（2）专家系统，此方法偏重于历史负荷，电网系统内的负荷以历史记录的方式存储，专家系统通过分析历史负荷，结合影响负荷变化的因素，按照专家的思维方式，分析历史负荷的变化规律，推理并预测未来负荷；（3）灰色数学方法，充分利用数学概念中的序列理论，利用序列变化的方式，转化负荷的变化状态，促使其具有规律性，规律负荷可以生成灰色数学建模，而模型中反馈的未知负荷，可以表达出符合预测的变化状态；（4）模糊控制，其利用模糊理论和数学理论，有针对性的进行负荷预测，准确的控制具有数学理念的负荷变化，促使整个负荷预测的过程都处于控制状态，得出负荷预测的结论。

2、负荷预测的评价

负荷预测能够判断电力行业的需求，按照行业本身的需求进行电力规划，评价负荷预测的价值[2]。例如：某电网公司预测负荷的年平均增长率，找出用电过程中的规律变化，进而制定电力规划的方案，该电网公司参考整个地区往年的用电量，着重分析用电的增长规律，通过以往的数据预测未来对电荷的需求量，完善电力规划的内容，该电网公司负荷预测的数据为，地区年用电量较往年增长8%，前年与上年比较出现了6.83%的负增长，而去年与前年相比又达到了19.62%的反弹增量，因此，该电网公司深化负荷预测，制定未来5年的用电计划，合理规划电力分配，将电力规划与该地区的经济效益、产生发展直接挂钩，利用电力规划推进企业生产，最大程度的创造经济效益。

除了年平均增长率的预测方式外，部分电网公司还会采取产值单耗预测，协助电力规划，为生产、生活提供合理的规划用电。地区产生的产值单耗，存在明显的负荷浮动，电网公司根据产值单耗的浮动变化，为电力规划提供基础的保障信息，稳定地区产业的用电发展，利用负荷预测制定电力分配的计划，加强电力行业的经济建设。

二、基于负荷预测的电力规划

根据负荷预测的结果，提高电力规划的水平，重点分析电网系统内的电源规划和电力规划，体现负荷预测在电力规划中的应用效果。

1、电源规划

电力规划在负荷预测的协助下，需要实行多电源供电，防止用电地区出现大规模的停电。一般情况下，电网公司电力规划中，设计两个直供电源，分别是110kv和220kv，满足城市变电的需求，电网公司规划电源时，需要与多个设计部门进行协商，既要商讨电源规划的占地面积，又要完善最终的勘测设计。例如：某城市电网公司经符合预测后发现，原本电力规划与城市用电存在严重的矛盾，该城市的城东地区经常发生停电事故，所以该电网公司将城东的电源规划改为两回10kv供电，分担原有电源的压力，实现多项电源供电，优化电力规划中的电源分配。

2、电力规划

电力规划是城市用电的基础，如何利用负荷预测做好电力规划，成为电网公司重点考虑的问题。电力规划时，需要全面分析负荷预测的内容，更重要的是收集基础资料，辅助电网系统的规划与建设[3]。电力规划对负荷预测的需求比较大，负荷预测中包含电力规划所需的基础用电资源，例举电力规划的基本资料，如：（1）5年中电网公司内统计的用电信息，如供电、线损等，汇总用电信息中的最大值和最小值；（2）5年内电网公司的电力分配信息，统计城市地区不同行业的用电量，掌握各个企业的用电规模；（3）10年内电网公司统计的负荷数据，包括负荷预测的历史资料；（4）电网系统的结构图，提供根本性的结构分布；（5）明确电网系统内的等级电压，准确的标注出各个等级的电量；（6）以5年、10年为期限，制定负荷变化的预测图，辅助电力规划。

三、电力负荷预测的规划设计

电力规划及负荷预测是电网系统的重要部分，有利于提高电力行业的发展水平，按照电力行业的需求，分析电力负荷预测的规划设计，降低负荷预测的难度，同时为电力规划提供准确的预测服务。

