Науковий вісник НГУ

Самоадаптивна оптимізована модель прогнозування ринку на основі сірої моделі

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Економіка та управління

Останнє оновлення: 03 жовтня 2016

Опубліковано: 03 жовтня 2016

Перегляди: 3658

Authors:

Цзіньчуань Ван, Школа марксизму, Хубейський політехнічний університет, Хуанши, Хубей, Китай

Abstract:

Мета. Прогнозування ринку відноситься до прогнозування внутрішніх правил і майбутніх тенденцій розвитку різних ринкових індексів і чинників на основі вивчення та поглибленого дослідження різних чинників, що впливають на зміни ринкового попиту й пропозиції за допомогою наукових теорій і систематичних модельних алгоритмів. Ця робота аналізує результати оптимізації традиційних і інтелектуальних алгоритмів прогнозування.

Методика. Для аналізу відмінностей між результатами, отриманими за допомогою алгоритмів прогнозування, і практичними ситуаціями, необхідно уніфікувати параметри моделі аналізу. Модель прогнозування сірої системи застосовна до прогнозування ситуацій з трендом індексів, що змінюється. Модель часових рядів підходить для даних з певним трендом і періодичними змінами.

Результати. Ми виявили, що нейронна мережа, модель і підтримка векторної моделі не мають яких-небудь вимог до даних, тому вони підходять для будь-яких ситуацій. І коли зміни ринкового попиту показують зміни індексу, життєво важливе направляюче значення для планування продажів товарів має динамічне ціноутворення та оптимізаційну модель управління запасами на основі сірої моделі прогнозування.

Наукова новизна. За допомогою моделювання, прогнозоване значення моделей близьке до кінцевої цільової оптимізації прибутків.

Практична значимість. Зміни ринкового попиту, як правило, показують зміни індексу, динамічне ціноутворення та оптимізаційна модель управління запасами на основі сірої моделі передбачення може служити орієнтиром при плануванні продажів товарів.

References/Список літератури

1. Li, W, Yuan, Y.N. and Dong, W.D., 2011. Study on engineering cost forecasting of electric power construction based on time response function optimization grey model. Proc. of IEEE 3rd International Conference on Communication Software and Networks, pp. 58–61.

2. Wu, R.Z., He, Y. and Tang, L.R., 2013. Traffic prediction based on grey model optimized by buffer operator and PSO in communication network for electric power. Applied Mechanics & Materials, Vol. 397–400, pp. 1994–1998.

3. Chen Youjun, He Hongying and Wei Yong, 2014. Optimization of grey prediction model using nonlinear programming method. Computer Engineering and Applications, Vol. 50, No. 10, pp. 61–64.

4. Dai, L.X. and Hu, F.F., 2012. Application optimization of grey model in power load forecasting. Advanced Materials Research, Vol. 347–353, pp. 301– 305.

5. Li, G.D., Masuda, S. and Nagai, M., 2013. The prediction model for electrical power system using an improved hybrid optimization model. International Journal of Electrical Power & Energy Systems, Vol. 44, No. 1, pp. 981–987.

6. Zu, X.H., Wang, J. and Yang, C.L., 2014. The GUI-Based simulation optimization platform for fault grey prediction of diesel engine. Applied Mechanics & Materials, Vol. 687–691, pp. 1049–1053.

7. Xiong, P.P, Dang, Y.G. and Yao, T., 2012. The research on the modelling method of background value optimization in grey Verhulst Model. Chinese Journal of Management Science, Vol. 20, No. 6, pp. 154– 159.

8. Wei, L. I., Yuan, Y. N. and Niu, D. X., 2011. Long and medium term load forecasting based on grey model optimized by buffer operator and time response function. Power System Protection & Control, Vol. 39, No. 10, pp. 59–63.

9. Zhao, J. and Chen, L. A., 2011. Application of an improved grey algorithm for short-circuit current online prediction in the low-voltage distribution system. Proc. of 2011 IEEE International Conference on Grey Systems and Intelligent Services, pp. 410– 413.

10. Xiong, P.P., Dang, Y.G. and Wu, X.H., 2011. Combined model based on optimized multi-variable grey model and multiple linear regression. Journal of Systems Engineering and Electronics, Vol. 22, No. 4, pp. 615–620.

04_2016_Jinchuan
2016-09-26  483.09 KB  811

• < Попередня
• Наступна >