期刊文献+
共找到146篇文章
< 1 2 8 >
每页显示 20 50 100
基于SARIMA-SVM模型的季节性PM_(2.5)浓度预测 被引量:1
1
作者 宋英华 徐亚安 张远进 《计算机工程》 北大核心 2025年第1期51-59,共9页
空气污染是城市环境治理的主要问题之一,而PM_(2.5)是影响空气质量的重要因素。针对传统时间序列预测模型对PM_(2.5)浓度预测缺少季节性因素分析,预测精度不够高的问题,提出一种基于机器学习的季节性差分自回归滑动平均-支持向量机(SARI... 空气污染是城市环境治理的主要问题之一,而PM_(2.5)是影响空气质量的重要因素。针对传统时间序列预测模型对PM_(2.5)浓度预测缺少季节性因素分析,预测精度不够高的问题,提出一种基于机器学习的季节性差分自回归滑动平均-支持向量机(SARIMA-SVM)融合模型。该融合模型为串联型融合模型,将数据拆分为线性部分与非线性部分。SARIMA模型在差分自回归滑动平均(ARIMA)模型的基础上增加了季节性因素提取参数,能有效分析PM_(2.5)浓度数据的季节性规律变化趋势,较好地预测数据未来的线性变化趋势。结合SVM模型对预测数据的残差序列进行优化,利用滑动步长预测法确定残差序列的最优预测步长,通过网格搜索确定最优模型参数,实现对PM_(2.5)浓度数据的长期预测,同时提高整体预测精度。通过对武汉市近5年的PM_(2.5)浓度监测数据进行分析,结果表明该融合模型的预测准确率相较于单一模型有很大提升,在相同的实验环境下比单一的ARIMA、Auto ARIMA、SARIMA模型分别提升了99%、99%、98%,稳定性也更好,为PM_(2.5)浓度预测研究提供了新的思路。 展开更多
关键词 季节性差分自回归滑动平均 支持向量机 融合模型 PM_(2.5)浓度 季节性预测
在线阅读 下载PDF
基于SARIMA和SVR组合模型的转向架系统寿命评估 被引量:4
2
作者 师蔚 范乔 +2 位作者 杨洋 胡定玉 廖爱华 《铁道机车车辆》 北大核心 2024年第1期157-163,共7页
随着地铁运营时间和里程的增加,地铁车辆逐渐接近其理论寿命,为确保车辆运行安全性,需对其重要子系统进行健康状态及剩余寿命评估。文中选取车辆转向架系统作为研究对象,提出了一种基于协方差优选法的季节性回归移动平均(SARIMA)和支持... 随着地铁运营时间和里程的增加,地铁车辆逐渐接近其理论寿命,为确保车辆运行安全性,需对其重要子系统进行健康状态及剩余寿命评估。文中选取车辆转向架系统作为研究对象,提出了一种基于协方差优选法的季节性回归移动平均(SARIMA)和支持向量回归(SVR)的组合模型对转向架寿命进行评估。首先,将车辆转向架系统历史故障率转化为健康指数,然后基于协方差优选法将SARIMA和SVR进行赋权组合,根据转向架系统历史健康指数进行预测,最后建立历史和预测的健康指数与运行时间的数学模型,分析得到转向架系统的剩余寿命。以某地铁车辆转向架系统为例进行算例分析及验证,结果表明组合模型可更准确地预测其健康状态,为有关维修部门开展维修维护策略提供理论依据,估计得出其剩余寿命,为车辆寿命后期退役及延寿决策提供理论数据分析支撑。 展开更多
关键词 转向架系统 寿命预测 季节性回归移动平均和支持向量回归(sarima和SVR) 组合模型 协方差优选法
在线阅读 下载PDF
基于SARIMAX-SVR的光伏发电功率预测 被引量:11
3
作者 周鑫 李燕 +1 位作者 曾永辉 石鹏程 《电力系统及其自动化学报》 CSCD 北大核心 2024年第5期1-8,共8页
