统计与预测论文精选(九篇)

第1篇：统计与预测论文范文

论文摘要：本文提出了两种证券投资预测方法—马氏链法和E-Bayes法。首先对数据进行分组，然后在此基础上应用马氏链法和E-Bayes法的理论建立预测模型，最后结合实际问题进行了计算，两种方法的预测结果是一致的。

引言

在文献中，介绍了1990年诺贝尔经济学奖的三位得主Harry Markowitz，William Sharpe和Merton Miller在证券投资方面的主要工作，很有参考价值。Markowitz获奖是因为他提出了投资组合选择(portfilio selection)理论。Markowitz把投资组合的价格视为随机变量，用它的均值为衡量收益，用它的方差来衡量风险(因此Markowitz的理论又称为均值——方差分析理论)，该理论后来被誉为“华尔街的第一次革命”。

证券的价格忽高忽低似乎难以捉摸，但在政治经济形势比较平稳的条件下，它的变化是由其基本因素的变化所决定的。由于证券投资的高效率，这些因素的变化会立即从证券的价格上反映出来。因素分析法是根据在一定时期、一定环境下，用影响证券价格变化的因素来预测证券价格走势的一种方法。技术分析法，是应用历史价格各种图象和曲线来预测证券价格。近些年来，技术分析法发展很快，特别是随着计算机的普及，各种分析方法法越来越多。总的来看，技术分析法可以分为图象分析法和统计分析法。图象分析法是以图、表为分析工具；统计分析法是对价格、交易量等市场指标进行统计处理。本文提出了两种证券投资预测方法——马氏链法和E-Bayes法，不仅能预测证券的价格走势，而且还能进一步预测出证券的价格范围。

1、马氏链法

在考虑随机因素影响的动态系统中，常常遇到这种情况：系统在每个时期所处的状态是随机的。从这个时期到下一个时期的状态按照一定的概率进行转移，并且下一个时期的状态只取决于这个时期的状态和转移概率，与以前各时期状态无关。这种情况称为无后效性，或马尔可夫性，通俗地说就是：已知现在，将来与历史无关。具有无后效性的时间、状态均为离散的随机转移过程通常用马氏链(Markov Chain)模型描述。

马氏链模型在经济、社会、生态、遗传等许多领域中有着广泛的应用。本文我们用马氏链建立预测模型，并对证券投资进行预测，从而为证券投资预测提供一种技术分析方法。

马氏链法的最简单类型是预测下一期最可能出现的状态，可按以下几个步骤进行：

(1)划分预测对象所出现的状态——把数据进行分组。

从预测的目的出发，并考虑决策者的需要来划分所出现的状态，同时把数据进行分组。

(2)计算初始概率

论文关键词：运筹学；证券投资；预测模型；马氏链法；E-Bayes法

论文摘要：本文提出了两种证券投资预测方法—马氏链法和E-Bayes法。首先对数据进行分组，然后在此基础上应用马氏链法和E-Bayes法的理论建立预测模型，最后结合实际问题进行了计算，两种方法的预测结果是一致的。

引言

在文献中，介绍了1990年诺贝尔经济学奖的三位得主Harry Markowitz，William Sharpe和Merton Miller在证券投资方面的主要工作，很有参考价值。Markowitz获奖是因为他提出了投资组合选择(portfilio selection)理论。Markowitz把投资组合的价格视为随机变量，用它的均值为衡量收益，用它的方差来衡量风险(因此Markowitz的理论又称为均值——方差分析理论)，该理论后来被誉为“华尔街的第一次革命”。

证券的价格忽高忽低似乎难以捉摸，但在政治经济形势比较平稳的条件下，它的变化是由其基本因素的变化所决定的。由于证券投资的高效率，这些因素的变化会立即从证券的价格上反映出来。因素分析法是根据在一定时期、一定环境下，用影响证券价格变化的因素来预测证券价格走势的一种方法。技术分析法，是应用历史价格各种图象和曲线来预测证券价格。近些年来，技术分析法发展很快，特别是随着计算机的普及，各种分析方法法越来越多。总的来看，技术分析法可以分为图象分析法和统计分析法。图象分析法是以图、表为分析工具；统计分析法是对价格、交易量等市场指标进行统计处理。本文提出了两种证券投资预测方法——马氏链法和E-Bayes法，不仅能预测证券的价格走势，而且还能进一步预测出证券的价格范围。

1、马氏链法

在考虑随机因素影响的动态系统中，常常遇到这种情况：系统在每个时期所处的状态是随机的。从这个时期到下一个时期的状态按照一定的概率进行转移，并且下一个时期的状态只取决于这个时期的状态和转移概率，与以前各时期状态无关。这种情况称为无后效性，或马尔可夫性，通俗地说就是：已知现在，将来与历史无关。具有无后效性的时间、状态均为离散的随机转移过程通常用马氏链(Markov Chain)模型描述。

马氏链模型在经济、社会、生态、遗传等许多领域中有着广泛的应用。本文我们用马氏链建立预测模型，并对证券投资进行预测，从而为证券投资预测提供一种技术分析方法。

马氏链法的最简单类型是预测下一期最可能出现的状态，可按以下几个步骤进行：

(1)划分预测对象所出现的状态——把数据进行分组。

第2篇：统计与预测论文范文

关键词：中长期水文预报预报方法水文要素

中图分类号： P331文献标识码： A

1 前言

中长期水文预报是根据前期和现实的水文、气象等信息，运用天气学、数理统计、宇宙-地球物理分析方法，对未来较长时间内水文情势做出定性或定量预报。中长期水文预报具有较长的预见期，能够使人们在解决防洪与抗旱、蓄水与弃水及各部门用水之间矛盾时及早采取措施进行统筹安排，以获取最大的效益。近年来，随着新的数学分支和计算机技术的发展，为中长期水文预报拓展了新的研究途径。随着社会的不断发展，国民经济各个部门对水文预报提出的要求越来越高，要求水文部门能提供预见期长、准确性高的中期与长期预报，要求有定性分析及有定量的预报。显然，积极开展中长期水文预报是非常必要的。

2 传统的预报方法

中长期的水文要素受天文、气象、地理等多因素的影响，是多个因素共同作用的结果，因此应从历史资料中挑选多个与预报要素具有物理成因相关的因子作为预报因子，通过统计分析等数学方法建立预报因子与预报因素间的定量或定性关系从而进行水文要素预报。

2.1 成因分析法

成因分析法主要侧重于水文现象物理形成过程的描述与分析。它的主要思想是根据前期的大气环流特征以及表示这些特征的各种高空气象要素，直接与后期的水文要素建立起定量的关系进行预报。

成因分析法有以下几类:①应用前期环流进行预报；②应用前期海温特征进行预报；③根据太阳黑子相对数n年周期中的相位或分析黑子数与江河水量变化之间的关系，对后期可能发生的旱涝进行定性预测；④分析地球、行星、火山运动、臭氧的多少等与水文过程的对应关系，对后期可能发生的水文情况作出定性预估；⑤概率统计预报。

2.2 数理统计方法

在中长期水文预报中，数理统计方法占有显著地位。应用数理统计方法从大量历史资料中去寻找分析水文要素变化的统计规律以及与其他因素的关系，然后应用这些规律来进行预报。该方法又可分为单要素法和多要素综合法，其中单要素法是通过分析预报对象自身随时间变化的规律作为预报的依据，如历史演变法、滑动平均法、周期叠加、时间序列分析法等；多要素综合法是从分析影响预报对象的因子中挑选出一批预报因子，建立其统计规律作为预报的依据，如多元线性回归分析、逐步回归分析、聚类分析、自然正交分解等方法。

3现代预报方法

水文过程是一个非常复杂的高度非线性过程，采用传统的数学方法进行预报时难以达到理想的效果，与实际应用的差距还较大，因此，迫切需要引入新的理论与方法以丰富水文中长期预报方法，以期提高预报精度并为实际生产服务。随着人类对自然界规律认识的不断深入与现代科学技术的发展，涌现出了许多新理论与计算方法，丰富了传统的水文预报方法并为新预报方法的发展提供了必要的理论基础。

3.1 模糊分析方法

水文现象是一种自然现象，除具有确定性与随机性外，还具有模糊性，陈守煜等在水利、水文、水资源与环境科学领域中进行了模糊集的应用研究，并将模糊集分析与系统分析结合起来，形成了新的模糊随机系统分析体系，建立了模糊模式识别预测模型。模糊分析方法的引进，丰富了中长期水文预报理论，但由于其信息带有明显的主观性，因此应用受到了一定的限制。

3.2 人工神经网络方法

人工神经网络 （ANN）是对人脑若干基本特性通过数学方法进行的抽象和模拟，是一种模仿人脑结构及其功能的非线性信息处理系统。人工神经网络按拓扑结构分为前馈网络、反馈网络和混合网络。BP 网络是由Rumelhart和Mccullane针对含有隐层的、具有非线性连续函数的多层前馈网络权值调整问题而提出的误差反向传播算法。它是人工神经网络中最为重要的网络之一，也是迄今为止应用最为广泛的网络算法。

3.3 灰色系统理论方法

由于水文中长期预报内含的不确定性成份较多，如系统动力学本身的复杂性、变化的随机性以及人类认识的不完善性等，且各种成分难以严格区别，即部分信息清楚部分信息不清楚，基于这一事实，可以将水文过程看成一个含有灰信息和灰元素的多因素影响的灰色系统。灰色系统理论的特点较适合于预报具有指数增长趋势的问题，将其应用于非线性变化的水文时间序列预报中则会受到一定的限制，该理论目前还在发展中，以期将来的研究能够更好的为水文预报服务。

3.4 混沌理论方法

混沌理论认为，客观事物的运动除平衡态、周期、准周期运动之外，还存在着一种更加普遍的运动形式-混沌运动，即一种由确定性系统产生的、对初始条件具有敏感依赖性、永不重复的回复性周期运动。大多数水文现象的运动特征都具有确定性的一面，又具有随机性的一面，应用混沌理论将能打破传统分析中单一的确定性分析和随机性分析，建立将两者统一起来的混沌分析法。国内外文献表明，混沌理论在水文中的应用还只是进行了一些初步探索工作，大多数新方法还未涉及。

