基于擬線性回歸的復(fù)合預(yù)測方法及其應(yīng)用.pdf

1、　　預(yù)測工作，可探討事物的未來發(fā)展?fàn)顩r，最近幾十年來它已引起了人們越來越深的重視。所有的管理決策都應(yīng)該依據(jù)對未來情況的預(yù)測做出。若是能夠?qū)κ挛锏奈磥戆l(fā)展情況作出足夠準(zhǔn)確的預(yù)測，那么無疑這可以為人們作出合理的決策而提供依據(jù)，從而減少錯(cuò)誤的發(fā)生，取得更好的效果。
　　回歸分析是統(tǒng)計(jì)學(xué)的重要分支，是進(jìn)行科學(xué)預(yù)測的有效工具；回歸模型是非常經(jīng)典的單方程計(jì)量經(jīng)濟(jì)學(xué)模型，一直以來，人們在不斷的對已有的模型進(jìn)行完善并發(fā)現(xiàn)新的預(yù)測方法，例如組合預(yù)

2、測方法等。但是，在當(dāng)數(shù)據(jù)量過大時(shí)的方法改進(jìn)還有待提高。本論文主要是采用了回歸模型的理論基礎(chǔ)，并在此基礎(chǔ)上應(yīng)用了擬線性回歸模型，并提出了復(fù)合預(yù)測方法。
　　遺傳算法是計(jì)算數(shù)學(xué)中用于解決最優(yōu)化的搜索算法，是進(jìn)化算法的一種。本論文詳細(xì)介紹了擬線性回歸模型的建立，并利用遺傳算法對其求解。論文中所提出的復(fù)合預(yù)測方法是在已有的預(yù)測模型的基礎(chǔ)上，提出了分段隨機(jī)抽樣的思想，對樣本數(shù)據(jù)量較大的研究對象的數(shù)據(jù)進(jìn)行處理，再選擇合適的預(yù)測模型進(jìn)行預(yù)測。