为提高光伏发电功率预测精度,提出一种基于外生因素及季节性的差分自回归移动平均SARIMAX(seasonal autoregressive integrated moving average with exogenous factors)并结合优化支持向量回归SVR(support vector regression)的光伏发... 为提高光伏发电功率预测精度,提出一种基于外生因素及季节性的差分自回归移动平均SARIMAX(seasonal autoregressive integrated moving average with exogenous factors)并结合优化支持向量回归SVR(support vector regression)的光伏发电功率预测方法。首先,采用相关性特征法聚类气象条件中关键气象因子,以消除数据冗余并降低ARIMAX模型的复杂性;其次,在ARIMAX模型中引入季节性因素,构建SARIMAX模型来捕捉数据的季节性变化;最后,使用SARIMAX模型的拟合残差其作为SVR模型的输入,进一步拟合数据的非线性。通过仿真算例分析表明,所提方法可显著提高光伏发电功率预测精度。 展开更多
关键词 光伏发电 功率预测 差分自回归移动平均 季节性因子 支持向量回归
在线阅读 下载PDF
使用快速傅里叶变换优化周期参数的EMD-FFT-SARIMA光伏发电预测模型 被引量:2
4
作者 熊川羽 廖晓红 +5 位作者 何诗英 陈然 王巍 臧楠 王瀛 肖梦涵 《强激光与粒子束》 CAS CSCD 北大核心 2024年第8期117-123,共7页
根据分布式能源工业园区的光伏电力单元特点,对园区光伏发电功率预测模型进行优化,为后续的调度策略提供数据支持。针对经验模式分解(EMD)与季节性差分自回归移动平均模型(SARIMA)相组合的EMD-SARIMA预测模型中,原始数据经过EMD分解得... 根据分布式能源工业园区的光伏电力单元特点,对园区光伏发电功率预测模型进行优化,为后续的调度策略提供数据支持。针对经验模式分解(EMD)与季节性差分自回归移动平均模型(SARIMA)相组合的EMD-SARIMA预测模型中,原始数据经过EMD分解得到的各固有本征模态函数(IMF)分量周期计算问题,提出加入快速傅里叶变换(FFT)的周期计算方法,建立EMD-FFT-SARIMA光伏发电功率预测模型。再将每个IMF对应的预测结果进行叠加重构得到最终的预测结果。通过预测结果的误差计算可以发现,加入FFT环节后均方根误差(RMSE)从120.6 MW下降到19.3 MW,平均绝对误差(MAE)从52.87 MW下降到12.3 MW。 展开更多
关键词 经验模式分解 季节性差分自回归移动平均模型 周期计算 固有本征模态函数信号分量 快速傅里叶变换 光伏发电预测
在线阅读 下载PDF
融合SARIMA与BiLSTM的水利设施形变预测 被引量:1
5
作者 唐帅 杨涛 +2 位作者 皮明 张良 袁自祥 《现代雷达》 CSCD 北大核心 2024年第3期96-103,共8页
水利设施形变预测可以有效地判断水利设施的运行状态。水利设施安全监测数据是时间序列数据,既有趋势性又有季节性。为了获得更准确的预测结果,文中提出一种基于季节自回归差分移动平均(SARIMA)模型和双向长短时记忆(BiLSTM)网络的预测... 水利设施形变预测可以有效地判断水利设施的运行状态。水利设施安全监测数据是时间序列数据,既有趋势性又有季节性。为了获得更准确的预测结果,文中提出一种基于季节自回归差分移动平均(SARIMA)模型和双向长短时记忆(BiLSTM)网络的预测模型,以解决无法充分挖掘数据中正向与反向的关联进行预测的问题。该模型采用SARIMA模型预测变形数据中的线性分量,采用BiLSTM模型预测变形数据中的非线性分量,使得模型能够更好地提取历史数据中的非线性关系以及正向与反向关系从而提高预测准确度。结合某水电站4#引水涵洞监测数据,使用SARIMA-BiLSTM模型对裂缝计开合度时间序列进行了预测,并与反向传播神经网络模型、SARIMA模型和SARIMA-LSTM模型的预测结果进行对比,比对结果证明所提方法有效地提高了预测精度。 展开更多
关键词 水利设施监测 时间序列预测 趋势性 季节自回归差分移动平均模型 双向长短期记忆网络
在线阅读 下载PDF
基于GBD数据库分析与预测中国鼻咽癌疾病负担
6
作者 宋业勋 刘霞静 +1 位作者 张永全 李和清 《中南大学学报(医学版)》 北大核心 2025年第4期675-683,共9页