电力负荷预测规划设计的核心是负荷预测模块，电网公司根据电力规划，设定负荷预测的目标，可以将负荷预测模块分为三部分[4]。第一部分是负荷预测的方案，根据电力规划的实际需要，选择单耗法配合模糊回归和灰色预测，为电网公司提供准确的预测方法，保障负荷预测的准确性；第二部分与电力规划的目标相关，包括历史电力负荷数据、经济发展指标、工业发展指标、其它产业发展指标四项因素，指示负荷预测的方向，最终负荷预测的结果会根据不同的因素划分；第三部分是负荷预测模块的结论部分，电网公司按照负荷预测的结论，评估电力行业的供电能力，结合当前容载比，设计电力规划的布点，稳定负荷预测及电力规划。电力负荷预测规划设计是电力规划与负荷预测的综合表现，一方面掌握电力规划的需求，另一方面提供负荷预测的数据信息。

结束语

负荷预测为电力规划提供根本性的数据资料，辅助电力行业实行电力规划，以此来确保电力规划的准确性和稳定度，促使电力规划负荷社会用电的实际需要。电力行业在电力规划中，非常注重负荷预测的应用，而且负荷预测反应了电网系统的真实情况，推进电力行业的发展，体现出电力规划及负荷预测在电力行业中的重要价值。

参考文献

[1] 邹汝杰.眉山电力负荷预测的规划布点管理系统设计[D].电子科技大学，2012.

[2] 黄冬燕.对城市电网规划需求及负荷预测的分析[J].科技资讯，2010，35：98-99.

统计与预测论文范文第15篇

为增强海上交通运输安全，运用灰色系统理论中的加权灰色关联分析和预测的基本原理，改进关联系数的计算方法，并考虑各序列因子在不同点处的权重差异，对辽宁水域2007―2013年的船舶交通事故进行分析.建立该水域船舶交通事故总数与事故类型及发生时间的关联矩阵，根据得到的加权灰色关联度寻求事故的发生规律.将传统灰色关联理论与加权灰色关联理论的关联结果进行对比，验证加权灰色关联理论具有较好的精确性和层次性.建立船舶交通事故总数的预测模型，并对该水域的交通形势进行预测，同时将预测模型结果与实际数据相比较，得到模型预测精度，证明该模型合理、可靠，可以为海上交通事故的预防提供指导和借鉴.

关键词：

海上交通事故； 灰色理论； 加权灰色关联理论； GM（1，1）预测模型； 辽宁水域

中图分类号： U698.6

文献标志码：

0 引 言

作为东北亚经济圈的中心地带，辽宁水域成为该地区经济的重要增长源.辽宁水域包括大连海区、营口海区、丹东海区、锦州海区、葫芦岛海区和庄河海区，水域宽广，港阔水深，地理条件十分优越.然而部分水域水文条件复杂，气象环境恶劣，航道淤浅，致使海上交通事故频发，给当地经济发展带来了一定的负面影响.因此，需对该水域的海上交通事故进行分析，找出其主要致因并进行预测，为预防海上交通事故提供借鉴.然而，海上交通事故成因复杂，涉及因素众多，各因素间缺乏明确的内在联系，为克服以上问题，用灰色系统理论对该区的交通事故进行分析预测，弥补传统分析方法的不足[1].

1 加权灰色关联和预测的基本原理

1.1 传统灰色关联理论

1.2 加权灰色关联基本原理

1.3 灰色GM（1，1）预测模型

1.4 灰色GM（1，1）预测模型的检验

2 辽宁水域海上交通事故致因的加权关联分析

2.1 事故总数与事故类型的关联分析

从得到的计算结果可以看出，辽宁水域海上交通事故类型与事故总数关联度的密切顺序为碰撞>触碰>搁浅>其他>火灾/爆炸>自沉>操作污染>浪损>触礁>风灾，与直观分析的结果相一致.碰撞仍是引起海上交通事故的主要根源；触碰、搁浅其次；火灾/爆炸与事故总数的关联度较弱；自沉、操作污染、浪损和触礁等与事故总数的关联度更小.由此可见，人为因素是引起该水域碰撞、触碰、搁浅等海上交通事故的主要致因.

根据传统的灰色关联理论，由式（1）和（2）计算得出辽宁水域2007―2013年事故总数与碰撞、搁浅等事故类型的灰色关联度γ′i（i=1，2，…，10）为

从上述计算结果可知，辽宁水域海上交通事故类型与事故总数关联度的密切顺序为碰撞>搁浅>触损>自沉=其他>火灾/爆炸>操作污染>触礁>浪损=风灾.