3.5投影寻踪方法

投影寻踪(PP)是统计学、应用数学和计算机技术的交叉学科，是用来分析和处理高维观测数据，尤其是非线性、非正态高维数据的统计方法。它的原理是把高维数据按照一定的方向投影到低维子空间上，以投影指标函数来分析原始数据结构特征，并寻找使投影指标函数达到最优的投影值，以达到分析研究高维数据的目的。它具有稳健性、抗干扰性和准确度高等优点，并且在水文预报方面的研究也起到了显著的成果。

3.6 小波理论方法

小波分析是源于Fourier(傅里叶)分析的新发展。从时频分析的角度出发，任一水文序列均含有多种频率成分，每一频率成分都有自身的制约因素和发展规律，因此仅从水文序列本身出发构造模型，难以把握水文序列的内在机制，有必要对水文序列进行分频率研究，而小波分析方法正好提供了一种便利的时频分析技术。

3.7多元线性回归方法

在水文中长期预报中，由于影响因素的复杂性，需要考虑多个预报因子对预报对象的影响，并建立预报对象与预报因子间的线性方程，这就是多元线性回归。多元线性回归是假定在各预报因子和预报量之间呈线性关系的情况下，使预报值和实测值之间误差达到最小，并认为未来是按这种关系发展，从而进行预报。它是中长期预报的一个重要手段。

第3篇：统计与预测论文范文

关键词：公允价值 盈利预测 统计检验

一、引言

在过去的十余年， 盈利预测不仅是股票首次公开发行定价的关键因素， 而且作为重要的招股信息， 对投资者投资新股的决策具有重要的意义（欧阳爱平、周群，2006）。而大量应用公允价值进行计量和报告，已成为20世纪末和21世纪初会计及其他许多计量性经济学科领域发展的重要特征（谢诗芬， 2003）。斯科特（2006）认为公允价值是基于市价、未来现金流量的折现值，在某些情况下是通过某些数学模型所计量资产或负债的概括表达。资产和负债的公允价值比历史成本更加符合投资者利益。因为公允价值提供了预测公司未来业绩最好的指示器。玛丽.E.巴斯（2007） 认为根据现行准则，今天的财务报表中确认的几乎所有金额都不同程度的反映了对未来的估计。大多数人能够理解以公允价值计量就是反映了对未来的估计。将对未来的更多估计包含在今天财务报表中的一个后果是，会计收益不太具有预测性。葛家澍、杜兴强（2004）认为历史成本和公允价值都是以市场价格为基础的。历史成本作为过去的市场价格所包含的风险和报酬已被固定为一个已知数，因此具有最为信赖的可靠性。但在反映不确定性和风险方面，历史成本则不如公允价值。公允价值含有不确定性的预计数，预计当然不可能精确，所以人们必然担心他的可靠性（特别是预计未来现金流量进行折现包含的变数太多）。但即使预计一个不甚可靠的现行价值或未来价值，总比没有预计或完全依靠已知的历史成本去预测要好。公允价值盈利预测能力，理论界结论并不一致。斯科特（2006），葛家澍、杜兴强（2004）认为公允价值面向未来，具有盈利预测价值，而玛丽.E.巴斯（2007）认为公允价值由于反映了未来的估计，因此会计收益不太具有预测性。

二、研究设计

（一）盈利指标的选择企业涉及公允价值变动的科目有“公允价值变动损益”、“营业外收入”、“营业外支出”和“资产减值损失”。企业交易性金融工具、套期工具、投资性房地产公允价值变动计入“公允价值变动损益”；企业长期股权投资、非货币换、债务重组、企业合并公允价值变动计入“营业外收入”、“营业为支出”；企业资产减值损失计入“资产减值损失”。企业资产减值损失主要是基于稳健原则而并不是基于公允价值计量；企业投资性房地产、长期股权投资、非货币换、债务重组、企业合并业务中公允价值的应用条件受到严格限制，需要满足一定条件才能应用。公允价值主要指向的是金融工具，企业公允价值变动在利润表上主要通过“公允价值变动损益”科目反映。徐晓庆（2000）分析了上市公司对于公允价值的应用一是总体采用范围有限，在具体应用上比较谨慎，主要是因为除了金融工具和衍生金融工具的确认和计量能够直接应用公允价值，其他项目都要满足一定的条件才能运用。二是金融工具及衍生金融工具的确认和计量运用公允价值突出。本文通过模型来预测盈利，比较预测误差的差异即比较预测准确性来决定预测能力， 通过比较含公允价值变动的企业盈利与不含公允价值变动的企业盈利预测能力大小评价公允价值盈利预测能力。如果含公允价值变动的盈利预测能力高于不含公允价值变动的盈利预测能力，则公允价值具有盈利预测能力，反之则不具有盈利预测能力。为便于比较含公允价值变动与不含公允价值变动的盈利预测能力，本文盈利预测指标选择含（不含）公允价值变动损益的营业利润，公允价值变动选择“公允价值变动损益”科目内容。

（二）研究假设 目前理论界一直认为公允价值具有相关性，如果公允价值具有相关性，则公允价值具有盈利预测能力，即含公允价值变动损益的盈利预测能力占优。因此本文提出两个假设。

假设1：利用以前年度盈利预测年度盈利时，公允价值变动损益的营业利润预测能力占优（公允价值具有盈利预测能力）（年度预测）

假设2：利用以前季度盈利预测季度盈利时，公允价值变动损益的营业利润预测能力占优（公允价值具有盈利预测能力）（季度预测）

（三）样本选择及数据来源本文选用样本以沪深A股公司为基础，在选取样本时，选取的是2007年至2009年4季度每个季度均存在公允价值变动损益的上市公司。符合标准的上市公司共计116家。本文样本数据来源于网易财金数据库和CSMAR深圳国泰安研究服务中心提供的数据库。

（四）模型建立 盈利预测通常有三种模型：一元时间序列模型、分析师模型、管理层模型。一元时间序列模型只包括一个变量：过去的盈余。后两者分别指分析师或公司的管理层做预测所依据的模型，通常是综合性的，包含了公司内外部的许多因素。本文选用一元时间序列模型。

（1）年度盈利预测。国外研究结果表明年度盈利可由随机游走过程很好地予以表述，国内许多研究也都采用随机游走模型来预测年度盈利。由于年度盈利数据有限，建立年度盈利时间序列模型存在困难，因此本文年度盈利预测也采用随机游走模型。

随机游走模型（年度）：Model 1：F（Qt）=Qt-1

下标t 表示时间（年度），Qt 表示实际盈利，F（Qt）表示预测盈利。

（2）季度盈利预测。在季度盈利预测中，从实证角度分析，盈利Box―Jenkins模型的预测能力普遍比随机模型等简单模型表现优秀。但进行时间序列研究必须有足够的时间序列数据，否则对样本的自相关性进行检验就会受到数据的限制。因此本文舍弃了建立复杂的ARIMA 模型，采用简单模型，模型直接选用徐跃（2007）在其博士论文《关于我国证券分析师盈利预测的实证研究》中使用的三个季度盈利预测模型。

季度盈利预测模型为：Model 2： F（Xt）=Xt-1 ；Model 3： F（Xt）=Xt-4 ；Model 4： F（Xt）=Xt-4 +（Xt-1- Xt-5）

下标t表示时间（季度），Xt表示实际盈利，F（Xt）表示预测盈利。

（五）检验方法 一般情况下，预测值与实际值之间存在一定误差，这种误差是个绝对数，不利于不同样本值的比较，本文选用百分比误差的绝对值（简称绝对百分比误差或APE）来评价预测准确性。绝对百分比误差（APE）计算公式为： APE=|（At-Yt）/Yt|*100%。其中：At为t年度（季度）的预测值；Yt为t年度（季度）的实际值。 本文首先通过APE均值、标准差、累积频率及Friedman检验进行季度盈利预测模型之间预测能力的比较，在3个模型中选取预测能力最好的一个模型作为季度盈利预测模型；然后通过APE均值、标准差、累积频率、配对样本均值t检验及配对样本Wilcoxon检验比较含公允价值变动损益的营业利润与不含公允价值变动损益的营业利润年度盈利预测能力和季度盈利预测能力差异。在进行配对样本均值t检验、配对样本Wilcoxon检验前首先对样本进行K―S检验以确定样本是否符合正态分布，如果样本符合正态分布均值t检验、Wilcoxon检验采用均值t检验，如果样本不符合正态分布，则采用Wilcoxon检验。本文Friedman检验、K―S检验、配对样本均值t检验、配对样本Wilcoxon检验显著性水平均设定为软件系统的默认值0.05，如果Friedman检验、配对样本均值t检验、配对样本Wilcoxon检验概率P值小于或等于给定的显著性水平0.05，则认为两者存在显著性差异；反之，认为两者无显著性差异。本文使用MS Excel 2003软件整理数据和SPSS统计软件进行检验分析。

三、实证结果分析

（一）季度盈利预测模型之间预测能力的比较 （表1）提供了3个季度盈利预测模型在2008年2季度至2009年4季度共7个季度盈利预测误差APE均值、标准差及累积频率在100%内的分布情况。从APE均值、标准差及累积频率看，无论是含公允价值变动损益的盈利预测还是不含公允价值变动损益的盈利预测，3个模型中Model 4的APE 均值、标准差在3个模型中最大，而累积频率最小，其预测准确性最差。Model 2与Model 3各有优势，Model 2的APE均值小于Model 3，累积频率在20%、100%内大于Model 3；Model 2的APE标准差大于Model 3，累积频率在5%、10%、50%内小于Model 3。从预测误差APEFriedman检验结果看，如（表2）所示，无论是含公允价值变动损益的盈利预测还是不含公允价值变动损益的盈利预测，3个模型Friedman检验结果显示预测能力存在显著差异；3个模型两两配对Friedman检验结果显示Model 3与Model 4、 Model 2与Model 4盈利预测能力存在显著差异，Model 2与Model 3在含公允价值变动损益的盈利预测中存在显著性差异，在不含公允价值变动损益的盈利预测中在0.05的显著性水平下不存在显著性差异。

