優(yōu)化的GM1模型建筑業(yè)總產(chǎn)值預(yù)測中的應(yīng)用

本文利用2013年全國31個省市自治區(qū)的統(tǒng)計數(shù)字建立了影響我國建筑業(yè)總產(chǎn)值增長的各影響因素的計量模型。從影響建筑業(yè)總產(chǎn)值的幾個因素出發(fā)，力圖對影響建筑業(yè)發(fā)展的幾個重要因素進行分析，并提出相關(guān)意見與建議。

在建筑業(yè)的企業(yè)類型視角下,從國有企業(yè)、集體企業(yè)、港澳臺商投資企業(yè)、外商投資企業(yè)、其他等5個方面建立建筑業(yè)總產(chǎn)值影響因素多元線性回歸模型,用2013年中國統(tǒng)計年鑒中2000—2012年建筑業(yè)總產(chǎn)值的數(shù)據(jù)對構(gòu)建的線性回歸模型加以可行性驗證,結(jié)果顯示建筑業(yè)總產(chǎn)值與參與建筑業(yè)的企業(yè)類型存在顯著的多元線性回歸關(guān)系。

改革開放以后,我國建筑業(yè)得到了快速的發(fā)展,為中國經(jīng)濟的持續(xù)增長做出了重要貢獻.本文針對我國建筑業(yè)的發(fā)展?fàn)顩r,選取2002-2016年相關(guān)數(shù)據(jù),利用e-views軟件,通過建立模型和模型的檢驗與調(diào)整,得出模型的應(yīng)用與對策措施.希望本文有助于我國建筑業(yè)總產(chǎn)值的持續(xù)增長.

計量經(jīng)濟學(xué) 期末實驗報告 實驗名稱：各地區(qū)建筑業(yè)總產(chǎn)值對建 筑業(yè)企業(yè)利潤總額的影響 姓名： 學(xué)號： 班級： 指導(dǎo)教師： 時間： 一、研究的背景 近年來，由于房地產(chǎn)事業(yè)的快速發(fā)展，同時也帶動了建筑業(yè)的總產(chǎn)值業(yè)的飛速增長， 為了研究各地區(qū)建筑業(yè)總產(chǎn)值和建筑業(yè)企業(yè)利潤總額之間的關(guān)系，預(yù)測未來的增長趨勢， 需建立計量經(jīng)濟學(xué)模型。 二、指標(biāo)選取和數(shù)據(jù)搜集 從《中國統(tǒng)計年鑒》可以收集到以下數(shù)據(jù)： 表1.各地區(qū)建筑業(yè)總產(chǎn)值和建筑業(yè)企業(yè)利潤總額（單位：萬元） 地區(qū)建筑業(yè)企業(yè)利潤總額（y）建筑業(yè)總產(chǎn)值(x) 北京960256.425767692 天津379211.612219419 河北446520.816146909 山西194565.910607041 內(nèi)蒙古353362.66811038.3 遼寧836846.621000402 福建375

計量經(jīng)濟學(xué) 期末實驗報告 實驗名稱：各地區(qū)建筑業(yè)總產(chǎn)值對建 筑業(yè)企業(yè)利潤總額的影響 姓名： 學(xué)號： 班級： 指導(dǎo)教師： 時間： 一、研究的背景 近年來，由于房地產(chǎn)事業(yè)的快速發(fā)展，同時也帶動了建筑業(yè)的總產(chǎn)值業(yè)的飛速增長， 為了研究各地區(qū)建筑業(yè)總產(chǎn)值和建筑業(yè)企業(yè)利潤總額之間的關(guān)系，預(yù)測未來的增長趨勢， 需建立計量經(jīng)濟學(xué)模型。 二、指標(biāo)選取和數(shù)據(jù)搜集 從《中國統(tǒng)計年鑒》可以收集到以下數(shù)據(jù)： 表1.各地區(qū)建筑業(yè)總產(chǎn)值和建筑業(yè)企業(yè)利潤總額（單位：萬元） 地區(qū)建筑業(yè)企業(yè)利潤總額（y）建筑業(yè)總產(chǎn)值(x) 北京960256.425767692 天津379211.612219419 河北446520.816146909 山西194565.910607041 內(nèi)蒙古353362.66811038.3 遼寧836846.621000402 福建375

