论文部分内容阅读
预测工作,可探讨事物的未来发展状况,最近几十年来它已引起了人们越来越深的重视。所有的管理决策都应该依据对未来情况的预测做出。若是能够对事物的未来发展情况作出足够准确的预测,那么无疑这可以为人们作出合理的决策而提供依据,从而减少错误的发生,取得更好的效果。回归分析是统计学的重要分支,是进行科学预测的有效工具;回归模型是非常经典的单方程计量经济学模型,一直以来,人们在不断的对已有的模型进行完善并发现新的预测方法,例如组合预测方法等。但是,在当数据量过大时的方法改进还有待提高。本论文主要是采用了回归模型的理论基础,并在此基础上应用了拟线性回归模型,并提出了复合预测方法。遗传算法是计算数学中用于解决最优化的搜索算法,是进化算法的一种。本论文详细介绍了拟线性回归模型的建立,并利用遗传算法对其求解。论文中所提出的复合预测方法是在已有的预测模型的基础上,提出了分段随机抽样的思想,对样本数据量较大的研究对象的数据进行处理,再选择合适的预测模型进行预测。复合预测方法在一定程度上解决了过大数据量对预测模型造成的负担,给出了预测结果的精度的确定方法,并通过实例进行了验证。