综合以上分析，本文选择Model 3为季度盈利预测模型。一是在不含公允价值变动损益的盈利预测中，Model 2与Model 3盈利预测能力不存在显著性差异；在含公允价值变动损益的盈利预测中，尽管Model 2在APE均值方面小于Model 3，但Model 3在APE标准差及累积频率方面占有优势。况且Model 2与Model 3APE 均值相差较小，同时均值易受某个或几个异常值的影响，而累积频率计算是通过比较样本中公司数在总体样本的分布情况，不涉及具体APE值，不受APE异常值的影响。二是这与国外理论界研究结论――季度盈利具有一定的季节性特征相符，也与徐跃（2007）进行季度盈利序列自相关分析的结论一致，即季度盈利预测具有一定的季节性特征，但没有显著的相邻季度特征。

（二）年度盈利预测分析年度盈利预测分析结果见（表3）。（1）均值及标准差比较分析。预测期2008年、2009年不含公允价值变动损益的APE均值、标准差均小于含公允价值变动损益的APE均值、标准差。因此从均值和标准差看，2008年、2009年不含公允价值变动损益的营业利润预测能力占优。（2）累积频率比较分析：（表3）显示了累积频率在100%内的分布情况。预测期2008年不含公允价值变动损益APE的累积频率在5%、10%、20%、50%、100%内大于含公允价值变动损益APE的累积频率；2009年不含公允价值变动损益APE的累积频率在10%、20%、50%、100%内大于含公允价值变动损益APE的累积频率，在5%内二者相等，因此2008年、2009年不含公允价值变动损益的营业利润盈利预测能力占优。（3）统计检验分析。首先通过K―S检验检验样本是否符合正态分布。预测期2008年、2009年样本K―S检验概率P值均为0.00，因此样本不符合正态分析，统计检验采用Wilcoxon检验。如（表3）所示，预测期2008年、2009年Wilcoxon检验结果概率P值均小于显著性水平0.05，二者存在显著性差异，不含公允价值变动损益的营业利润盈利预测能力占优。以上分析显示不含公允价值变动损益的营业利润盈利预测能力占优，公允价值降低了上市公司盈利预测能力。

（三）季度盈利预测 季度盈利预测分析结果见（表4）。（1）均值及标准差比较分析。如（表4）所示：预测期2008年1季度、2季度，2009年2季度、3季度含公允价值变动损益的APE均值、标准差小于不含公允价值变动损益的APE均值、标准差；2008年3季度、4季度，2009年1季度、4季度含公允价值变动损益的APE均值、标准差大于不含公允价值变动损益的APE均值、标准差。因此从均值和标准差看，2008年1季度、2季度，2009年2季度、3季度含公允价值变动损益的营业利润预测能力占优；2008年3季度、4季度，2009年1季度、4季度不含公允价值变动损益的营业利润预测能力占优。从均值标准差比较结果看，二者盈利预测能力相当。（2）累积频率比较分析。（表4）显示了累积频率在100%内的分布情况。预测期2008年1季度、2009年3季度含公允价值变动损益APE 的累积频率在5%、10%、20%、50%内大于不含公允价值变动损益APE的累积频率，因此2008年1季度、2009年3季度含公允价值变动损益的盈利预测能力占优；预测期2008年2季度不含公允价值变动损益APE的累积频率在20%、50%、100%内大于含公允价值变动损益APE的累积频率，2008年3季度不含公允价值变动损益APE的累积频率在5%、10%、20%、100%内大于含公允价值变动损益APE的累积频率，2008年4季度不含公允价值变动损益APE的累积频率在5%、10%、20%、50%、100%内大于含公允价值变动损益APE的累积频率，2009年2季度不含公允价值变动损益APE的累积频率在5%、10%、20%、50%内大于含公允价值累计频率；2009年4季度不含公允价值变动损益APE累积频率在20%、50%内大于含公允价值变动损益的APE，在5%、10%、100%内二者相当，因此预测期2008年2季度、3季度、4季度，2009年2季度、4季度不含公允价值变动损益的营业利润盈利预测能力占优； 2009年1季度二者累计频率各有优势，其预测能力相当。从累积频率看，公允价值对上市公司造成负面影响大于正面影响。（3）统计检验分析。首先通过K―S检验检验样本是否符合正态分布。预测期8个季度样本K―S检验概率P值均为0.00，因此样本不符合正态分析，统计检验采用Wilcoxon检验。如（表4）所示，预测期Wilcoxon检验结果概率P值均大于显著性水平0.05，因此二者不存在显著性差异，即含公允价值变动的盈利预测能力与不含公允价值变动的盈利预测能力相当，公允价值在预测期没有对上市公司盈利预测能力产生显著影响。以上分析显示含公允价值变动损益的营业利润与不含公允价值变动损益的营业利润的盈利预测能力相当，公允价值没有对上市公司盈利预测能力造成显著影响。

四、结论

本文通过建立模型，运用统计方法比较了我国上市公司2007年至2009年含公允价值变动损益的营业利润与不含公允价值变动损益的营业利润年度和季度盈利预测的准确性，通过比较预测的准确性判定公允价值的盈利预测能力。实证分析发现，年度盈利预测不含公允价值变动损益的营业利润的盈利预测能力占优；季度盈利预测含公允价值变动损益的营业利润与不含公允价值变动损益的营业利润的盈利预测能力相当。因此无论是年度盈利预测还是季度盈利预测，公允价值均不具有盈利预测能力。 本文存在如下不足：由于公允价值在我国应用时间较短，数据有限，因此本文没有通过时间序列推导盈利预测模型，而是直接引用前人的研究成果，这些模型是否适用于公允价值的盈利预测还值得进一步研究。我国企业除了金融工具和衍生金融工具的确认和计量能够直接应用公允价值，其他项目都要满足一定的条件才能运用，公允价值变动对金融企业的利润影响较大，公允价值在金融保险业中产生了巨大的影响徐晓庆（2009）。因此公允价值的运用对不同行业的影响程度是不一样的，本文没有分行业对对其预测能力进行研究。

参考文献：

［1］张岩：《我国上市公司中期财务报告预测价值研究》，《暨南大学硕士学位论文》2007年。

［2］葛家澍、杜兴强：《财务会计的基本概念、基本特征与基本程序》，《财会通讯》2004年第1期。

［3］玛丽.E.巴斯：《将对未来的估计包含在今天的财务报表中》，《会计研究》2007年第9期。

第4篇：统计与预测论文范文

【关键字】 灰色理论 BP神经网络 预测模型

一、引言

随着大数据时代的到来，BP神经网络预测模型已成为学术界研究的热点，并应用到多领域中。BP神经网络具有很好的非线性逼近以及自学习的能力，可高精度拟合预测值，但是，由于很多系统存在不确定性，传统的BP神经网络将原始时间序列直接作为输入值，而原始时间序列中具有很大的随机性和不确定性，使得神经网络在预测结果中，存在较大偏差。解决此问题的有效方法是将原始时间序列经过灰色理论进行白化处理，过滤掉数列中的不确定性和随机性等灰色特性，再将白化处理后的结果作为BP神经网络的输入。

二、灰色预测理论研究

根据研究对象的特性可将其分为白、灰、黑三类，该分类取决于研究者对系统信息的掌握程度，是基于认识程度而言，具有相对性。其中白色系统信息完全明确，黑色系统信息完全缺乏，而灰色系统是介于白色系统和黑色系统之间，其信息具有不充分、不完全的特性。灰色预测为灰色系统最典型的应用，在样本数据量较少、预测结果具有一定的随机性时，灰色理论是应用最为广泛的，克服了系统周期短和数据不足的矛盾。对于样本少、贫信息的不确定性系统[1]而言，由于原始数据毫无规律可循，因此灰色理论首先将原始时间序列进行累加，使其具有递增规律，然后对其进行拟合，最终将累加数据进行还原。其具体原理如下所示：设原始时间序列为累加为时间序列为，累加后是单调不减时间序列，可见，一般累加可将非负的任意无规律数列转换为单调不减数列。根据该时间序列，建立白化方程并得到方程的解。所得即为的估计值，但是由原始数列累加变换所得，因此，还需对估计值进行累减处理，最终即为所求预测值。

三、BP神经网络理论研究

BP神经网络是一种具有连续传递函数的前馈神经网络，其训练方法是误差反向传播算法，常用的为梯度下降法[2]。以均方误差最小化为目标不断修改网络权值和阈值，最终能高精度地拟合数据。BP神经网络模型结构分为三层，第一层为输入层，输入值为预测系统的主要影响因素的定量值；第二层为隐含层，每个神经网络模型至少包含一个隐含层，为了计算方便，本论文中采用一个隐含层进行预测；第三层为输出层，输出即为系统的预测结果，输出可为一个或多个，本文采用一个输出模式。设输入层的输入值为，隐含层的神经元值为，输出层的神经元值为。输入层神经元与隐含层神经元的权值为，隐含层神经元与输出层神经元的权值为。隐含层神经元的阈值为，激发函数为，输出层神经元的阈值为，激发函数为。在神经网络进行训练时，分为两个方向：信息正向传递和误差反向传播。在信息正向传递的过程中，隐含层每个神经元通过该神经元的阈值、其与输入层各神经元的权值及输入层各神经元本身的值的结合，在本层激励函数的作用下取得。神经网络经过以上的正向信息传递，将M维向量的N个样本数据作为输入，计算出隐含层神经元的值，最后计算出实际输出值。利用其与期望输出值T可计算出均方误差。将所得MSE沿原来正向信息传递的路径逐层反向传递，依据输出的MSE计算出各层的，并将作为依据，更新各连接的阈值和权值，此时误差反向传递完毕。网络模型反复进行信息正向传递和误差反向传递着两个过程，直到MSE达到标准或小于标准ε。

四、灰色神经网络预测模型的建立

由于灰色系统具有明显的不确定性，因此用灰色模型先将原始输入数据进行累加，使其具有明显的指数特性，并对其进行白化即用微分方程对其进行拟合预测。对于有N个参数的灰色神经网络的微分方程为：

其中，xi（1）（i=2，3，...，N）为系统输入值，xi（1）为系统输出值。记微分方程系数为

将GM（1，N）的输出值作为神经网络的输入值，即可得到灰色神经网络模型。

总结和展望：由于现实世界中的系统很多属于灰色系统，在对未来数据的预测过程中，仅凭传统的BP神经网络预测存在很大的偏差。而本文提出的灰色神经网络预测模型可以有效地过滤系统中的灰色特性，并充分发挥灰色理论和BP神经网络各自的优势，二者取长补短，使得最终对灰色系统的预测更加准确。但值得注意的是在神经网络预测的过程中，采用的梯度下降法只能找到局部最有值[3]，无法准确获取全局最优。可在以后的预测模型研究中考虑加入遗传算法等对此模型进行优化。

参 考 文 献

[1] 刘金英. 灰色预测理论与评价方法在水环境中的应用研究[D].吉林大学，2004.