建筑業(yè)總產(chǎn)值是指以貨幣表現(xiàn)的建筑業(yè)企業(yè)在一定時期內(nèi)生產(chǎn)的建筑業(yè)產(chǎn)品和服務(wù)的總和,正確的統(tǒng)計方法要克服統(tǒng)計中重報、漏報、混淆概念等造成的總產(chǎn)值統(tǒng)計失真,通過進一步的分析,提出應(yīng)當(dāng)從認真讀解報表制度、加強對原始數(shù)據(jù)的歸集、整理、及時掌握工程進展、理清工程進度款與建筑業(yè)總產(chǎn)值的關(guān)系等方面入手,提高建筑業(yè)總產(chǎn)值統(tǒng)計的水平。

黑龍江省政府日前透露，從2009年至2012年前，這個省建筑總產(chǎn)值將力爭達到1500億元，建筑業(yè)對外承包產(chǎn)值占建筑業(yè)總產(chǎn)值的30％；力爭建筑業(yè)總產(chǎn)值、增加值和利稅總額年均分別增長15％、17％和15％，建筑業(yè)整體競爭能力和市場份額達到國內(nèi)中等以上水平。爭取3至5年時間，打造3個特級資質(zhì)、20個一級資質(zhì)建筑企業(yè)，

4月17日,國家統(tǒng)計局公布了今年一季度全國經(jīng)濟運行情況.經(jīng)初步核算,1~3月,國內(nèi)生產(chǎn)總值180683億元,按可比價格計算,同比增長6.9%.備受業(yè)內(nèi)人士關(guān)注的建筑業(yè)總產(chǎn)值數(shù)據(jù)也同時公布,1~3月,全國建筑業(yè)總產(chǎn)值34189億元,同比增長10.8%,高于gdp增速.業(yè)內(nèi)人士表示,再次躍上兩位數(shù)的增速無疑給正在走出低迷慢慢回暖的中國建筑業(yè)一劑"強行針".

建筑業(yè)總產(chǎn)值是指建筑業(yè)在一定時期內(nèi)以貨幣形式產(chǎn)生的建筑業(yè)產(chǎn)品和服務(wù)的總和。正確的統(tǒng)計方法必須克服統(tǒng)計重述、遺漏和混淆造成的總產(chǎn)值疏漏、統(tǒng)計失真等,應(yīng)認真閱讀報表系統(tǒng)制度,加強對原始數(shù)據(jù)的收集和整理,及時掌握項目的進展情況,明確進度之間的關(guān)系該項目的總產(chǎn)值和建筑業(yè)的總產(chǎn)值,提高行業(yè)產(chǎn)值統(tǒng)計程度。

根據(jù)１９９６年《新疆生產(chǎn)建設(shè)兵團統(tǒng)計年鑒》有關(guān)建筑業(yè)的統(tǒng)計資料，利用線性回歸方法，對影響兵團建筑業(yè)總產(chǎn)值的因素進行了分析。結(jié)果表明，主要的影響因素為：職工年平均人數(shù)、技術(shù)裝備率和勞動生產(chǎn)率，而勞動生產(chǎn)率是影響總產(chǎn)值的最主要的影響因素，同時，要提高兵團建筑業(yè)總產(chǎn)值，其技術(shù)裝備率也有待于提高。

gm（1，1）優(yōu)化模型在基坑變形預(yù)測中的應(yīng)用——基坑邊坡系統(tǒng)是一典型的灰色系統(tǒng)。其變形發(fā)展過程可用灰色系統(tǒng)理論進行預(yù)測。本文在常規(guī)全息gm(1，1)模型的基礎(chǔ)上，采用等維新息迭代法gm(1，1)模型對鄭州太陽城紫荊花園基坑變形進行模擬預(yù)測，結(jié)果表明了迭代法g...

