• 论文 • 上一篇    下一篇

基于最小二乘法的改进GM(1, 1)模型在上海市社会总抚养比预测中的应用

吴天魁1,王波2,顾基发2   

  1. 1.上海理工大学管理学院, 上海  200093; 2.上海理工大学管理学院, 上海  200093;  中国科学院数学与系统科学研究院, 北京  100190
  • 出版日期:2015-01-25 发布日期:2015-04-08

吴天魁,王波,顾基发. 基于最小二乘法的改进GM(1, 1)模型在上海市社会总抚养比预测中的应用[J]. 系统科学与数学, 2015, 35(1): 75-84.

WU Tiankui,WANG Bo,GU Jifa. FORECAST OF TOTAL SOCIAL DEPENDENCY RATIO OF SHANGHAI BASED ON THE IMPROVED GM(1, 1) MODEL OF LEAST SQUARE METHOD[J]. Journal of Systems Science and Mathematical Sciences, 2015, 35(1): 75-84.

FORECAST OF TOTAL SOCIAL DEPENDENCY RATIO OF SHANGHAI BASED ON THE IMPROVED GM(1, 1) MODEL OF LEAST SQUARE METHOD

WU Tiankui1 , WANG Bo2 , GU Jifa2   

  1. 1.Business School, University of Shanghai for Science  and Technology, Shanghai 200093; 2.Business School, University of Shanghai for Science and Technology,
    Shanghai} 200093; Academy of Mathematics and Systems Science, Chinese Academy of Sciences, Beijing 100190
  • Online:2015-01-25 Published:2015-04-08

由于上海市社会总抚养比受到诸多因素的影响,导致数据波动性较大,如果采用普通灰色预测模型无法更加准确地进行预测,因此文章提出了一种改进的GM(1, 1)模型.通过将改进模型与普通模型进行对比得出采用二次多项式拟合的改进模型预测精度较高,因此文章采用二次多项式模拟的改进模型进行预测.将该改进模型应用于上海市社会总抚养比预测中,并结合2007--2011年上海市社会总抚养比数据建立新的预测模型,并用2012年数据对模型进行验证合格,可以用来预测未来几年上海市社会总抚养比,便于该市对未来经济的发展宏观调控.结果表明该预测方法是合理可行的,为其他相关预测提供了理论依据.

The total dependency ratio of Shanghai is affected by many factors, leading to volatile data, it can not be predicted more accurately by gray prediction model, so the article proposed an improved GM(1, 1) model. Will improve the precision of the model were compared with the original model obtained using quadratic polynomial fitting improved model prediction precision higher than the original model, so quadratic polynomial fitting GM(1, 1) improved model is adopted. And use this improved model into the prediction of the total dependency ratio of Shanghai, and combined total dependency ratio data from 2007 to 2011 in Shanghai, a new forecasting model is built, and the model with the 2012 data to verify eligibility can be used to predict the total dependency ratio of Shanghai next few years to facilitate the economic development of the city of the future macro. The results show that the prediction method is reasonably practicable, and provides a theoretical basis for other related forecasts.

MR(2010)主题分类: 

()
[1] 余世明, 李壮, 陈龙, 何德峰. 可扩展非线性异构车队系统分布式模型预测控制[J]. 系统科学与数学, 2021, 41(3): 602-614.
[2] 白娟娟, 师荣蓉. 基于广义已实现测度的中国股市波动预测与 VaR 度量[J]. 系统科学与数学, 2021, 41(3): 653-666.
[3] 叶菲菲, 杨隆浩, 王应明. 基于不同联合学习方法的扩展置信规则库环境治理成本预测[J]. 系统科学与数学, 2021, 41(3): 705-729.
[4] 孙会霞,倪宣明,钱龙,赵慧敏. 基于长期CVaR约束的高频投资组合优化[J]. 系统科学与数学, 2021, 41(2): 344-360.
[5] 胡雪梅, 韦小凡. 半变系数模型研究美国爱荷华州埃姆斯市的房价问题[J]. 系统科学与数学, 2021, 41(1): 269-279.
[6] 王勇,刘莹,张娜. 基于奇异谱分析的旅游人数集成预测模型的研究与应用:以中国为例[J]. 系统科学与数学, 2020, 40(9): 1628-1643.
[7] 宋娟,倪志伟,李萍,伍章俊,彭鹏. 基于参数优化深度置信网络的雾霾预测模型[J]. 系统科学与数学, 2020, 40(9): 1644-1661.
[8] 陆文星,戴一茹,李楚,李克卿. 基于改进PSO-BP神经网络的旅游客流量预测方法[J]. 系统科学与数学, 2020, 40(8): 1407-1419.
[9] 夏平凡,倪志伟,朱旭辉. 基于烟花进化人工鱼群算法和多重分形的属性选择 方法的应用[J]. 系统科学与数学, 2020, 40(7): 1157-1177.
[10] 李萍,倪志伟,朱旭辉,宋娟. 基于改进萤火虫算法的SVR空气污染物浓度预测模型[J]. 系统科学与数学, 2020, 40(6): 1020-1036.
[11] 张大斌,蔡超敏,凌立文,陈善盈. 基于CEEMD与GA-SVR的猪肉价格集成预测模型[J]. 系统科学与数学, 2020, 40(6): 1061-1073.
[12] 高研,周建红,王海涛,张焕焕. 基于Jackknife模型平均方法的中国港口集装箱吞吐量预测[J]. 系统科学与数学, 2020, 40(4): 729-737.
[13] 何琳洁,伍以加,戴娟. 低价揽客、分析师盈余预测与审计质量-----基于中国资本市场的经验证据[J]. 系统科学与数学, 2020, 40(3): 469-484.
[14] 蔡光辉,应雪海. 基于跳跃、好坏波动率和马尔科夫状态转换的高频波动率模型预测[J]. 系统科学与数学, 2020, 40(3): 521-546.
[15] 牟唯嫣,王春玲,赵昕. 基于空间填充准则的交叉验证方法及其应用[J]. 系统科学与数学, 2020, 40(2): 382-388.
阅读次数
全文


摘要