第5篇：统计与预测论文范文

关键词：灰色预测模型；山东省；公路货运量预测

山东省占全国国土面积的1.6%、占全国人口数量的7.4%。2011年上半年，山东省创造了全国10%的GDP（Gross Domestic Product），完成外贸进出口额881.8亿元，占全国总额的5.7%；山东省公路货运量共完成20.73亿吨，占全国总量的15.8%。山东省公路货物运输的蓬勃发展，成为我国公路发展最快的地区之一，山东省公路发展已成为当今中国公路运输业繁荣兴旺的引擎，公路运输在山东省综合运输体系中的地位越来越重要。公路货运量规模和增长速度是公路发展的重要指标，它关系到如何科学规划道路、路线、人力资源、车辆和工业的布局等，关系到公路运输在国家综合交通运输体系中的比重。

准确地预测山东省货运量将给相关产业的正确决策提供可靠依据，科学地预测山东省公路运输需求将对山东省公路运输基础设施建设等一系列相关的事宜产生重大影响，并对山东省经济社会发展和对外开放起到积极的促进作用。但对于这种小样本、贫信息的数据进行预测，灰色系统理论要优于其他方法。

一、公路货运量预测方法研究

公路货运量是国民经济和社会发展的重要产物，是对交通需求的具体反映，也是公路交通规划的重要内容，是交通项目立项、决策、确定建设规模和技术标准等最基础的依据之一。目前，关于公路运输量的预测，大多采用的方法有延伸预测法――移动平均法、指数平滑法等和因果分析法――回归分析法、弹性系数法等，预测的结果精确度普遍较低，且因果法需要多种相关经济数据来支撑，使预测工作变得异常复杂。本文运用灰色系统理论，建立了山东省公路运输量的灰色预测模型GM（1，1），分析比对预测结果，模型具有较好历史拟合度，预测精度高，可靠性好。

公路货运量预测，通过利用历史的资料和市场信息，运用适当的方法和技巧，对未来的公路运输需求状况进行科学的分析、估算和推断。目前只能通过过去和现在的已知条件来推测或预测其发展结果，并且所得到的结论并非就是客观规律，不一定等于未来的真实情况，对未来进行预测时必定存在误差，且误差的大小随着预测的时间长度的增加而增加。

在货运量需求的预测中，依据不同的技术原理，预测主要有三大类：时间序列预测方法，如趋势外推预测法、指数平滑法、灰色预测法；因果关系预测方法，如回归分析法和弹性系数预测法；组合预测方法。

然而，采用通常的预测理论与方法所得到的预测结果可信度偏低，主要原因：

1.过去货运量统计资料缺乏，而高等级道路要求货运量预测期又较长（中远期）；

2.当以国民经济增长作货运量预测的相关依据时，对国民经济指标缺少深入的分解和相关性分析；

3.对货运量调查资料的可靠性存在疑问等。由于我们所面对的道路货运量是一个既含已知（过去及现在货运）、又含未知或非确知（未来货运量）的信息系统，在系统控制科学中成为典型的灰色系统，它的变化发展规律体现了道路交通系统的模糊性特征，所以对其系统规律的认知可应用灰色控制理论来解决问题。

通过文献研究，对货运量预测方法的有了更清晰的选择。《区域物流需求预测及灰色预测模型的应用》分析和比较了灰色预测模型、平均增长率法和回归分析法的预测准确度，认为灰色GM预测模型比较适合中短期预测；《对灰色预测模型残差问题的探讨》论述了当灰色预测模型检验不合格或精度不理想时，应对建立的模型进行残差修正（建立修正模型），以提高模型的预测精度；《组合模型在公路货运量预测中的应用研究》用多元线性系统回归模型和灰色系统模型的组合模型预测公路货运量，得到了较好的预测结果；《公路货运量预测系统分析》研究了影响货运量预测的因素，即：国民生产总值、产业布局、综合运输网、公路运输发展状况、自然资源的分布状况及其区位特点和其他。

二、灰色系统理论与灰色预测模型构建

灰色系统理论（Grey System Theory）是由我国著名学者邓聚龙教授根据“灰箱”概念拓广而来，并于1982年在国际上首先提出灰色系统理论。1989年在英国创办的《灰色系统学报》（ The Journal of Grey System），目前已成为MR和SA等重要国际文摘机构的核心期刊，并且向国际学术界倡导灰色理论的研究。截至2003 年底，MR、SCI、SA、EI等国际权威人士检索机构跟踪、摘引灰色系统论著达3000次以上。

灰色系统理论以“部分信息已知，部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象，灰色系统对数据及其分布的限制要求小，主要通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对现实世界的确切描述和认识，具有较强实用性和可操作性。

灰色系统理论认为，客观系统表象总存在有序的特征，尽管它具有复杂性、且统计数据缺乏完整性和系统性，但它仍然具有整体的功能。因此它们必然潜在某种内在规律，其关键在于探讨时应用适当的方法。灰色系统理论即为适用的方法，它克服了常用的统计回归分析方法的不足之处，即要求数据量（组） 大（多）、量（ 组） 少难以发现统计规律，计算工作量大，并要求呈一定的直线或曲线分布规律等种种弊端，提供了在贫信息情况下解决系统问题的新途径。

灰色预测方法是根据过去及现在已知的或非确知的信息，建立一个从过去引申到将来的GM模型，从而确定系统在未来发展变化的趋势，为规划决策提供依据。在灰色预测模型中，对时间序列进行数量大小的预测，称为等间隔序列的数列预测。预测模型为一阶微分方程和一个变域的灰色模型，记为GM（1，1）模型。通过建立多次残差GM（1，1）模型，对模型修改补充，将能更准确地反映动态情况。

灰色预测通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。其用等时距观测到的反应预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。

三、灰色理论与模型在公路货运量预测中的应用

（一）灰色模型建模机理

灰色系统建模是利用离散的时间序列数据建立近似连续的微分方程模型。其中，累加生成运算（AGO）是基本手段，其生成函数是灰色建模、预测的基础。

[x0k]来自所收集的描述过去、现在状况的数据，是构造系统数学模型的依据。对于离散过程，在一定程度上相对强化确定性和弱化不确定性是可能的，其途径就是通过累加生成运算得到生成时间序列[x1k]。生成时序与原始时序相比，随机性和明显的波动被弱化，确定性则增强。此时在生成层次上求解得到生成函数。据此建立被研究对象的模型，通过生成序列的数据GM模型得到预测值。即将[x1k]拟合成一阶线性微分方程：[d1xdt+ax1=u]

进一步求得时间响应函数：

[x11k+1=x01-uae-ak+ua]

作逆生成（还原）处理，得还原型为：

[x01k+1=1-eax01-uae-ak]

（二） 灰色模型预测方法

1.建立模型

步骤1 设有原始数据数列

[x0=x01，x02，...，x0n]

对[x0]作一次累加后生成数列

[x1=x11，x12，...，x1n]

其中：[x1k=i=1kX0i，K=1，2，...，n]

步骤2 建立微分方程[d1xdt+ax1=u]

利用最小二乘法求解参数[a、u]，只需求解[au=BTB-1BTYn]

其中：[B=-12x12+x111-12x13+x121......-12x1n+x1n-11]，[Yn=x02x03...x0n]

步骤3 求出模型的时间响应方程

[x11k+1=x01-uae-ak+ua]

做累减还原，可以得到还原成原始数列的预测模型：

[x01k+1=1-eax01-uae-ak，k=0，1，2，...，n-1]

步骤4 进行残差修正

记残差为[d0k=x0k-x01k]，类似地，对残差建立灰色预测模型[d0k+1=d01-udade-adk+udad]

得到残差灰色预测模型

[x12k+1=x01-uae-ak+ua+ηk-id0k+1]

式中[ηk-i=1k>i]或[ηk-i=0ki]，[i]为未参加建立模型的残差个数。同样作累减还原，即[x0k+1=x12k+1-x12k]得到最终的预测结果。

2.精度检验

灰色预测模型一般采用相对误差、后验比值C以及小误差频率P等3个指标对模型精度进行评价，计算公式如下：

相对误差：[ek=q0kx0k]，其中[q0k=x0k-x0k]；

后验差比值：[C=S2S1]，其中

[S22=1ni=1nq0k-q2，q=1ni=1nq0k]，

[S21=1nk=1nx0k-x2，x=1nk=1nx0k]。

3.小误差频率

一个好的预测模型的C值越小越好，一般要求小于0.35，最大不超过0.65。预测模型好坏的另一指标是小误差概率P，要求大于0.95，不得小于0.70。

四、山东省公路货运量需求预测

基于现有的调查统计资料，根据预测方法的研究，结合相关项目开展的交货量的调查，以及货运量增长的趋势来预测某一段时间内的货运量，进而对山东省公路货运量需求预测应用灰色理论进行预测模型的研究。通过运用灰色理论对山东省公路货运量数据建立灰色预测模型，对模型进行精度检验，并对未来货运量进行预测。

（一）山东省公路货运量分析和研究

根据山东省2010年的统计年鉴，得到1999-2010年山东省公路货运量历年数据和1999-2010年山东省公路货运量统计图（见图1）。

从1999年到2010年山东省公路货运量的变化曲线来看，山东省公路货运量在这段时间中一直呈现增长状态，1999年到2003年增长幅度较小，2007年到2010年增长幅度较大。另据统计，2008年上半年起由于美国金融危机加深，全球经济放缓，但山东省公路货运量仍维持在原来水平，受国际影响较小。

