最优组合预测方法及其应用
基于最优线性组合的港口集装箱吞吐量预测方法
Ｖ ｏ ．３ Ｎ ｏ． １ １ ２
Ａｐ ． ２ ７ ｒ ００
基 于最优 线性 组 合 的 港 口集 装 箱吞 吐量 预 测方 法 ＊
张 浩
（ 汉大学数学与统计学院 武 武汉 ４０７） ３ ００
摘要 ： 以某 港 １ ８ ～ １ ９ ９ １ ９ ９年 集 装 箱 吞 吐 量 为 实 测 数 据 ， 立 其 集 装 箱 吞 吐 量 的趋 势 外 推 、 间 序 列 建 时
一
＋ 口６ ｒ
拟 合度 好 的情 况下 ， 模 型 的预测 值 与 港 口集 装 各
箱 吞吐量 的实际值 相 比存 在较 大 的误 差． 针对 这 一 问题 ， 且 以某 港 集 装箱 吞 吐 量 预 并
Ｖ，
注 ： 为 时 序 ． 参 数 值 由微 分法 确定 ． ｔ 各
１ ｒｗｎ单 一 参 数 线 性 指 数 平 滑 法 ）Ｂ ｏ Ｂｏ ｒｗｎ单 一 参数 线性 指数 平滑 法 ， 称二 次 指 数 又 平滑法 ． 当令 第 ｆ ＋ 年 的预测 值 为 ＋ 时 ， 有 则
平 滑 、 归 分 析 和灰 色 系 统 等 预 测 模 型 ． 比该 港 ２ ０ ￣ ２ ０ 集 装 箱 吞 吐 量 各 模 型 预 测 值 与实 回 对 ００ ０ ５年 际 值 的 差 异 ． 析 了差 异 产 生 的 原 因 及 其 单 一 预 测 模 型 的 局 限 性 ． 出 了 基 于 最 优 线 性 组 合 的港 分 提
一
数 学 形 式
＝口 ｅ ａ＞ ０
好 的实 用价 值． 是 ， 但 当本 文 利用这 些 预测方法 来
预 测 我 国沿 海 港 口集 装 箱 吞 吐量 时 ， 现根 据 这 发 些 预测 方法 所建 立 的预测 模 型在能 够通 过检验 或
最优子集回归法
最优子集回归法最优子集回归法是一种用于选择最佳预测变量的统计方法。
它通过比较不同的预测变量组合来确定最佳的预测模型。
最优子集回归法的主要优点是可以在不增加模型复杂度的情况下提高预测精度。
本文将介绍最优子集回归法的基本原理、应用场景和实现方法。
最优子集回归法的基本原理最优子集回归法的基本原理是通过比较不同的预测变量组合来确定最佳的预测模型。
具体来说，最优子集回归法将所有可能的预测变量组合进行比较，找出能够最好地解释响应变量的预测变量组合。
在比较过程中，最优子集回归法会考虑模型的复杂度和预测精度，以确保选择的预测变量组合既能够解释响应变量，又不会过度拟合数据。
最优子集回归法的应用场景最优子集回归法适用于以下场景：1. 数据集中包含多个预测变量，但不确定哪些变量对响应变量的影响最大。
2. 预测模型需要具有高精度，但不能过度拟合数据。
3. 预测模型需要具有可解释性，以便更好地理解响应变量和预测变量之间的关系。
最优子集回归法的实现方法最优子集回归法的实现方法包括以下步骤：1. 构建所有可能的预测变量组合。
2. 对每个预测变量组合进行回归分析，计算模型的拟合度和预测精度。
3. 比较不同预测变量组合的拟合度和预测精度，选择最佳的预测变量组合。
4. 对最佳预测变量组合进行进一步的分析，以确定模型的可解释性和稳定性。
最优子集回归法的优缺点最优子集回归法的优点包括：1. 可以选择最佳的预测变量组合，提高预测精度。
2. 可以控制模型的复杂度，避免过度拟合数据。
3. 可以提高模型的可解释性，更好地理解响应变量和预测变量之间的关系。
最优子集回归法的缺点包括：1. 计算复杂度较高，需要考虑所有可能的预测变量组合。
2. 可能会出现过拟合或欠拟合的情况，需要进行进一步的分析和调整。
结论最优子集回归法是一种用于选择最佳预测变量的统计方法。
它通过比较不同的预测变量组合来确定最佳的预测模型。
最优子集回归法适用于数据集中包含多个预测变量，但不确定哪些变量对响应变量的影响最大的场景。
正权重组合预测模型及其在经济中的应用