目的:鼻咽癌发病位置隐匿导致早期诊断率低,且具有明显的地域聚集性,是中国一个重要的公共卫生问题。本研究旨在通过2021年全球疾病负担(the Global Burden of Diseases,GBD)数据库分析中国鼻咽癌的疾病负担,为鼻咽癌的精准防控提供流... 目的:鼻咽癌发病位置隐匿导致早期诊断率低,且具有明显的地域聚集性,是中国一个重要的公共卫生问题。本研究旨在通过2021年全球疾病负担(the Global Burden of Diseases,GBD)数据库分析中国鼻咽癌的疾病负担,为鼻咽癌的精准防控提供流行病学依据。方法:选取年龄标化发病率、病死率、伤残调整寿命年(disability adjusted life year,DALY)率作为疾病负担的评价指标,按照不同年龄、性别、社会人口学指数及其相关危险因素进行分层分析,同时应用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型和贝叶斯年龄-时期-队列分析模型(Bayesian age-period-cohort,BAPC)将年龄标化发病率预测至2050年。结果:2021年中国鼻咽癌年龄标化发病率、病死率、DALY率分别为3.4/10万、1.5/10万、48.7/10万,均高于同期全球水平。在所有年龄段,中国男性年龄标化发病率、病死率、DALY率均高于女性。中国鼻咽癌的疾病负担从1990至2021年随着社会人口学指数(socio-demographic index,SDI)的增高逐渐降低。中国归因于饮酒、吸烟、职业甲醛暴露的鼻咽癌疾病负担占比均高于全球水平,且在男性中尤为显著。模型预测中国及全球男性、女性、全人群的年龄标化发病率均提示从2022至2050年呈上升趋势。结论:既往30年中国鼻咽癌的疾病负担随着SDI的升高逐渐降低,但仍高于同期全球水平。同时,中国鼻咽癌的年龄标化发病率在未来30年呈上升趋势。中国仍需进一步增加医疗资源的投入以应对鼻咽癌的防控与诊疗,尤其针对高风险男性群体。 展开更多
关键词 鼻咽癌 疾病负担 社会人口学指数 贝叶斯年龄-时期-队列分析模型 差分自回归移动平均模型
在线阅读 下载PDF
分布式光伏功率预测的时空特征融合方法研究
7
作者 张晓辉 刘钰婷 +1 位作者 马锴 钟嘉庆 《中国电机工程学报》 北大核心 2025年第S1期231-244,共14页
准确的光伏功率预测对电网调度和电站运行具有重要意义。由于分布式光伏(distributed photovoltaics,DPV)系统受多种时空因素影响,传统基于单一模型的方法难以充分挖掘其时序变化规律与空间相关特性,导致预测精度低、模型适应性弱。该... 准确的光伏功率预测对电网调度和电站运行具有重要意义。由于分布式光伏(distributed photovoltaics,DPV)系统受多种时空因素影响,传统基于单一模型的方法难以充分挖掘其时序变化规律与空间相关特性,导致预测精度低、模型适应性弱。该文提出一种融合时空特征,结合麻雀搜索算法(sparrow search algorithm,SSA)优化极端梯度提升算法(extreme gradient boosting,XGBoost)和差分移动自回归平均(autoregressive integrated moving average,ARIMA)模型的DPV功率预测方法。首先,提出基于斯皮尔曼相关系数筛选与历史光伏功率高度相关的气象因素,并将其输入到SSA优化的XGBoost模型中,以提取和预测时间相关性特征;然后,结合日累计发电量与功率变化率,提出一种基于天气类型的光伏功率数据分类方法,并进一步提出利用斯皮尔曼分析识别与目标站点功率高度相关的参考电站;在此基础上,构建结合动态权重的ARIMA模型,实现对空间相关性特征的建模与预测;最后,提出一种基于信息熵加权的时空特征融合框架模型,根据时间与空间预测模型的误差动态调整其贡献度,生成融合预测结果。以f1电站为研究对象的对比实验结果表明,该文所提出的方法在预测精度与鲁棒性方面均优于传统单一模型,验证了其在DPV功率预测中的实用性和有效性。 展开更多