（二）常规预测

1.模型检验

运用灰色预测模型及残差修正的建模原理和方法，根据1999―2010年的山东省公路货运量数据资料，我们进行了GM（1，1）模型趋势预测。

利用软件计算得到参数[a=-0.14568，u=47801.142]，建立灰色GM（1，1）模型：[d1xdt-0.14568x1=47801.142]，计算结果见表1。

得到时间响应函数：

[x11k+1=394827e0.145677k-328131]。

通过计算可得，[C=S2S1=0.193

精度检验结果显示，预测精度等级为好，不需要进行修正。

尽管预测精度好，由于公路货运量受很多因素制约，因而具有不确定性。反应在数据上，可以看出货运量随着年份的增长具有在波动中增加的趋势。

2.运用预测模型进行预测

按灰色预测模型进行2013―2017年山东省公路货运量预测，结果见表2。

通过预测2013―2017年山东省公路货运量可知，未来几年内，山东省公路货运量将持续以较大幅度增长，2017年的公路货运量将达到2007年的近5倍，如不考虑其他因素，预测应该是准确的。但考虑国际经济危机周期性的爆发，山东省今后公路发展、车辆和人力资源的发展规模等，相关的数据还需要根据实际情况进行调整。

结束语

基于灰色系统理论，利用灰色模型对信息的模糊性、影响因素的随机性的弱化，挖掘潜在规律，建立适合道路交通量灰色预估模型，能较好地实现公路货运量的预测。本文中，通过对1999-2010年山东省公路货运量应用灰色预测模型进行分析与预测，结果显示，经过与既有实测货运量的比较，预测精度良好，同时该模型对未来的山东省2013-2017年公路货运量的预测基本符合山东省的经济、社会快速发展趋势，故该模型能基本满足工程实践中对公路货运量的预测要求，为正确确定山东省未来公路货运量的发展趋势提供科学依据。随着经济社会的快速发展与物流的迅猛发展，对山东省公路货运量的需求保持较大幅度的增长，因此，山东省应加强公路基础设施建设，利用预测数据进行合理开发，为山东省经济社会发展和对外开放起到积极的促进作用。

参考文献：

[1]何国华.区域物流需求预测及灰色预测模型的应用[J].北京交通大学学报（社会科学版），2008，7（1）：33-37

[2]丁岳维.组合预测模型的研究[J].西安公路交通大学学报，1997（4）100-104

[3]邓聚龙.灰色系统理论教程[M].武汉：华中理工大学出版社，1990

[4]刘思峰，党耀国，方志耕等.灰色理论及其应用[M].北京：科学出版社，2004

[5]傅立.灰色系统理论与应用[M].北京：科学技术文献出版社，1992

[6]张新天，罗晓辉.灰色理论与模型在交通量预测中的应用[J].公路，2001（8）：4-7

第6篇：统计与预测论文范文

关键词：灰色预测模型；文化产业；从业人员；广西

中图分类号：F124

一、引言

2011年广西正式颁布关于发展文化产业的“十二五”规划，也是广西文化产业发展以来第一个独立的五年规划。“规划”中明确提出，广西文化及相关产业增加值到2015年要实现1000亿元，要实现处于全国中等偏上的水平，要增大文化产业对全区GDP、财政收入和社会就业增长贡献率的大幅跃升，要实现文化产业占全区GDP比重的5%左右，成为广西国民经济中新的支柱性产业。

一国的兴旺和发展，人才是关键，一个产业也如此。因而，文化产业的兴旺和发展，需要加强对文化产业专业人才的培养，更要合理的有目的有计划的开发和培养文化产业人力资源。从而，对广西文化产业从业人员的需求进行合理的预测和分析有其实际应用意义，有利于促进政府合理的开发、引导和运用人力资源，有利于促进政府更好的掌握文化产业经济的发展趋势，更好的实现广西文化产业的第一个独立的五年规划。

本文基于灰色系统理论，运用GM（1，1）模型，对广西省2007-2011年的文化产业从业人员数据进行分析和预测，检测得出灰色预测模型符合广西文化产业从业人员领域预测的一级精度。因此，本文依据灰色预测模型对2012-2015年广西文化产业从业人员数量进行了合理预测，并对其结果进行分析。

二、广西文化产业发展现状

广西文化产业发展现状主要涉及以下两个方面。

（一）发展速度明显加快，但仍落后于国家文化产业增长速度水平

经过多年的努力，广西区的文化及相关产业的发展已经取得一定成绩，但就目前广西文化及相关产业的发展总体情况来看，广西区文化产业发展的总体水平不高。

据2008年至2012年《广西统计年鉴》中的数据显示，近五年来广西省文化产业的发展处于增长状态。2007年全区文化产业实现增加值198.71亿元，占全区生产总值5723.41亿元的3.41%；2008年实现增加值216.44亿元，比上年增长8.92%；2009年实现增加值272.11亿元，比上年增长28.01%；2010年实现增加值289.62亿元，比上年增长8.81%；2011实现增加值325.66亿元，比上年同比增长18.14%（见表1）。然而，在2007至2011年期间，全国文化产业增加值分别实现6455亿元、7630亿元、8400亿元、11052亿元和13479亿元，相比上一年的环比增长速度依次为18.20%、10.09%、31.57%和21.96%（见表2）。

从表1的数据可以看出，总体而言，近五年文化产业发展的绝对速度虽快，但发展速度不平稳，波动较大，且文化产业增加值占GDP的比重逐年下降，文化产业给区内经济和社会的贡献太小。除2008年奥运期间广西文化产业的环比增长速度高于GDP环比增长速度以外，自治区文化产业的环比增长幅度远远落后于GDP环比增长幅度，表现出经济发展与文化产业发展之间的不匹配，不利于物质文明和精神文明的共同进步和发展。而且，与全国文化产业发展水平相比，广西区文化产业平均发展速度滞后于国家文化产业的发展速度。

（二）广西文化产业从业人数的发展趋势

近五年来广西省文化产业从业人员数的发展趋势：2008年全区文化产业从业人数为66875人，与2007年全区文化产业从业人数71030人相比，有减少趋势，环比增长速度为-5.85%；从2008年开始呈现长期增加趋势，从2008年至2011年广西文化产业从业人员数分别为67032人、67980人和69242人，与上一年相比，增长速度分别为0.23%、1.41%和1.86%（见表3）。显然，在2007年出现了一个奇异值，也就是说2008年至2009年都是呈增长趋势，而2007年到2008年是一个下降趋势，而且下降幅度将近六个百分点。

因此，采用灰色系统理论模型中的累加生成算子对数据进行处理，通过累加可以看出灰量累积过程的发展态势，从而使离乱的原始数据呈现出它内部本有的规律和特性。从图1上的实际值曲线，无法显著的判别广西文化产业从业人员数的发展趋势，然而，通过累加生成算子对数据进行初步处理，虽然2007年至2008年广西区文化产业从业实际人数呈下降趋势，但广西文化产业从业人数内部呈现出的增长趋势强势的凸显出来，广西文化产业从业人员数的灰色数据转化成白化数据。

三、灰色预测模型简介

灰色预测模型主要从以下三个方面进行介绍。

（一）灰色预测模型的内涵

灰预测理论发源于我国。最早是邓聚龙教授在1981年上海举办的中-美控制系统学术会议上作“含未知系数的控制问题”的学术报告中对状态通道中灰色元控制问题进行了论述，并首次使用“灰色系统”一词，这是灰色预测理论雏形。1982年邓聚龙教授关于灰色系统理论的首篇中英文论文分别在《系统与控制通讯》（Systems&Control Letters）和《华中工学院学报》发表，并详细论述了灰色控制系统的定义及算理，这标志着灰色系统理论正式诞生。

后由我国学者刘思峰对该理论进行深入研究和拓展，在《灰色系统理论及其应用（第五版）》中提出，灰预测主要是通过灰色生成或序列算子的作用来弱化数据的随机性，挖掘序列内在的规律，不仅仅可以对连续的序列进行预测，而且可以通过对差分方程和微分方程之间的转化，实现利用离散的数据序列建立连续的动态微分方程的新解法。其中，GM（1，1）模型是目前在各领域应用最广泛，也是应用最普遍的解决连续型序列的核心灰预测模型。

（二）灰色预测模型的理论步骤

灰色预测模型主要涉及以下三个步骤。

1.对原始数据进行预处理

通过累加生成对原始数据X（0）进行预处理，得到新的数列：

2.求解相关数据并建立方程

求解发展灰数α和内生控制灰数u，并根据白化形式方程：

构建数列x（1）的预测模型。设待估参数向量为

根据最小二乘法解得 ，其中

3.确定模型

将 代入（1）式，通过求解微分方程，

得到 预测模型为：

（4）

（三） 灰色预测理论模型的检验

灰色预测理论模型结果一般采用三种方式进行精度检测，分别是残差检验、灰色关联度检验和后残差检验。本文介绍残差检验和后残差检验两种方式的简单运算步骤。

1.残差检验

残差检验是通过对原始数据列 与预测 值之间的残差 和相对误差 进行运算，从而判断模型的精确度。其中：

，

。借鉴前人的研究结果，一般认为M（0） （K）

2.后残差检验

首先，分别计算原始数列x（0）（k）和残差6（0）（k）的平均值 ；其次，分别计算原始数列x（0）（k）和残差6（0）（k）的方差。

其中

最后，计算出方差比C和小误差概率ρ。模型的精度等级可由C、P和灰色关联度gama三者共同限定（见表4）。

四、广西文化产业从业人员发展趋势预测模型的构建

本部分主要涉及如下几个方面。

（一）广西文化产业从业人员发展趋势的灰色预测模型构建步骤

第一，根据广西历年统计年鉴收集广西文化产业从业人员数据，确定选取广西文化产业从业人员2007-2011年的时间序列数据，也就是灰色预测模型中的原始数列为：

第二，对原始数据X（0）进行累加生成，得到新的数列

；

第三，根据方程（2）求解得到：

，

并解得：

，

即

第四，将 代入（3）式中，得到广西文化产业从业人员发展趋势预测的灰色预测模型为 ：

（二）模型检验

本文采用残差检验、后残差检验和灰色关联度检验三种方式对广西文化产业从业人员发展趋势预测模型进行精度检测（表5）。

由上表可知该模型的均方差比值为：

，小误差概率 ，所以该模型运用于广西文化产业从业人员发展趋势的预测符合一级精度，预测等级为优，且灰色关联度 ，故GM（1，1）预测模型适用于广西文化产业从业人员发展趋势的中长期预测。

