mean variance
2022-11-06 12:03:31
108KB
1
《A Modified Binary PSO to solve the Thermal Unit Commitment Problem》完全复现。代码主要做的是一个考虑需求响应的机组组合问题，首先构建了机组组合问题的基本模型，在此基础上，进一步考虑负荷侧管理，也就是需求响应，在调控过程中通过补偿引导负荷侧积极进行需求响应，在模型的求解上，采用了一种基于改进二进制粒子群算法的求解方法，相较于传统的粒子群算法，更加创新。而且求解的效果更好，代码出图效果非常好；
2022-09-24 20:11:03
45KB
1
本文假设投资者是风险厌恶型,用CVaR作为测量投资组合风险的方法.在预算约束的条件下,以最小化CVaR为目标函数,建立了带有交易费用的投资组合模型.将模型转化为两阶段补偿随机优化模型,构造了求解模型的随机L- S算法.为了验证算法的有效性,用中国证券市场中的股票进行数值试验,得到了最优投资组合、VaR和CVaR的值.而且对比分析了有交易费和没有交易费的最优投资组合的不同,给出了相应的有效前沿.
2022-02-21 08:44:53
920KB
1
为了提高预测模型的精度,给出了一种新的组合预测模型.利用时间序列ARIMA预测模型、BP神经网络及GM灰色预测模型进行单一模型的拟合与预测,通过赋予适当权系数结合三种方法得到了新的组合预测模型.山西省人均GDP预测实例应用结果表明:组合预测模型很好地描述了山西省人均GDP的非线性发展,比单一预测方法具有更高的预测精度.组合模型发挥了这三种模型各自的优势,可以作为人均GDP预测的有效方法,该模型在时间序列的预测中是有效的.
2022-02-09 10:41:59
306KB
1
为减轻日益严重的交通拥堵问题，实现智能交通管控，给交通流诱导和交通出行提供准确实时的交通流预测数据，设计了基于长短时记忆神经网络（LSTM）和BP神经网络结合的LSTM-BP组合模型算法.挖掘已知交通流数据的特征因子，建立时间序列预测模型框架，借助Matlab完成从数据的处理到模型的仿真，实现基于LSTM-BP的短时交通流精确预测.通过与LSTM\BP\WNN三种预测网络模型的对比，结果表明LSTM-BP预测的时间序列具有较高的精度和稳定性.该模型的搭建，可对交通分布的预测、交通方式的划分、实时交通流的分配提供依据和参考.
2021-12-30 17:57:11
1.32MB
1
介绍了CVaR的概念及算法，并利用CVaR对风险进行度量，提出一个新的基于CVaR风险度量方法的投资组合优化模型。利用股票数据进行了实证分析，验证了模型的有效性。
2021-12-20 18:36:36
154KB
1
当今时代，科学技术高速发展，涌现出一批新技术，数据挖掘、机器学习等新科学领域被深入研究，众多智能算法逐渐出现，同时被应用到了不同的领域中.本文构建了一种基于BP （Back Propagation）神经网络和SVR （Support Vector Regression）支持向量回归机的组合模型.依托于农产品价格数据进行实例验证分析，结果表明相对于单一的预测模型，BP-SVR-BP组合模型在预测精度上有了很大的提升，拟合效果更加逼近真实数据曲线，能够客观真实的反应农产品物价变化规律.
2021-11-26 21:34:05
1.1MB
1