关键词 分布式光伏 时空特征融合 功率预测 麻雀搜索算法-极端梯度提升算法-差分移动自回归平均模型 信息熵
在线阅读 下载PDF
模型和数据联合驱动的ARIMA-IDSSA-LSSVM建筑安全事故预测
8
作者 曹红梅 陈元 《自然灾害学报》 北大核心 2025年第2期129-139,共11页
针对传统单一模型在解决建筑安全事故预测问题存在精度低等问题,考虑模型和数据联合驱动方式,提出一种结合差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型和改进的自适应樽海鞘优化最小二乘支持向量机(improv... 针对传统单一模型在解决建筑安全事故预测问题存在精度低等问题,考虑模型和数据联合驱动方式,提出一种结合差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型和改进的自适应樽海鞘优化最小二乘支持向量机(improved adaptive salp swarm algorithm optimized least squares support vector machine,IDSSA-LSSVM)的组合预测模型。首先利用ARIMA模型获得时序数据中线性部分,利用IDSSA-LSSVM模型分析ARIMA模型获得的残差,获得时序数据中非线性部分;然后通过线性部分和非线性部分相加获得最终组合预测值;最后通过2010—2020年房屋市政工程生产安全事故数据对所提算法进行验证。结果表明,所提预测模型在E_(rmse)上较其他算法分别下降73.73%、77.21%、46.09%、46.80%、78.19%,在E_(mae)上较其他算法分别下降74.20%、77.44%、48.15%、48.85%、77.50%,在E_(mape)上较其他算法分别下降84.95%、87.77%、75.97%、88.49%、80.27%。在不同规模的数据集下,文中算法在E_(rmse)指标下均最优。同时能够通过预测未来阶段事故,提供辅助决策。表明ARIMA-SSA-LSSVM组合模型能够充分挖掘建筑安全事故数据的隐藏信息,在准确性、泛化性和应用性3个角度均表现不错,优势明显。 展开更多
关键词 建筑安全 事故预测 联合驱动 差分自回归移动平均模型 支持向量机
在线阅读 下载PDF
考虑碳排放权交易风险的能源运营商-区域综合能源系统联盟混合博弈优化调度
9
作者 刘英培 信明垚 +1 位作者 秦浩然 单泓元 《电力自动化设备》 北大核心 2025年第6期15-22,49,共9页
随着碳排放权交易市场的不断完善,区域综合能源系统(RIES)在参与碳排放权交易时应充分考虑碳价波动的影响。为此,构建以能源运营商为主体、RIES联盟为从体的混合博弈架构。主体以最大化自身效益为目标制定购售电价策略,从体以供能成本... 随着碳排放权交易市场的不断完善,区域综合能源系统(RIES)在参与碳排放权交易时应充分考虑碳价波动的影响。为此,构建以能源运营商为主体、RIES联盟为从体的混合博弈架构。主体以最大化自身效益为目标制定购售电价策略,从体以供能成本和碳交易成本之和最小为目标进行热能交互,建立RIES联盟合作博弈模型。碳交易成本计及碳排放权价格的不确定性,利用自回归差分移动平均模型及广义自回归条件异方差模型预测调度日的碳价,结合条件风险价值,通过设定不同的风险偏好系数及置信度对碳交易价格波动风险进行量化。基于纳什谈判模型将合作博弈问题拆分成2个子问题,在降低联盟总成本的同时,合理分配RIES联盟的合作收益。通过仿真算例结合遗传算法验证所提策略的有效性,结果表明所提模型可以有效平衡系统的经济性和低碳性,降低碳排放权价格波动风险对调度决策的影响。 展开更多
关键词 区域综合能源系统 碳排放权交易风险 混合博弈 纳什谈判 条件风险价值 自回归差分移动平均模型 广义自回归条件异方差模型 优化调度
在线阅读 下载PDF
基于自回归积分滑动平均模型的无线传感网络通信传输信号延迟消除方法
10
作者 崔蕾 王同 《传感技术学报》 北大核心 2025年第3期543-549,共7页