（三）广西文化产业从业人员发展趋势预测

依据GM（1，1）预测模型对广西2012―2015年的文化产业从业人员数进行预测（表6）。

五、结论与不足

综合以上数据，可以看出，灰色预测模型在广西文化产业从业人员数预测中准确度高，预测等级为优，且未来五年广西文化产业从业人员数呈现稳步增长状态。灰色预测模型可用于广西文化产业从业人员数的中长期预测，政府可根据该数据合理的进行文化产业人力资源的开发和利用，有利于促进广西文化产业发展中人才战略的实施，从而推动广西文化产业科学合理的高速发展，进而更好的实现广西文化产业的“十二五”规划。

不足之处：本预测模型仅是单纯的依赖文化产业从业人数自身增长数据为研究对象，没有考虑自治区文化产业政策、GDP增长等其他因素对文化产业从业人员变动带来的间接影响。而未来文化产业的发展必然会受到政府的大力推动作用，未来对于文化产业从业人员数量的预测可以结合当地GDP目标、政府政策等宏观因素进行关联度分析和预测，二期工作将对多因素影响下的广西文化产业从业人员数进行预测，从而不断提高文化产业从业人员预测模型的准确性和精确度。

参考文献：

[1]邓聚龙.灰色控制系统[J].华中工学院学报，1982（10）.

[2]邓聚龙.灰理论基础[M].武汉：华中科技大学出版社，2002.

[3]闵惜琳.基于灰色预测模型GM（1，1） 的人才需求分析 [J].科技管理研究，2005（6）.

[4]朱海玲.人口数量最优预测模型与应用[J]. 统计与决策，2007（8）.

[5]杨名桂，杨晓霞.基于灰色预测模型的重庆市入境旅游客流量预测[J].西南师范大学学报（自然科学版），2010，35（3）.

第7篇：统计与预测论文范文

论文名称：基于BP神经网络的技术创新预测与评估模型及其应用研究

课题来源：单位自拟课题或省政府下达的研究课题

选题依据：

技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估,可以使企业对未来的技术发展水平及其变化趋势有正确的把握,从而为企业的技术创新决策提供科学的依据,以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下,企业的技术创新工作才能沿着正确方向开展,企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中,企业的技术创新决定着企业生存和发展、前途与命运,为了确保技术创新工作的正确性,企业对技术创新的预测和评估提出了更高的要求。

二、本课题国内外研究现状及发展趋势

现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。

(1)趋势外推法。指利用过去和现在的技术、经济信息,分析技术发展趋势和规律,在分析判断这些趋势和规律将继续的前提下,将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法,美国生物学家和人口统计学家RaymondPearl提出的Pearl曲线(数学模型为:Y=L∕[1+A?exp(-B·t)])及英国数学家和统计学家Gompertz提出的Gompertz曲线(数学模型为:Y=L·exp(-B·t))皆属于生长曲线,其预测值Y为技术性能指标,t为时间自变量,L、A、B皆为常数。Ridenour模型也属于生长曲线预测法,但它假定新技术的成长速度与熟悉该项技术的人数成正比,主要适用于新技术、新产品的扩散预测。

(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息,建立预测对象与影响因素的因果关系模型,预测技术的发展变化。相关分析法认为,一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的,这样,通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种:导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。

(3)专家预测法。以专家意见作为信息来源,通过系统的调查、征询专家的意见,分析和整理出预测结果。专家预测法主要有:专家个人判断法、专家会议法、头脑风暴法及德尔菲法等,其中,德尔菲法吸收了前几种专家预测法的长处,避免了其缺点,被认为是技术预测中最有效的专家预测法。

趋势外推法的预测数据只能为纵向数据,在进行产品技术创新预测时,只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势,并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中,对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推,而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测,但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式,而所得到的回归预测模型往往只能考虑少数几种主要影响因素,略去了许多未考虑的因素,所以,所建模型对实际问题的表达能力也不够准确,预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法,依靠的是预测者的知识和经验,往往带有主观性,难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献,为企业技术创新的预测提供了科学的方法论,但在新的经济和市场环境下,技术创新预测的方法和技术应有新的丰富和发展,以克服自身的不足,更进一步适应时展的需要,为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。

目前,在我国企业技术创新评估中,一般只考虑如下四个方面的因素:(1)技术的先进性、可行性、连续性;(2)经济效果;(3)社会效果;(4)风险性,在对此四方面内容逐个分析后,再作综合评估。在综合评估中所用的方法主要有:Delphi法(专家法)、AHP法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等,但技术创新的评估是一个非常复杂的系统,其中存在着广泛的非线性、时变性和不确定性,同时,还涉及技术、经济、管理、社会等诸多复杂因素,目前所使用的原理和方法,难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究,在我国的历史还不长,无论是指标体系还是评估方法,均处于研究之中,我们认为目前在企业技术创新评估方面应做的工作是:(1)建立一套符合我国实际情况的技术创新评估指标体系;(2)建立一种适应于多因素、非线性和不确定性的综合评估方法。

这种情况下,神经网络技术就有其特有的优势,以其并行分布、自组织、自适应、自学习和容错性等优良性能,可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题,它能克服上述各方法的不足。本项目以BP神经网络作为基于多因素的技术创新预测和评估模型构建的基础,BP神经网络由输入层、隐含层和输出层构成,各层的神经元数目不同,由正向传播和反向传播组成,在进行产品技术创新预测和评估时,从输入层输入影响产品技术创新预测值和评估值的n个因素信息,经隐含层处理后传入输出层,其输出值Y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置,考虑了概括性和动态性,力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素,尽管是黑匣子式的预测和评估,但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合,输出一个经非线性变换后较为精确的预测值和评估值。

据文献查阅,虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究,如文献[08]、[09]、[11]等,但尚未发现将神经网络应用于技术创新预测与评估方面的研究,在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下,以神经网络为基础来建立产品技术创新预测与评估模型,是对技术创新定量预测和评估方法的有益补充和完善。

三、论文预期成果的理论意义和应用价值

本项目研究的理论意义表现在:(1)探索新的技术创新预测和评估技术,丰富和完善技术创新预测和评估方法体系;(2)将神经网络技术引入技术创新的预测和评估,有利于推动技术创新预测和评估方法的发展。

本项目研究的应用价值体现在:(1)提供一种基于多因素的技术创新定量预测技术,有利于提高预测的正确性;（2）提供一种基于BP神经网络的综合评估方法,有利于提高评估的科学性;(3)为企业的技术创新预测和评估工作提供新的方法论和实用技术。

四、课题研究的主要内容

研究目标：

以BP神经网络模型为基础研究基于多因素的技术创新预测和评估模型,并建立科学的预测和评估指标体系及设计相应的模型计算方法,结合企业的具体实际,对指标和模型体系进行实证分析,使研究具有一定的理论水平和实用价值。

研究内容：

1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手,密切结合电子商务和知识经济对企业技术创新的影响,系统综合地分析影响产品技术创新的各相关因素,建立科学的企业技术创新预测和评估指标体系,并研究其量化和规范化的原则及方法。

2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时,需要一组决定其相对重要性的初始权重,权重的确定需要基本的原则作支持。

3、基于BP神经网络的技术创新预测和评估模型研究。根据技术创新预测的特点,以BP神经网络为基础,构建基于多因素的技术创新预测和评估模型。

4、基于BP神经网络的技术创新预测和评估模型计算方法设计。根据基于BP神经网络的技术创新预测和评估模型的基本特点,设计其相应的计算方法。

5、基于BP神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料,构建基于BP神经网络的技术创新预测和评估模型的学习样本,对预测和评估模型进行自学习和训练,使模型适合实际情况。

6、基于BP神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景,对基于BP神经网络的技术创新预测和评估技术进行实证研究。

创新点：

1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前,在技术创新的预测和评估指标体系方面,一种是采用传统的指标体系,另一种是采用国外先进国家的指标体系,如何结合我国实际当前经济形势,参考国外先进发达国家的研究工作,建立一套适合于我国企业技术创新预测和评估指标体系,此为本研究要做的首要工作,这是一项创新。

2、研究基于BP神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能,能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题,本项目首次将神经网络技术引入企业的技术创新预测和评估,这也是一项创新。

五、课题研究的基本方法、技术路线的可行性论证

1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素,并研究影响因素间的内在联系,确定其相互之间的重要度,探讨其量化和规范化的方法,将国外先进国家的研究成果与我国具体实际相结合,建立我国企业技术创新预测和评估的指标体系。

2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中,发现问题、分析问题,归纳和总结出具有共性的东西,探索技术创新预测与宏观因素与微观因素之间的内在关系。

3、采用先简单后复杂的研究方法。对基于BP神经网络的技术创新预测和评估模型的研究,先从某一行业出发,定义模型的基本输入因素,然后,逐步扩展,逐步增加模型的复杂度。

4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合,进行实证研究,在实践中丰富和完善,研究出具有科学性和实用性的成果。

六、开展研究已具备的条件、可能遇到的困难与问题及解决措施

本人长期从事市场营销和技术创新方面的研究工作,编写出版了《现代市场营销学》和《现代企业管理学》等有关著作,发表了“企业技术创新与营销管理创新”、“企业技术创新与营销组织创新”及“企业技术创新与营销观念创新”等与技术创新相关的学术研究论文,对企业技术创新的预测和评估有一定的理论基础,也从事过企业产品技术创新方面的策划和研究工作,具有一定的实践经验,与许多企业有密切的合作关系,同时,对神经网络技术也进行过专门的学习和研究,所以,本项目研究的理论基础、技术基础及实验场所已基本具备,能顺利完成本课题的研究,取得预期的研究成果。

七、论文研究的进展计划

2003.07-2003.09：完成论文开题。

2003.09-2003.11：影响企业技术创新发展的指标体系研究及其量化和规范化。

2003.11-2004.01：基于BP神经网络的技术创新预测和评估模型的构建。

2004.01-2004.03：基于BP神经网络的技术创新预测和评估模型计算方法研究。

2004.03-2004.04：基于BP神经网络的技术创新预测和评估模型体系的实证研究。

2004.04-2004.06：完成论文写作、修改定稿，准备答辩。

主要参考文献：

[01]傅家骥、仝允桓等.技术创新学.北京:清华大学出版社1998

[02]吴贵生.技术创新管理.北京:清华大学出版社2000

[03]柳卸林.企业技术创新管理.北京:科学技术出版社1997

[04]赵志、陈邦设等.产品创新过程管理模式的基本问题研究.管理科学学报.2000/2.