对比这两种计算方法得出的结果，并结合表2的统计数据，可以看出加权灰色关联理论得出的排序结果与事故统计数据更加吻合，且排序层次更加清晰.这是因为传统的灰色关联理论并没有考虑各因子的权重差异，将各因子按照等权重处理.实际上，各序列因子在整体数据系统不同点处的权重是不同的，各点关联系数相对于其平均值的波动对关联度有一定影响.

2.2 事故总数与月份的关联分析

从上面的关联度矩阵和图1可以看出，5月份与事故总数的关联度最大.3―5月份和11，12月份与事故总数的关联度均较大.根据图中折线可知该水域交通事故数随时间的走势：从1月开始事故数量开始增加，直到4，5月份达到高峰，接着开始减少，到8，9月份出现转折，事故多发，10月份后又出现一次高峰（11月份）.分析该水域的水文气象条件可知，影响该水域的天气系统主要有冷高压或寒潮、锋面气旋和强对流天气系统.11，12月主要受冷高压影响，风力强劲，以偏北风为主.3，4月是寒潮活动的高发期，此时季节交替，天气系统发生转变，风力转强.3―5月为辽宁水域海雾的多发季节，多为平流雾，影响范围大，持续时间长，能见度差[9].受以上气象要素的影响，该时段内船舶事故多发，这与量化的结果相一致.

3 辽宁水域海上交通事故的加权灰色预测

通事故总数走势.从图中可以看出辽宁水域未来两年发生的事故总数呈上涨趋势，但波动不大，大致维持稳定.

4 结束语

本文运用加权灰色关联分析原理和GM（1，1）预测模型对辽宁水域海上交通事故进行了定量的分析.根据分析结果可知，人为因素是引起碰撞、触碰和搁浅等事故的主要因素，且事故的发生与当地不同时间的水文气象要素有很大的联系.根据建立的事故预测模型可以判断辽宁水域未来几年的交通事故数量大致维持稳定，并稍有上涨的趋势.因此，有关海事部门所面临的交通安全形势依然严峻，应做好海损事故的预防工作[1011].

灰色系统理论作为一种关联和预测分析方法，对样本数量较少，且数据间无明显规律的系统具有良好的适用效果.引入加权灰色关联理论，优化关联系数的计算方法，或采用残差模型进行修正可进一步提高其预测精度[12-14].由本文的计算结果可以看出，加权灰色关联模型在海上交通事故关联分析方面具有更高的准确性和可靠性，分析层次更加清晰，考虑因素更加全面.在事故预测方面，模型约有5%～10%的精度误差，实际运用中应在预测结果的基础之上添加5%～10%的上下浮动数据，以便更好地分析和应对海上交通事故.加权灰色关联理论在处理海上交通事故方面具有良好的适用性和可靠性，且有较高的预测精度[15]，能够作为一种海上交通事故分析方法，为海事事故分析与预防提供一种途径.

参考文献：

[1]赵江平， 丁佳丽. 基于小波分析的灰色GM（1，1）模型道路交通事故预测[J]. 数学的实践与认识， 2015， 45（12）： 119124.

[2]邓聚龙. 灰色系统的基本方法[M]. 武汉： 华中理工大学出版社， 1987： 4097.

[3]杨金花， 杨艺. 基于灰色模型的上海港集装箱吞吐量预测[J]. 上海海事大学学报， 2014， 35（2）： 2832.

[4]王祺， 王志明. 马尔可夫灰模型的海上交通事故预测[J]. 中国航海， 2013， 36（4）： 119122.

[5]郝庆龙， 戴冉， 梁凯琳， 等. 基于加权灰色系统的宁波海上交通事故致因和预测[J]. 大连海事大学学报， 2013， 39（4）： 3537.

[6]赵永， 李为民， 刘彬， 等. 基于改进灰色关联法的高超声速目标威胁评估模型[J]. 探测与控制学报， 2015， 36（5）： 8085.

[7]FEI Su， ZENG Chuandong， BAGEN Chaolun. An application of optimal SCGM（1，1）Markov Model for simulation and prediction on indexes of watersaving[C]//The Third International Conference on Information and Computing. Wuxi， Jiangsu： ICIC， 2010： 172176.

[8]彭波. 大连辖区海上交通事故研究[D].

大连： 大连海事大学， 2013.