为了解决受环境影响无线传感网络通信传输信号的延迟问题,提出了一种传输信号延迟消除的方法。将自回归积分滑动平均模型(ARIMA)和小波神经网络(WNN)相结合,进行通信传输信号延迟的组合预测。根据延迟预测结果设计传输信号延迟消除流程... 为了解决受环境影响无线传感网络通信传输信号的延迟问题,提出了一种传输信号延迟消除的方法。将自回归积分滑动平均模型(ARIMA)和小波神经网络(WNN)相结合,进行通信传输信号延迟的组合预测。根据延迟预测结果设计传输信号延迟消除流程的步骤和约束条件,并以此构建无线传感网络通信传输的优化目标函数,引入免疫克隆蛙跳算法对目标函数进行求解,获取最优的传输方案。仿真分析表明,所提方法的延迟预测误差和端到端延迟误差低于0.01 s,能量消耗最大值为6.4 W,平均丢包率最大值为0.286%。上述结果证明了所提方法可以有效准确预测和消除无线传感网络通信传输信号延迟。 展开更多
关键词 无线传感网络 传输信号 延迟消除 自回归积分滑动平均模型 小波神经网络
在线阅读 下载PDF
1990-2021年中国2型糖尿病肾病的疾病负担变化趋势及预测研究 被引量:1
11
作者 李书楠 张诗妍 +4 位作者 邓亚楠 胡丹青 郑雨心 李丹阳 李灿东 《中国全科医学》 北大核心 2025年第33期4214-4226,共13页
背景2型糖尿病肾病(T2DN)是2型糖尿病的主要慢性并发症之一,也是导致终末期肾病和心血管疾病的重要原因,给患者和社会带来沉重的疾病负担,已成为全球日益严峻的公共卫生挑战。目的本研究旨在基于全球疾病负担数据,分析中国T2DN疾病负担... 背景2型糖尿病肾病(T2DN)是2型糖尿病的主要慢性并发症之一,也是导致终末期肾病和心血管疾病的重要原因,给患者和社会带来沉重的疾病负担,已成为全球日益严峻的公共卫生挑战。目的本研究旨在基于全球疾病负担数据,分析中国T2DN疾病负担的变化趋势,预测T2DN至2050年的发展趋势,为T2DN防控和公共卫生政策提供数据支持。方法本研究以2021年全球疾病负担数据库(GBD 2021)为数据来源,提取1990—2021年中国T2DN的发病率、患病率、伤残调整生命年率(DALY率)和死亡率和作为评估T2DN疾病负担的指标。采用年度百分比变化估计值(EAPC)评估这些指标在不同性别和年龄组的变化趋势。采用自回归积分滑动平均(ARIMA)模型和指数平滑(ES)模型分别对不同性别和年龄组的各指标进行时间序列预测,并通过绝对百分比误差(APE)评估模型预测误差。结果1990—2021年,中国T2DN的年龄标准化发病率呈上升趋势(EAPC=0.42%,95%CI=0.34%~0.50%);年龄标准化患病率呈轻微下降趋势(EAPC=-0.24%,95%CI=-0.39%~-0.10%);年龄标准化DALY率呈轻微下降趋势(EAPC=-0.7%,95%CI=-0.8%~-0.6%);年龄标准化死亡率呈下降趋势(EAPC=-0.57%,95%CI=-0.66%~-0.49%)。按性别划分,女性年龄标准化发病率上升幅度相对较大(EAPC=0.6%,95%CI=0.49%~0.71%),男性上升幅度较小(EAPC=0.23%,95%CI=0.17%~0.29%);男性年龄标准化患病率下降幅度较女性更为明显(男性EAPC=-0.27%,95%CI=-0.41%~-0.13%;女性EAPC=-0.22%,95%CI=-0.37%~-0.07%);女性年龄标准化DALY率和死亡率呈显著下降趋势(DALY率EAPC=-1.13%,95%CI=-1.25%~-1.02%;死亡率EAPC=-1.10%,95%CI=-1.20%~-1.01%),男性变化较小(DALY率EAPC=-0.28%,95%CI=-0.40%~-0.15%;死亡率EAPC=-0.06%,95%CI=-0.19%~0.08%)。年龄别分析显示,各项疾病负担指标均随年龄增长而升高,高龄人群负担沉重,且部分高年龄组发病率和DALY率呈上升趋势。