您的位置: 专家智库 > >

张蕾

作品数:8 被引量:23H指数:3
供职机构:辽宁师范大学数学学院更多>>
发文基金:辽宁省自然科学基金更多>>
相关领域:理学经济管理更多>>

文献类型

  • 8篇中文期刊文章

领域

  • 6篇理学
  • 2篇经济管理

主题

  • 5篇支持向量
  • 5篇向量
  • 4篇支持向量机
  • 4篇向量机
  • 1篇豆油期货
  • 1篇亚硝酸
  • 1篇亚硝酸盐
  • 1篇亚硝酸盐含量
  • 1篇运量
  • 1篇运量预测
  • 1篇支持向量回归
  • 1篇蔬菜
  • 1篇数据分析
  • 1篇铁路
  • 1篇铁路货运
  • 1篇铁路货运量
  • 1篇铁路货运量预...
  • 1篇期货
  • 1篇全局渐近
  • 1篇全局渐近稳定

机构

  • 8篇辽宁师范大学
  • 1篇鞍山师范学院

作者

  • 8篇张蕾
  • 5篇孙德山
  • 1篇姚志强
  • 1篇宋丽娜
  • 1篇刘兵

传媒

  • 4篇经济数学
  • 2篇鞍山师范学院...
  • 1篇江苏商论
  • 1篇计算机科学与...

年份

  • 2篇2019
  • 3篇2018
  • 1篇2017
  • 2篇2008
8 条 记 录,以下是 1-8
排序方式:
具有最优捕获的阶段结构时滞两种群竞争模型的稳定性
2008年
建立了一个两种群时滞竞争模型,得到了正平衡点全局渐近稳定的充分条件和成年种群的最大捕获量.
张蕾刘兵
关键词:全局渐近稳定
基于支持向量回归的豆油期货数据分析
2018年
随着期货市场在经济中的影响逐渐增强,对期货市场的研究具有实际意义.选取豆油期货指数进行研究,首先将数据进行归一化处理,然后选用支持向量回归方法建模分析.分析结果表明该方法对短期内的数据预测具有较好的效果,对了解期货市场的近期走势提供一些借鉴.
王玥孙德山张蕾张文政
关键词:支持向量回归豆油期货
基于灰色关联分析的支持向量机的铁路货运量预测研究被引量:8
2018年
采用基于灰色关联分析的支持向量机对铁路货运量进行预测.首先利用灰色关联分析法对影响铁路货运量的因素进行分析处理,然后利用基于高斯核函数的支持向量回归机建立了铁路货运量预测模型.通过分析预测结果可以发现,经过灰色关联分析后的支持向量机模型对复杂的铁路货运量数据有较好地处理能力,且预测相对误差较小.特别地,由于支持向量机的适应性,该模型具有较高的泛化能力,对影响因素较为复杂,样本数量小的预测问题可以提供一定参考.
张蕾孙德山张文政王玥
关键词:铁路货运量预测灰色关联分析支持向量机
比色法测定蔬菜中的亚硝酸盐含量的探究实验
2008年
在高中化学课程标准中,针对学生的发展,"实验化学"模块提出"掌握基本的化学实验方法与技能,了解现代仪器在物质的组成、结构和性质研究中的应用"的要求.本文结合课标要求与社会生活实际,设计了一则利用不同技术手段开展探究实验的案例.
张蕾宋丽娜姚志强
关键词:亚硝酸盐
基于组合模型的进出口贸易总额预测被引量:3
2019年
进出口贸易总额作为经济活动中的一个宏观经济指标,对研究中国经济状况具有不可替代的作用。文章使用ARIMA(自回归移动平均模型)和SVM(支持向量回归模型)对1980—2016年的我国进出口贸易总额进行信息挖掘,在评价预测效果的基础上构建了基于权重分配的组合预测模型。通过实例分析印证了在进出口总额方面基于优化定权的组合预测模型要比单一预测模型精度高,对我国的对外贸易发展有一定的参考价值。
张蕾孙德山
关键词:ARIMA模型支持向量机进出口贸易总额
基于支持向量机的辽宁省粮食产量预测被引量:7
2019年
随着中国经济的不断发展,城市化进程不断推进,总人口逐年增加;农村人口逐年减少,粮食的需求量逐年增加,某些贫困地区已经出现粮食短缺的状况.本文选取了1986年-2016年辽宁省年粮食总产量、有效灌溉面积、农业化肥施用量、农业机械总动力、播种面积以及受灾面积等相关数据.利用支持向量机回归、线性回归,随机森林三种方法,对辽宁省粮食产量进行了预测,并比较了三种方法预测的精准度.
张文政孙德山王玥张蕾
关键词:支持向量机核函数
北京市PM2.5的相关因素研究被引量:5
2017年
选取2016年北京市空气质量指数数据,简述了北京市空气的现状,并根据频率得出PM2.5已经成为北京市空气中的首要污染物的结论.通过计算PM2.5与AQI所监测的其余指标之间的相关程度,进行PM2.5与PM10,CO和NO2的多元回归分析,得到线性回归方程.同时对模型给予改进,建立基于2个主成分的、更为精准的多元回归模型.得出PM10是空气中PM2.5的最主要成因的结论,CO和NO2对PM2.5的影响也不容忽视的结论,对北京市雾霾天气预防提供参考意见.
丛琳孙德山邹存利张蕾
关键词:PM2.5相关系数主成分分析
基于SVM的股票指数预测
2018年
随着中国经济的飞速发展,越来越多的人加入到股市这个大家庭中来。由于股票市场具有高噪声、不确定等特性,使得股票的价格预测极为困难。而较为准确的预测股票价格,有利于人们的投资。本文选用国泰君安大智慧软件中2007年1月4日至2017年12月29日的沪深300指数中2676个交易日数据作为原始分析数据,通过建立支持向量机模型和ARMA模型进行分析并做出短期预测。实验结果:采用支持向量机模型的预测数据与实际数据的拟合度较高,相对误差控制在4%左右;说明支持向量机模型可以对股票市场做出更准确的价格预测,可以为沪深股票市场股票价格走势的研究提供一些借鉴。
邹存利张蕾王玥丛琳
关键词:沪深300指数支持向量机ARMA模型股票预测
共1页<1>
聚类工具0