中 图分 类 号
文献 标 识 码 ： Ａ
引 言
组合 预测 的基础 是单 项预 测． 济预 测 中常用 的单 项 预 测模 型 一般 分 为 时 间序 列模 型 和 经 回归模 型． 间序列模 型 的缺点 在 于不能 充分 利用 与预测 经济 指标 密切相 关 的经济 因素 ， 时 导致 预测 的数 据不 准确 和不稳 定． 回归模 型虽 然考 虑 了各相关 经济 因素 ， 但需 要事 先知道 其他经 济 因素与 预测经 济指标 间 的 函数 关 系 ， 在此 需要 首先 确定 预测经 济指 标与 哪些经 济 因素有关 ， 特
出通 过 Ｇ ＭＤＨ 方 法首 先 对 影 响 经济 预 测 模 型 的各 变量 进 行 筛选 然后 再 建 立 回 归模 型 、 经 网络 模 型等 单 神
项预 测模 型 的 思 想 ； 后 结 合 ＧＭＤＨ 方 法 建 立 的 时 间序 列模 型 ， 立 正 权 重 组 合 预 测模 型． 最 建
特 点是认 为参 加组合 预测 的各 个预 测模 型间是 一种 线性 关系 ． 类 为非线 性组 合预测 方法 ， 一 使
用 较 多的是 人 工神 经 网络 方 法． 国学者 唐小 我 等 我
进行 了一 系列权 系 数组 合预 测 的研 究
工作 ， 取得 较 多研究成 果． 其基 本原理 是 ： 通过单 项 预测 值 乘 以各 自权重 的和 而得 到 其组 合 预
测值 ． 其本 质就 是将 各种单 项预 测看 作代 表不 同信 息 的片段 ， 过信 息 的集 成分 散单 个预测 特 通
有 的不确 定性 和减少 总体 的不 确 定 性 ， 而 提 高 预测 精 度． 确 定加 权 权 重 （ 称 组 合权 重 ） 从 在 也
铁路货运量的预测方法
铁路货运量的预测方法铁路货运量预测技术一般可以分为三大类，定性分析预测技术、定量分析预测技术以及两者相结合的综合预测技术。
定性预测分析技术，通常指那些凭经验判断的预测，一般是在缺少进行定量分析所必需的资料的情况下采用，侧重于研究推断预测对象未来发展的大体趋势和性质，其预测的精确度，主要取决于参与人员的专业知识和经验。
定量分析预测技术，是指以已经掌握的历史数据作为基础，建立适当的经济数学模型，对未来的运量做出测算的技术。
其特点是有明显的数量概念，侧重于研究测算对象的发展程度（包括数量、时间、相关因素的比值等）。
定量预测和定性预测，各有其长处和局限性，实际应用中往往需要把定量预测和定性预测方法相结合，即在定性分析的基础上进行定量预测，而定性预测也采用一定的定量预测分析方法，以提高预测结果的准确性。
因此，综合预测技术是货运量预测经常采用的方法。
1货运量的定性预测定性预测方法主要以专家为索取信息的对象，组织各方面专家运用专业方面的经验和知识，通过对过去和现在发生的问题进行综合分析，从中找出规律，对未来作出判断。
主要为专家预测法，该预测方法在缺乏足够的统计数据和原始资料的情况下，凭借专家的经验和判断能力，用系统的、逻辑的思维方法作出定量估价，从而预测未来。
该方法需要的数据少，能考虑无法定量的因素，比较简单易行。
花费的时间少，是应用历史较久的一种方法，至今在各类预测方法中仍占重要地位。
但这种方法在很大程度上取决于专家的实践经验和专业水平，存在片面性、准确度不太高的缺点。
只能作为货运量预测的一种辅助方法。
1.1专家个人判断预测方法（个人头脑风暴法）专家个人判断预测方法就是以“专家”的“微观智能结构”通过创造性思维来获取未来信息。
即依靠专家对预测对象未来的发展趋势及状况所做的个人判断进行预测。
这是一种由来已久的预测方法，并在有关领域专家个人的实际工作中自发进行。
优点是可以最大限度地利用个人的创造能力，不受外界环境的影响，没有心理压力，并且组织工作简单，预测成本低。
论船舶交通流量及几种预测方法