ARIMA模型预测结果显示,2050年男性年龄标准化发病率增至27.34/10万,患病率降至877.11/10万,DALY率保持在140.79/10万,死亡率保持在7.64/10万。女性年龄标准化发病率增至18.17/10万,患病率降至938.24/10万,DALY率降至69.66/10万,死亡率保持在4.77/10万。ES模型预测结果显示,2050年男性的年龄标准化发病率增至19.57/10万,患病率降至1055.85/10万,DALY率降至140.38/10万,死亡率保持在7.30/10万;女性的年龄标准化发病率增至16.49/10万,患病率增至1092.09/10万,DALY率降至105.84/10万,死亡率降至5.16/10万。模型误差评估显示,ES模型在大多数年龄标准化率和患病人数的预测上误差较小,而ARIMA模型在部分人数指标和女性年龄标准化死亡率上误差相对较小。结论1990—2021年,中国T2DN的整体疾病负担在年龄标准化后有所改善,尤其在死亡率和DALY率方面,但年龄标准化发病率持续上升,且疾病负担向高龄人群集中的趋势日益明显。本研究预测至2050年,中国新发病例仍将持续增加。应制定针对高风险人群,尤其是针对高龄人群和男性的精准防控策略,加强全科医学在慢病管理中的核心作用,以应对未来的公共卫生挑战。 展开更多
关键词 糖尿病肾病 糖尿病 2型 全球疾病负担 自回归积分滑动平均模型 指数平滑模型 预测
在线阅读 下载PDF
基于SARIMA模型和条件植被温度指数的干旱预测 被引量:23
12
作者 田苗 王鹏新 +1 位作者 韩萍 张树誉 《农业机械学报》 EI CAS CSCD 北大核心 2013年第2期109-116,共8页
基于时间序列遥感数据反演的条件植被温度指数(VTCI)干旱监测结果,应用季节性求和自回归移动平均模型(SARIMA)对关中平原进行了分区域干旱预测建模,得到了2009年4月上旬至5月下旬每旬1步、2步和3步共18旬的预测结果,并分析了预测精度。... 基于时间序列遥感数据反演的条件植被温度指数(VTCI)干旱监测结果,应用季节性求和自回归移动平均模型(SARIMA)对关中平原进行了分区域干旱预测建模,得到了2009年4月上旬至5月下旬每旬1步、2步和3步共18旬的预测结果,并分析了预测精度。结果表明,SARIMA模型的预测精度随着预测步数的增加而降低,6旬1步预测结果的绝对误差频数分布基本是单峰分布,主要分布在-0.2到0.2之间;6旬2步预测结果的绝对误差频数分布出现双峰分布,3步预测结果绝对误差分布分散,且误差变大。通过分析干旱的时空分布规律,发现关中平原地区干旱具有较明显的区域特征,且1步预测和2步预测结果的干旱时空分布与监测结果较吻合,3步预测结果的不确定性较大,由此得出SARIMA模型适用于关中平原VTCI 1~2步预测研究的结论。 展开更多
关键词 关中平原 干旱预测 条件植被温度指数 季节性求和自回归移动平均模型
在线阅读 下载PDF
SARIMA模型在长沙市肺结核发病预测中的应用 被引量:14
13
作者 谢赐福 王孝君 +2 位作者 熊姿 宋丽新 许林勇 《中国卫生统计》 CSCD 北大核心 2018年第6期859-862,共4页
目的探讨SARIMA模型在肺结核发病预测中的适用性,为长沙市肺结核防控提供参考。方法利用2005年1月-2016年12月长沙市肺结核月发病数构建SARIMA模型,以2017年1-12月的月发病数评价模型的预测效果,并采用构建的最优模型对2018年长沙市肺... 目的探讨SARIMA模型在肺结核发病预测中的适用性,为长沙市肺结核防控提供参考。方法利用2005年1月-2016年12月长沙市肺结核月发病数构建SARIMA模型,以2017年1-12月的月发病数评价模型的预测效果,并采用构建的最优模型对2018年长沙市肺结核月发病情况进行预测。结果长沙市肺结核月发病数具有明显的季节性特征,最优预测模型为SARIMA(0,1,1)(0,1,1)12,其AIC=1436. 703,模型残差为白噪声(χ~2=0. 119,P=0. 731)。该模型的预测值与实际值的平均绝对百分误差为21. 69%,预测效果较为可靠。预计2018年长沙市肺结核的月平均发病数为332. 34例,发病水平与2017年接近,但总体略有下降。结论 SARIMA(0,1,1)(0,1,1)_(12)拟合效果较好,可用于长沙市肺结核月发病数的短期预测。 展开更多