[05]王亚民、朱荣林.风险投资项目ECV评估指标与决策模型研究.风险投资.2002/6

[06]赵中奇、王浣尘、潘德惠.随机控制的极大值原理及其在投资决策中的应用.控制与决策.2002/6

[07]夏清泉、凌婕.风险投资理论和政策研究.国际商务研究.2002/5

[08]陈劲、龚焱等.技术创新信息源新探.中国软科学.2001/1.pp86-88

[09]严太华、张龙.风险投资评估决策方法初探.经济问题.2002/1

[10]苏永江、李湛.风险投资决策问题的系统分析.学术研究.2001/4

<11>孙冰.企业产品开发的评价模型及方法研究.中国管理科学.2002/4

[12]诸克军、杨久西、匡益军.基于人工神经网络的石油勘探有利性综合评价.系统工程理论与实践.2002/4

[13]杨力.基干BP神经网络的城市房屋租赁估价系统设计.中国管理科学.2002/4

[14]杨国栋、贾成前.高速公路复垦土地适宜性评价的BP神经网络模型.统工程理论与实践.2002/4

[15]楼文高.基于人工神经网络的三江平原土壤质量综合评价与预测模型.中国管理科学.2002/1

[16]胥悦红、顾培亮.基于BP神经网络的产品成本预测.管理工程学报.2000/4

[17]陈新辉、乔忠.基于TSA-BP神经网络的企业产品市场占有率预测模型.中国农业大学学报.2000/5

[18]刘育新.技术预测的过程与常用方法.中国软科学.1998/3

[19]温小霓、赵玮.市场需求与统计预测.西安电子科技大学学报.2000/5

[20]朱振中.模糊理论在新产品开发中的应用.科学管理研究.2000/6

[21]KimB.Clark&TakahiroFujimoto.ProductDevelopmentPerformance–Strategy、OrganizationandManagementinIndustry.HarvardBusinessSchoolPress.Boson1993

[22]GobeliDH,BrownDJ.Improvingtheprocessofproductinnovation.Research,TechnologyManagement,1993.36（2）:46-49

[23]SimonJ.Towner.Fourwaystoacceleratenewproductdevelopment.LongRangPlanning1994.27（2）:57-65

[24]AbdulAli,etal.Productinnovationandentrystrategy.JournalofProductInnovationManagement1995.12（12）:54-69

[25]EricVinHippel.ThesourcesofInnovation.OxfordUniversityPress.1988

[26]ShtubA,ZimermanY.Aneural-network-basedapproachforestimatingthecostofassembly.InternationalJournalofProductionEconomics,1993.32:189-207

[27]Wee-LiangTan,DattarreyaG.Allampalli,InvestmentCriteriaofSingaporeCapitalists,1997InternationalCouncilforSmallBusiness,SanFrancisco,California,June1997

[28]MichaelHenos,TheRoadtoVentureFinancing:GuidelinesforEntrepreneuts,R&DStraregistMagazine,Summer1991

[29]ChowGC,TheLargrangeMethodofoptimizationwithapplicationstoportfoliandinvestmentdecisions.JofEconomicDymamicsandControl1996

[30]Jensen,R..InformationCostandInnovationAdoptionPolicies,ManagementScience.Vol.34,No.2,Feb,1988

[31]R.K.Zutshi,T.W.Liang,D.G.Allampulli,SingaporeVentureCapitalistsInvestmentEvaluationCriteria:AReexamination.SmallBusinessEconomics13:9-26(1999)

第8篇：统计与预测论文范文

论文名称：基于BP神经网络的技术创新预测与评估模型及其应用研究

课题来源：单位自拟课题或省政府下达的研究课题

选题依据：

技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估,可以使企业对未来的技术发展水平及其变化趋势有正确的把握,从而为企业的技术创新决策提供科学的依据,以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下,企业的技术创新工作才能沿着正确方向开展,企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中,企业的技术创新决定着企业生存和发展、前途与命运,为了确保技术创新工作的正确性,企业对技术创新的预测和评估提出了更高的要求。

二、本课题国内外研究现状及发展趋势

现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。

(1)趋势外推法。指利用过去和现在的技术、经济信息,分析技术发展趋势和规律,在分析判断这些趋势和规律将继续的前提下,将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法,美国生物学家和人口统计学家RaymondPearl提出的Pearl曲线(数学模型为:Y=L∕[1+A?exp(-B·t)])及英国数学家和统计学家Gompertz提出的Gompertz曲线(数学模型为:Y=L·exp(-B·t))皆属于生长曲线,其预测值Y为技术性能指标,t为时间自变量,L、A、B皆为常数。Ridenour模型也属于生长曲线预测法,但它假定新技术的成长速度与熟悉该项技术的人数成正比,主要适用于新技术、新产品的扩散预测。

(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息,建立预测对象与影响因素的因果关系模型,预测技术的发展变化。相关分析法认为,一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的,这样,通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种:导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。

(3)专家预测法。以专家意见作为信息来源,通过系统的调查、征询专家的意见,分析和整理出预测结果。专家预测法主要有:专家个人判断法、专家会议法、头脑风暴法及德尔菲法等,其中,德尔菲法吸收了前几种专家预测法的长处,避免了其缺点,被认为是技术预测中最有效的专家预测法。

趋势外推法的预测数据只能为纵向数据,在进行产品技术创新预测时,只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势,并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中,对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推,而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测,但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式,而所得到的回归预测模型往往只能考虑少数几种主要影响因素,略去了许多未考虑的因素,所以,所建模型对实际问题的表达能力也不够准确,预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法,依靠的是预测者的知识和经验,往往带有主观性,难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献,为企业技术创新的预测提供了科学的方法论,但在新的经济和市场环境下,技术创新预测的方法和技术应有新的丰富和发展,以克服自身的不足,更进一步适应时展的需要,为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。

目前,在我国企业技术创新评估中,一般只考虑如下四个方面的因素:(1)技术的先进性、可行性、连续性;(2)经济效果;(3)社会效果;(4)风险性,在对此四方面内容逐个分析后,再作综合评估。在综合评估中所用的方法主要有:Delphi法(专家法)、AHP法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等,但技术创新的评估是一个非常复杂的系统,其中存在着广泛的非线性、时变性和不确定性,同时,还涉及技术、经济、管理、社会等诸多复杂因素,目前所使用的原理和方法,难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究,在我国的历史还不长,无论是指标体系还是评估方法,均处于研究之中,我们认为目前在企业技术创新评估方面应做的工作是:(1)建立一套符合我国实际情况的技术创新评估指标体系;(2)建立一种适应于多因素、非线性和不确定性的综合评估方法。

这种情况下,神经网络技术就有其特有的优势,以其并行分布、自组织、自适应、自学习和容错性等优良性能,可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题,它能克服上述各方法的不足。本项目以BP神经网络作为基于多因素的技术创新预测和评估模型构建的基础,BP神经网络由输入层、隐含层和输出层构成,各层的神经元数目不同,由正向传播和反向传播组成,在进行产品技术创新预测和评估时,从输入层输入影响产品技术创新预测值和评估值的n个因素信息,经隐含层处理后传入输出层,其输出值Y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置,考虑了概括性和动态性,力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素,尽管是黑匣子式的预测和评估,但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合,输出一个经非线性变换后较为精确的预测值和评估值。

据文献查阅,虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究,如文献[08]、[09]、[11]等,但尚未发现将神经网络应用于技术创新预测与评估方面的研究,在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下,以神经网络为基础来建立产品技术创新预测与评估模型,是对技术创新定量预测和评估方法的有益补充和完善。

三、论文预期成果的理论意义和应用价值

本项目研究的理论意义表现在:(1)探索新的技术创新预测和评估技术,丰富和完善技术创新预测和评估方法体系;(2)将神经网络技术引入技术创新的预测和评估,有利于推动技术创新预测和评估方法的发展。

本项目研究的应用价值体现在:(1)提供一种基于多因素的技术创新定量预测技术,有利于提高预测的正确性;(2)提供一种基于BP神经网络的综合评估方法,有利于提高评估的科学性;(3)为企业的技术创新预测和评估工作提供新的方法论和实用技术。

四、课题研究的主要内容

研究目标：

以BP神经网络模型为基础研究基于多因素的技术创新预测和评估模型,并建立科学的预测和评估指标体系及设计相应的模型计算方法,结合企业的具体实际,对指标和模型体系进行实证分析,使研究具有一定的理论水平和实用价值。

研究内容：

1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手,密切结合电子商务和知识经济对企业技术创新的影响,系统综合地分析影响产品技术创新的各相关因素,建立科学的企业技术创新预测和评估指标体系,并研究其量化和规范化的原则及方法。

2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时,需要一组决定其相对重要性的初始权重,权重的确定需要基本的原则作支持。

3、基于BP神经网络的技术创新预测和评估模型研究。根据技术创新预测的特点,以BP神经网络为基础,构建基于多因素的技术创新预测和评估模型。

4、基于BP神经网络的技术创新预测和评估模型计算方法设计。根据基于BP神经网络的技术创新预测和评估模型的基本特点,设计其相应的计算方法。

5、基于BP神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料,构建基于BP神经网络的技术创新预测和评估模型的学习样本,对预测和评估模型进行自学习和训练,使模型适合实际情况。

6、基于BP神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景,对基于BP神经网络的技术创新预测和评估技术进行实证研究。

