行業(yè)景氣分析與預(yù)測(cè)以能源行業(yè)為例-資料下載頁(yè)
2025-01-20 11:42本頁(yè)面
【正文】 2004年1月2004年4月2004年7月2004年10月2005年1月2005年4月2005年7月2005年10月2006年1月2006年4月2006年7月2006年10月2007年1月2007年4月2007年7月2007年10月2008年1月110115120125130135綜合警情指數(shù)一致合成指數(shù)目錄 景氣指數(shù)方法 能源行業(yè)景氣指數(shù)預(yù)測(cè)預(yù)警 智能方法的應(yīng)用思路 總結(jié) 指標(biāo)的智能選擇 利用遺傳算法和粗糙集理論進(jìn)行指標(biāo)的篩選： （ 1）粗糙集理論指標(biāo)的篩選 ? 基本功能。 粗糙集理論是一種刻化不完整性和不確定性的數(shù)學(xué)工具，能有效地分析和處理不精確、不一致、不完整等各種不完備信息，并從中發(fā)現(xiàn)隱含的知識(shí)，揭示潛在的規(guī)律。 ? 主要思想 根據(jù)目前已有的對(duì)給定問(wèn)題的知識(shí)，將問(wèn)題的論域進(jìn)行劃分，在保持分類(lèi)能力不變的前提下，通過(guò)知識(shí)約簡(jiǎn)，導(dǎo)出概念的分類(lèi)規(guī)則。目前，粗糙集理論已經(jīng)成為屬性約簡(jiǎn)的一種有效的方法。 ? 具體方案 采用信息熵和條件熵的概念計(jì)算屬性重要性，由此進(jìn)行屬性約簡(jiǎn)。 指標(biāo)的智能選擇 信息熵： ??? miii XPXPPH1)(ln)()(條件熵： ????? ))|(l n()|()()|( / ijijPUX i XYPXYPXPPRHi衡量 R相對(duì)于等價(jià)關(guān)系 P的屬性依賴(lài)性。其值越小，依賴(lài)性越強(qiáng)，否則依賴(lài)性越弱。 屬性重要性： }){()()( aAHAHaS A ???指標(biāo)的智能選擇 指標(biāo)篩選步驟： 指標(biāo)的智能選擇 （ 2）基于遺傳算法的聚類(lèi)分析用于指標(biāo)分類(lèi) ? 基本功能 利用偽并行遺傳算法進(jìn)行聚類(lèi)分析，得到先行、一致和滯后指標(biāo)組合。 ? 主要思想 通過(guò)各指標(biāo)數(shù)據(jù)的時(shí)間序列特征，進(jìn)行聚類(lèi)，解決必須確定基準(zhǔn)指標(biāo)等問(wèn)題。 ? 基本方案 時(shí)間序列特征從時(shí)域和頻域兩種分析方法中，得到時(shí)間序列的一些統(tǒng)計(jì)特征，比如峰度、偏度、自相關(guān)系數(shù)、偏相關(guān)系數(shù)、傅立葉系統(tǒng)等，同時(shí)加上一些現(xiàn)代信息分析的特征，如混沌序列的最大李雅譜諾夫指數(shù)等。這種方案可以解決直接聚類(lèi)時(shí)間序列數(shù)據(jù)而帶來(lái)的不等長(zhǎng)和維度過(guò)大的問(wèn)題。 目錄 景氣指數(shù)方法 能源行業(yè)景氣指數(shù)預(yù)測(cè)預(yù)警 智能方法的應(yīng)用思路 總結(jié) 總結(jié) ?宏觀經(jīng)濟(jì)預(yù)測(cè)預(yù)警 ?多個(gè)行業(yè)景氣預(yù)測(cè)預(yù)警，包括房地產(chǎn)、物流、鋼鐵、能源、有色金屬等等。 ?加入最新研究成果到景氣預(yù)測(cè)預(yù)警系統(tǒng)中。 完成的工作： 總結(jié) ?經(jīng)濟(jì)具有周期性波動(dòng)，其是否具有規(guī)律性？理論依據(jù)如何？ ?此次經(jīng)濟(jì)危機(jī)為什么沒(méi)有發(fā)出預(yù)警信號(hào)？ ?此次經(jīng)濟(jì)危機(jī)屬于經(jīng)濟(jì)周期波動(dòng)的哪一個(gè)階段？ ?最新信息處理技術(shù)在經(jīng)濟(jì)周期波動(dòng)預(yù)測(cè)中的應(yīng)用如何深入開(kāi)展？ 思考的問(wèn)題：
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1