2003年上半年全國建筑業(yè)企業(yè)總產(chǎn)值和竣工產(chǎn)值 建笛1i【， 地區(qū)總產(chǎn)值建筑工程安裝工程其他竣工產(chǎn)值 合計產(chǎn)值產(chǎn)值產(chǎn)值 全國總計7919．116769．34874．91274．863274．75 北京454．90391．1650．8812．86179．34 天津201．25167．3927．945．9261．45 河北267．6o229．2o29．019．3886．30 山西166．41148．6814．563．1727．60 內(nèi)蒙古72．7164．117．471．1314．87 遼寧260．31208_6746．415．2387．49 吉林95．1479．4413．492．2013．04 黑龍江98．6181．4714．84

2003年上半年國有建筑業(yè)企業(yè)總產(chǎn)值和竣工產(chǎn)值 單位：億元 毒各4智、ii， 地區(qū)總產(chǎn)值建筑瑰安裝衛(wèi)隉其他竣工產(chǎn)值 合計產(chǎn)值產(chǎn)值產(chǎn)值 全國總計3524．062990．16436．2597．651308．19 北京276．97245．7325．056．19105．07 天津153．0o132．9217．342．7437．72 河北169．03138．9722．377．6955．71 山西138．43125．3610．972．0916．20 內(nèi)蒙古30．2324．934．560．755．39 遼寧135．011o7．0425．192．7853．84 吉林77．2164．5711．441．20?10．16 黑龍江56．2943．

鑒于gm(1,n)模型預(yù)測精度高及gm(1,1)所需統(tǒng)計數(shù)據(jù)數(shù)量少的優(yōu)點,通過自相關(guān)理論,把gm(1,1)和gm(1,n)兩者有機結(jié)合形成一個聯(lián)合模型,以進一步提高灰色模型的預(yù)測精度。該文在沉降資料的基礎(chǔ)上,利用該聯(lián)合模型對南京一泵站的沉降進行了分析預(yù)報,其結(jié)果與回歸模型和gm(1,1)模型進行了比較,最后得出了基于自相關(guān)理論的gm(1,1)、gm(1,n)聯(lián)合預(yù)測模型,其精度可靠,可信度高,預(yù)報結(jié)果也與實際情況相吻合,從而證明了該方法在實際工程中的可行性。

路基沉降預(yù)測一直是道路工程領(lǐng)域的研究重點和難點。常用的gm(1,1)模型所預(yù)測的路基沉降值精度相對較低,特別當(dāng)數(shù)據(jù)序列急劇變化時,gm(1,1)模型的誤差值可能會更大甚至失效。針對傳統(tǒng)gm(1,1)模型存在的問題,通過改變初始值,增加擾動因素β優(yōu)化初始條件。同時利用非齊次指數(shù)函數(shù)擬合模型中變量的一次累加生成序列優(yōu)化背景值,提出了初始條件和背景值雙優(yōu)化的新gm(1,1)模型。通過matlab軟件編程實例計算表明,雙優(yōu)化之后的新gm(1,1)模型較原模型相比,其預(yù)測精度有了較大幅度的提高。

路基沉降預(yù)測一直是道路工程領(lǐng)域的研究重點和難點。常用的gm(1,1)模型所預(yù)測的路基沉降值精度相對較低,特別當(dāng)數(shù)據(jù)序列急劇變化時,gm(1,1)模型的誤差值可能會更大甚至失效。針對傳統(tǒng)gm(1,1)模型存在的問題,通過改變初始值,增加擾動因素β優(yōu)化初始條件。同時利用非齊次指數(shù)函數(shù)擬合模型中變量的一次累加生成序列優(yōu)化背景值,提出了初始條件和背景值雙優(yōu)化的新gm(1,1)模型。通過matlab軟件編程實例計算表明,雙優(yōu)化之后的新gm(1,1)模型較原模型相比,其預(yù)測精度有了較大幅度的提高。