创新点：

1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前,在技术创新的预测和评估指标体系方面,一种是采用传统的指标体系,另一种是采用国外先进国家的指标体系,如何结合我国实际当前经济形势,参考国外先进发达国家的研究工作,建立一套适合于我国企业技术创新预测和评估指标体系,此为本研究要做的首要工作,这是一项创新。

2、研究基于BP神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能,能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题,本项目首次将神经网络技术引入企业的技术创新预测和评估,这也是一项创新。

五、课题研究的基本方法、技术路线的可行性论证

1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素,并研究影响因素间的内在联系,确定其相互之间的重要度,探讨其量化和规范化的方法,将国外先进国家的研究成果与我国具体实际相结合,建立我国企业技术创新预测和评估的指标体系。

2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中,发现问题、分析问题,归纳和总结出具有共性的东西,探索技术创新预测与宏观因素与微观因素之间的内在关系。

3、采用先简单后复杂的研究方法。对基于BP神经网络的技术创新预测和评估模型的研究,先从某一行业出发,定义模型的基本输入因素,然后,逐步扩展,逐步增加模型的复杂度。

4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合,进行实证研究,在实践中丰富和完善,研究出具有科学性和实用性的成果。

六、开展研究已具备的条件、可能遇到的困难与问题及解决措施

本人长期从事市场营销和技术创新方面的研究工作,编写出版了《现代市场营销学》和《现代企业管理学》等有关著作,发表了“企业技术创新与营销管理创新”、“企业技术创新与营销组织创新”及“企业技术创新与营销观念创新”等与技术创新相关的学术研究论文,对企业技术创新的预测和评估有一定的理论基础,也从事过企业产品技术创新方面的策划和研究工作,具有一定的实践经验,与许多企业有密切的合作关系,同时,对神经网络技术也进行过专门的学习和研究,所以,本项目研究的理论基础、技术基础及实验场所已基本具备,能顺利完成本课题的研究,取得预期的研究成果。

七、论文研究的进展计划

2003.07-2003.09：完成论文开题。

2003.09-2003.11：影响企业技术创新发展的指标体系研究及其量化和规范化。

2003.11-2004.01：基于BP神经网络的技术创新预测和评估模型的构建。

2004.01-2004.03：基于BP神经网络的技术创新预测和评估模型计算方法研究。

2004.03-2004.04：基于BP神经网络的技术创新预测和评估模型体系的实证研究。

2004.04-2004.06：完成论文写作、修改定稿，准备答辩。

主要参考文献：

[01]傅家骥、仝允桓等.技术创新学.北京:清华大学出版社1998

[02]吴贵生.技术创新管理.北京:清华大学出版社2000

[03]柳卸林.企业技术创新管理.北京:科学技术出版社1997

[04]赵志、陈邦设等.产品创新过程管理模式的基本问题研究.管理科学学报.2000/2.

[05]王亚民、朱荣林.风险投资项目ECV评估指标与决策模型研究.风险投资.2002/6

[06]赵中奇、王浣尘、潘德惠.随机控制的极大值原理及其在投资决策中的应用.控制与决策.2002/6

[07]夏清泉、凌婕.风险投资理论和政策研究.国际商务研究.2002/5

[08]陈劲、龚焱等.技术创新信息源新探.中国软科学.2001/1.pp86-88

[09]严太华、张龙.风险投资评估决策方法初探.经济问题.2002/1

[10]苏永江、李湛.风险投资决策问题的系统分析.学术研究.2001/4

<11>孙冰.企业产品开发的评价模型及方法研究.中国管理科学.2002/4

[12]诸克军、杨久西、匡益军.基于人工神经网络的石油勘探有利性综合评价.系统工程理论与实践.2002/4

[13]杨力.基干BP神经网络的城市房屋租赁估价系统设计.中国管理科学.2002/4

[14]杨国栋、贾成前.高速公路复垦土地适宜性评价的BP神经网络模型.统工程理论与实践.2002/4

[15]楼文高.基于人工神经网络的三江平原土壤质量综合评价与预测模型.中国管理科学.2002/1

[16]胥悦红、顾培亮.基于BP神经网络的产品成本预测.管理工程学报.2000/4

[17]陈新辉、乔忠.基于TSA-BP神经网络的企业产品市场占有率预测模型.中国农业大学学报.2000/5

[18]刘育新.技术预测的过程与常用方法.中国软科学.1998/3

[19]温小霓、赵玮.市场需求与统计预测.西安电子科技大学学报.2000/5

[20]朱振中.模糊理论在新产品开发中的应用.科学管理研究.2000/6

[21]KimB.Clark&TakahiroFujimoto.ProductDevelopmentPerformance–Strategy、OrganizationandManagementinIndustry.HarvardBusinessSchoolPress.Boson1993

[22]GobeliDH,BrownDJ.Improvingtheprocessofproductinnovation.Research,TechnologyManagement,1993.36(2):46-49

[23]SimonJ.Towner.Fourwaystoacceleratenewproductdevelopment.LongRangPlanning1994.27(2):57-65

[24]AbdulAli,etal.Productinnovationandentrystrategy.JournalofProductInnovationManagement1995.12(12):54-69

[25]EricVinHippel.ThesourcesofInnovation.OxfordUniversityPress.1988

[26]ShtubA,ZimermanY.Aneural-network-basedapproachforestimatingthecostofassembly.InternationalJournalofProductionEconomics,1993.32:189-207

[27]Wee-LiangTan,DattarreyaG.Allampalli,InvestmentCriteriaofSingaporeCapitalists,1997InternationalCouncilforSmallBusiness,SanFrancisco,California,June1997

[28]MichaelHenos,TheRoadtoVentureFinancing:GuidelinesforEntrepreneuts,R&DStraregistMagazine,Summer1991

[29]ChowGC,TheLargrangeMethodofoptimizationwithapplicationstoportfoliandinvestmentdecisions.JofEconomicDymamicsandControl1996

[30]Jensen,R..InformationCostandInnovationAdoptionPolicies,ManagementScience.Vol.34,No.2,Feb,1988

[31]R.K.Zutshi,T.W.Liang,D.G.Allampulli,SingaporeVentureCapitalistsInvestmentEvaluationCriteria:AReexamination.SmallBusinessEconomics13:9-26(1999)

第9篇：统计与预测论文范文

关键词：灰色系统理论；灰色预测；GM模型；功能退化

中图分类号：U446 文献标识码：A

1 概述

我国公路交通建设正在蓬勃发展，但是总体还是偏重建设，对管理和养护还没有足够的投入。随着时间的推移，越来越多的桥梁将接近设计使用年限，或者由于各种原因使结构受到损伤，桥梁老化现象明显。因此，对正在使用的桥梁进行功能退化预测很有必要，以便及时对桥梁进行养护维修，保证桥梁的使用期限，节约国家的建设资金，同时也避免了发生重大的安全事故。

2 灰色系统理论

灰色理论认为系统的行为现象尽管是朦胧的，数据是复杂的，但它毕竟是有序的，是有整体功能的。通过少量的、不完全的信息，建立灰色微分预测模型，实现对系统的运行行为、发展规律的正确描述和有效的监控。

灰色模型是灰色系统理论的核心，是进行灰色预测、决策和控制的基础。灰色系统模型主要有：GM（1，1）模型、残差GM（1、1）模型、GM（0，N）模型、GM（1，N）模型和离散灰色模型。一般常用的是GM（1，1）模型[1]。

3 灰色系统预测

灰色系统预测是通过原始数据的处理和灰色模型的建立，探索系统的变化规律，对系统的发展状况作出科学的定量预测。

根据预测的具体情况，灰色系统预测一般分为数列预测、区间预测、灰色灾变预测、波形预测、系统综合预测和模糊预测[2]。

3.1 灰色系统建模

本文以涪陵乌江二桥为研究背景，采用的是数列预测的GM（1，1）模型。介绍与工程密切相关的灰色模型的建立与应用。

设有原始序列，

则为X(0)作r次累加生成的AGO系列。式中

则

X(1)的灰导数为d(k)=X(0)(k)，其相应的灰色微

分型方程为:。

而对于上述的灰色微分方程，灰倒数x(0)(k)对应的背景值{x(1)(k)，x(1)(k-1)}中得元素并不满足平射关系。

故令背景值取X(1)中元素的平均值，即令，则背景值z(1)(k)与灰导数x(1)(k)相互之间具有平射关系。

在灰色预测学中要求的数据较少，对于本文采用的GM（1,1）模型仅用4个数据就可以估计模型的参数，并且可以达到一定的精度。但是要求采用的数据序列包含有一定的灰色信息。

3.2 模型的预测分析

本文采用重庆市涪陵区乌江二桥为工程背景，根据定期检测的数据，对该桥的实际工作状态作出评估。评估结果如表1。

根据表1可知，随着时间的推移，桥梁结构的工作状态是一个缓慢退化的过程。

同时也可得到该桥成桥营运以后的工作状态评估结果，根据结果建立数据模型：

，

进行一次累加，作X（0）的1-AGO的生成序列X（1）：

；又

得：。

对X（0）进行光滑性检验，验证是否满足建模条件。

据得

满足光滑检验条件。故可以运用灰色系统中得数列预测方法，对该桥的功能退化状态进行预测。计算结果如表2

经过检验，预测结果的平均相对误差小于1%，精度满足要求。

从上图上看，桥梁结构状态随时间推移不断退化，这是符合一般桥梁实际使用状况的。为了延缓桥梁结构状态的退化，要根据实际情况及时的对桥梁进行养护、维修。

结语

预测结果证明，利用灰色系统理论进行桥梁状态预测，用较少的数据就可以建立一个GM(1,1)预测模型，还能够获得较好的预测结果，从而为桥梁后期使用过程中的养护、维修提供理论依据。避免了由于信息不完全、关系部明确，难以用一般方法进行分析。体现了灰色系统理论在功能预测中的独特优势和较强的实用性。但是，由于桥梁在使用过程中，不断受到系统内外多方面更因素的干扰，使得远期评估数据反映桥梁功能退化的真实程度逐渐降低。因此在对桥梁的功能退化分析过程中，要及时提供桥梁近期评估数据，以便做出精度较高的评估，更加真实的反映桥梁功能退化的趋势。

参考文献

[1]王正新.GM（1,1）模型的特性与优化研究[D].南京：南京航空航天大学，2007.