论船舶交通流量及几种预测方法摘要：船舶交通流是指连续运行的海上船舶等交通工具的总和，对其进行定量描述的参数有船舶交通流方向、船舶交通流量、船舶交通流密度、船舶交通流宽度、船舶交通流速度等。
本文主要对船舶交通流量及其预测方法进行简单介绍.，并分析这几种方法特性，以便对船舶交通流提出较为系统的预测方法，更好的为船舶交通规划和调度管理提供依据。
标签：船舶交通流量；影响因素；预测方法1 船舶交通流量船舶交通流量是船舶交通流的一个反映尺度，是指单位时间（年/月/日/小时）内通过水域中的某一地点的所有的船舶艘数，船舶交通流量越大，该水域对应地点的交通规模就越大，也就越繁忙，并且在一定程度上船舶交通流量的大小能反映其所在水域交通的是否有序与拥堵状况.船舶交通量的调查研究是船舶交通规划中的重要组成部分，只有掌握了实时的交通流量数据信息，才能更准确地对未来的交通流量进行预测，为船舶交通规划设计与调度管理提供实时的更准确有效的依据。
船舶交通流量的统计通常按时均值、日均值、月均值、高峰时交通量、年最大小时交通量、年最大日交通量等，其中前三者分别表示时间段内小时、日、月的平均交通流量，后三者分别表示全天各小时交通量中最大的1个小时的交通流量、1年内各小时交通量中最大1个小时交通量、1年内各日交通流量中最大的1个日交通量.后面所用数据均为日到达量统计。
2 船舶交通流量预测及其影响因素船舶交通流量的预测具有提前的（预测性）、总是有误差的（非实际观测性）、在空间上可扩张与缩小的（选择性）等特点，它是一种可测性增量的研究，是一种艺术性色彩很浓的研究，同时，它的预测与水运经济有关，又不完全属于经济预测，它是一种有条件的微观预测。
船舶交通流量具有惯性原则、类推原则、相关性原则、概推断原则等，它的预测一般有直觉法、因果法、外推法等基本方法。
船舶交通流量的大小与多方面的因素有关，如社会经济发展水平、研究的交通流所处地域、当地的物产、货运市场等，其影响因素又有内因与外因之分。
浅谈BLUP方法及其三种形式的应用
浅谈BLUP方法及其三种形式的应用摘要：blup（best linear unbiased prediction，最佳线性无偏预测）方法是目前进行育种值估计最好的方法，它已经在各个国家得到了广泛应用，有利于各国畜牧业的发展。
本文主要介绍blup 的基本原理、特点、基本步骤；并简述目前常用的blup三种形式（e-blup、r-blup、m-blup）的模型、原理以及blup的应用和未来的发展前景。
关键词：blup; 家畜育种; 模型中图分类号：s8-0 文献标识码：a 文章编号：1674-0432（2012）-07-0139-21949年，美国数量遗传学家c.r.汉特逊（henderson）在研究对于不平衡资料应用混和模型方程组的原理估计固定效应和预测随机效应时，提出了blup（best linear unbiased prediction，最佳线性无偏预测）方法[1]，于1973年在纪念勒什（lush）的学术讨论会上他又对该法的理论和应用进行了系统阐述，同时随着计算机技术的迅速发展和普及，blup法才得到了广泛的应用，普遍认为blup法是最好的畜禽遗传评定方法。
1 blup法的概述1.1 基本原理blup是一种数理统计方法，基本原理是线性统计模型方法论与数量遗传学相结合。
blup模型中包括固定效应和除了残差效应以外的随机效应，所以是一个混合模型。
blup混合模型的一般形式：yijk =μ+hi+sj+eijk (1)式中yijk：观察值向量，μ：总体均值，hi：第i个畜禽的固定效应值，sij：第i个畜群中第j个公畜的随机遗传效应，eijk：随机剩余效应。