2013年，我國led驅(qū)動電源數(shù)量將達到700萬臺以上，市場規(guī)模將擴大到17．5億；2016年，led照明電源供應(yīng)器銷售量將達到40億個，總產(chǎn)值高達100億美元。總之，led驅(qū)動電源市場前景可觀。

針對gm(1,1)模型在隧道圍巖變形預(yù)測中的缺點,提出采用模型維數(shù)控制的方法進行預(yù)測.研究gm(1,1)模型的數(shù)學(xué)原理,針對隧道圍巖的變形特點利用數(shù)學(xué)方法改進模型背景值的計算公式,并利用等維替代法不斷更新預(yù)測模型.通過對比傳統(tǒng)gm(1,1)模型可知,改進后的模型預(yù)測精度有較大提高,能較好預(yù)測圍巖實際變形情況和趨勢.

分析得出原始gm(1,1)模型對應(yīng)的灰微分方程僅是白化微分方程的梯形積分形式,因此以辛普生求積公式為基礎(chǔ)建立了新的灰微分方程,而辛普生求積公式也是一種近似表達形式,因而對新的灰微分方程添加動態(tài)擾動項,以彌補灰微分方程與白化微分方程的差別,同時對初始值添加修正項,使其更加符合最小二乘法思想。將改進后的gm(1,1)模型應(yīng)用到基坑變形預(yù)測中,實例應(yīng)用結(jié)果顯示,改進的gm(1,1)模型具有較高的預(yù)測精度。

針對傳統(tǒng)的灰色預(yù)測模型對建筑物沉降預(yù)測精度不高、擬合數(shù)據(jù)較差的問題,在傳統(tǒng)的gm（1,1）模型基礎(chǔ)上提出了分數(shù)階建模的思想,采用粒子群優(yōu)化算法求解最優(yōu)分數(shù)階次,建立基于粒子群優(yōu)化的分數(shù)階pfgm（1,1）模型.實例計算表明,分數(shù)階fgm（1,1）模型可以提高建筑物沉降的預(yù)測精度,通過粒子群優(yōu)化算法選取最優(yōu)階次可以進一步提高預(yù)測精度和誤差檢驗等級.由此可見,基于粒子群優(yōu)化的分數(shù)階pfgm（1,1）模型對建筑物的沉降控制有著重要的指導(dǎo)作用.

為提高大型公共建筑能耗的預(yù)測精度,提出一種基于灰色模型和最小二乘向量機方法(gm-lssvm)的辦公能耗預(yù)測模型.該方法結(jié)合灰色建模計算簡單的特點,以及最小二乘支持向量機非線性擬合能力和泛化能力強的優(yōu)勢,充分發(fā)掘樣本數(shù)據(jù)的規(guī)律,并以粒子群優(yōu)化算法進行模型參數(shù)選擇.根據(jù)福州某大型公共建筑能耗數(shù)據(jù),通過本研究提出的方法建立預(yù)測模型,并與神經(jīng)網(wǎng)絡(luò)模型以及最小二乘支持向量機模型的預(yù)測結(jié)果進行比較,驗證了該方法具備較高的預(yù)測精度和較強的泛化能力.

灰色預(yù)測模型對沉降的整體趨勢有很好地預(yù)測結(jié)果,時序模型針對隨機性的數(shù)據(jù)進行預(yù)測,二者結(jié)合一定程度上可提高預(yù)測的精度。文中通過改進gm-ar模型并將其應(yīng)用于地鐵沉降預(yù)測中,同時與灰色預(yù)測模型和gm-ar組合模型的預(yù)測精度進行對比分析。結(jié)果表明,改進后gm-ar模型可以有較好的預(yù)測效果。