MGM(1,n)和SVR的组合模型在CPI中的应用研究

摘要

居民消费价格指数(ComsumerPriceIndex，CPI)是反映与居民生活息息相关的商品及劳务价格所统计出来的物价变动指标，通常是作为通货膨胀水平的一个重要指标，如果物价指数过大，说明会引起通货膨胀，可见CPI作为判定社会经济现象的重要指标，对其进行准确分析和预测是很有必要的。一般对年度居民消费价格指数进行预测，是从单一的变量本身出发进行预测，但是随着科技的进步，预测技术的不断提高，人们对事物认识的多元化，自然需要从多角度、多方位考虑事物未来发展趋势，于是多变量预测成为当前研究热点问题之一，本文就是从多变量角度出发，通过组合的方法预测月度居民消费价格指数，目的是为了更准确预测未来的CPI变动趋势，为政府、企业相关部门提供参考。
　　本文主要工作如下:
　　(1)本文对居民消费价格指数预测的国内外研究状况做了详细的综述，阐述了问题的背景与意义。然后分别介绍了灰色系统理论中的多变量灰色模型、支持向量回归机模型和组合预测理论现有的基本思想、发展状况和建模过程。
　　(2)由于CPI受其他指标的影响，用单变量进行预测很多信息可能会丢失，本文采用多变量灰色模型(MultivariableGreyModel，MGM)进行预测，先通过关联度选取合适的因子，然后用MGM(1，3)模型预测，可以充分反映各变量之间的相互促进的关系，后来再与GM(1，3)模型和GM(1，1)模型进行了对比，实验表明:MGM(1，3)模型预测精度高于其他两种模型。
　　(3)为了提高预测精度，本文把MGM(1，3)模型与SVR两个模型用基于Theil不等系数的IOWGA(InducedOrderedWeightedGeometricAveragingOperator)算子组合起来，建立组合模型，实验结果表明组合预测模型优于单项预测模型，从而为CPI预测问题提供了一种新的思路。
　　(4)传统的马尔科夫模型未来状态的预测值取的是状态区间的均值，但是中间值不一定是最有可能或者说是最好的选取结果，最好的结果可能是状态中的某一个值。本文结合多项式模型和马尔科夫模型，建立优化的多项式马尔科夫模型，用遗传算法优化多项式马尔科夫模型中的参数，对贵州省旅游人数进行预测，取得了较好的预测效果。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 国内外研究综述

1．2．1 CPI预测的国内外研究进展

1．2．2 组合灰色支持向量机模型的研究进展

1．2．3 组合模型在CPI预测方法中的研究进展

1．3 本文的主要研究内容及结构安排

1．4 本章小结

2 灰色系统理论基础及其应用

2．1 灰色关联度

2．1．1 灰色关联度计算步骤

2．1．2 实例分析

2．2 灰色系统模型

2．2．1 MGM(1，n)预测模型

2．2．2 GM(1，n)模型和MGM(1，n)模型的区别和联系

2．3 基于MGM(1，n)模型的CPI预测

2．4 本章小结

3 支持向量机理论概述及其应用

3．1 支持向量机的研究概况

3．1．1 线性支持向量机

3．1．2 非线性支持向量机

3．1．3 常用的核函数

3．1．4 标准支持向量回归机

3．2 基于SVM的CPI预测的实证分析

3．2．1 样本数据的采集

3．2．2 建立SVM预测模型

3．2．3 模型的训练与预测

3．3 本章小结

4 MGM(1，n)与SVR的组合预测模型

4．1 组合预测的分类

4．2 权重的确定方法

4．2．1 几种常用的确定权重的算子

4．2．2 基于IOWGA算子的组合预测模型的建立

4．2．3 基于Theil不等系数的IOWGA算子组合预测模型的建立

4．3 粒子群算法

4．3．1 基本原理

4．3．2 处理流程图

4．4 CPI组合预测实证分析

4．4．1 模型实例

4．4．2 实例结果分析

4．5 本章小结

5 优化的多项式马尔科夫模型的旅游人数预测

5．1 多项式拟合模型的建立

5．2 多项式马尔科夫模型的建立

5．3 遗传多项式马尔科夫模型

5．4 实例分析

5．5 本章小结

6 总结与展望

6．1 主要研究内容及成果

6．2 进一步研究方向

致谢

参考文献

附录

作者硕士在读期间发表的学术论文及奖励