以矩阵形式表示为：y=xβ+zn+e (2)式中y：观察值向量，x：固定因子结构矩阵，β：固定效应向量，z：随机因子的结构矩阵，u：随机效应向量，e：随机残差向量,并有e～n(0,r)，e(y)=xβ,e(u)=0, e(e’)=0,var(u)=g,var （e）=r, cov(u，e,)=0, var（y）=v=zgz’+r当u和e服从正态分布，即u～n(0,g), e～n(0,r)时y和u的联合密度函数：f(y,u)=f1(y∣u)f2(u)f1(y∣u)=c1exp{-1/2(y- xβ-zu)’r-1(y- xβ-zu)}f2(u)= c2exp{-1/2u’g-1u}f(y,u)＝cexp{-1/2(y- xβ-zu)’r-1(y-xβ-zu)-1/2u’g-1u} 其中：c＝c2*c1,为一常数。
自由组合定律的应用
在二倍体生物中，假设有n对独立遗传的等位基因，其杂合子产生的配子类型数 为2^n种，而每种配子出现的概率相等。
自由组合定律的发现过程
孟德尔的豌豆实验
孟德尔通过豌豆杂交实验，发现不同性状之间存在独立的遗传关系，且这些性状 在子代中以一定比例分离。
解释与验证
孟德尔提出了遗传因子概念，并提出了自由组合定律，解释了不同性状之间独立 遗传的现象。后来，其他科学家通过实验验证了这一理论的正确性。
优化育种方案
自由组合定律可以指导育种工作 者制定更加科学合理的育种方案，
提高育种效率和成功率。
预测育种结果
根据自由组合定律，可以预测不同 育种方案可能产生的结果，从而选 择最优方案。
指导基因资源利用
自由组合定律可以帮助育种工作者 更好地利用基因资源，发掘具有优 良性状的基因组合，培育出更加优 良的品种。
05 自由组合定律在计算机科 学中的应用
数据结构与算法设计
数据结构
自由组合定律在数据结构设计中有着 广泛的应用。例如，在处理复杂数据 结构时，如树、图等，可以利用自由 组合定律来优化数据结构的存储和访 问效率。
算法设计
自由组合定律在算法设计中也发挥了 重要作用。例如，在解决图论问题、 动态规划问题、搜索问题等时，可以 利用自由组合定律来设计更高效的算 法。
详细描述
根据自由组合定律，商品的价格将由市场供求关系决定。当 供大于求时，价格下降；当求大于供时，价格上升。通过对 市场供求状况的分析，可以预测商品价格的变动趋势，为投 资决策提供依据。
风险评估与决策分析
总结词
利用自由组合定律评估投资风险，制定最优投资组合策略。
详细描述
在投资领域，风险与收益并存。自由组合定律可以帮助投资者评估不同投资项目的风险水平，通过合理配置资产， 降低投资组合的整体风险。同时，根据自由组合定律，投资者可以制定最优投资组合策略，实现风险与收益的平 衡。
非负权重近似最优组合预测的简明算法研究
年
序
份
号
１９ ９８
１ －
１ ９ ９９
２
２ ０ ００
３
２ ０ ０１
４
２ ０ ０２
５
２ ０ ０３
６
消 费 量
２ ８ ２ ．４６
３ ０ ８ ． １７
３ ２ ５ ．０３
３ ２ ８ ．７４
３ ５ ７ ．５３
３ ８ ９ ．００
通过 对 以上数 据 的分析 ， 建立 三个 预测 子模 型 ：
一
元 线性 回归模 型
（ １： Ｍ ） ｉ 一２ ６ ３ ＋ ０ １ ６ ｘ ．６３ ． ８３ ．
２ 最 优 组 合 预 测 模 型
对于最 优组 合 预测 的研究 ， 其重 点就 是如 何求 解模 型 的最 优组 合 系数 ． 献 ［ ］ 文 １ 中采 用灰 色 组 合模
型进 行组合 预测 ， 效果 良好． 是 ， 方法 仅仅 是建 立 在两个 预测模 型 的基 础之 上 的． 但 此 如果 ， 模 型 的数 子
（） １
由（ ） １ 得
（ ） ２
对 （） ２ 两边 同时取方 差 ， 得
一
（） ３
由假设 并根 据方 差性 质 的推广㈨ ， 得
Ｄ
Ｄｅ一∑ ｎ （ ＋（～ （ ） ｅ Ｄ ） １
、ｌ ，
ｅ
（ ４）
由 （） ４ 得
≈
一
ｉ ｌ —
Ｄ
＝ ｌ ∑
ｎ
∑ 以
一
些 缺乏 计算 机辅 助手段 ， 工作 条 件相对 恶 劣的工 程人 员来 说 ， 在子模 型数 目较大 的情 况下 ， 实施 起来