关键词 肺结核 季节自回归求和移动平均模型 时间序列 预测
在线阅读 下载PDF
SARIMA模型在长治市肺结核预测中的应用 被引量:4
14
作者 张喜红 李慧 +1 位作者 曹文君 崔永梅 《中国医科大学学报》 CAS CSCD 北大核心 2018年第7期585-588,共4页
目的应用时间序列季节自回归求和滑动平均(SARIMA)模型探讨长治市肺结核的发病规律,为防控肺结核发生提供依据。方法收集长治市2010年1月至2017年12月肺结核逐月发病数,应用Eviews3.1对2010年1月至2017年6月肺结核发病数建立SARIMA模型... 目的应用时间序列季节自回归求和滑动平均(SARIMA)模型探讨长治市肺结核的发病规律,为防控肺结核发生提供依据。方法收集长治市2010年1月至2017年12月肺结核逐月发病数,应用Eviews3.1对2010年1月至2017年6月肺结核发病数建立SARIMA模型;利用所建SARIMA模型对2017年7月至12月肺结核发病数进行预测,并与实际值对比来评价模型预测效果。利用模型预测长治市2018年1到12月肺结核发病数。结果建立模型SARIMA(2,1,0)×(1,0,1)12,表达式为(1-B)(1+0.657B+0.279B^2)(1-0.906B^12)y_1=(1-0.885B^12)ε_1,y_1=ln(x_1),其中ε_1~WN(0,0,1272),该模型是预测长治市肺结核发病人数的合适模型,2017年7月至12月预测值平均相对误差为5.96%。结论建立了时间序列模型SARIMA(2,1,0)×(1,0,1)12来总结长治市肺结核的发病规律,并有效预测肺结核发病人数。 展开更多
关键词 季节自回归求和滑动平均模型 时间序列 肺结核 预测
在线阅读 下载PDF
适合西藏地区的归一化植被指数预测模型构建及验证
15
作者 孟慧美 吴凌霄 +1 位作者 宣越健 米玛旺堆 《气候与环境研究》 北大核心 2025年第2期199-211,共13页
基于差分自回归移动平均(ARIMA)方法、随机森林(RF)方法、Prophet方法构建适合西藏地区的归一化植被指数(Normalized Difference Vegetation Index,NDVI)预测模型,利用羊八井地区2000~2021年MODIS遥感NDVI数据进行了验证,结果表明:该地... 基于差分自回归移动平均(ARIMA)方法、随机森林(RF)方法、Prophet方法构建适合西藏地区的归一化植被指数(Normalized Difference Vegetation Index,NDVI)预测模型,利用羊八井地区2000~2021年MODIS遥感NDVI数据进行了验证,结果表明:该地区植被覆盖率总体呈现不明显减少趋势;3个预测模型中,RF预测精度最高,其归一化均方根误差、平均绝对百分比误差、决定系数,分别达到了6.92%、4.04%、0.9;小波变换方法能有效提高模型预测精度;组合模型可以提高预测精度,其中误差倒数权重组合模型优于平均权重和方差倒数加权组合模型。因此可以利用RF等机器学习方法结合小波变换、组合模型在西藏地区进行NDVI预测,为生态环境保护和农牧业生产决策提供科学指导。 展开更多
关键词 归一化植被指数(NDVI)预测模型 随机森林(RF)方法 差分自回归移动平均(ARIMA)方法 Prophet方法 小波变换
在线阅读 下载PDF
一种基于SARIMA-LSTM模型的电网主机负载预测方法 被引量:5
16
作者 王堃 郑晨 +1 位作者 张立中 陈志刚 《计算机工程与科学》 CSCD 北大核心 2022年第11期2064-2070,共7页
随着智能电网的不断发展,如何提高对信息设备运行状态的预测准确率以及设置适应数据变化的动态阈值区间是电网IT运维面临的巨大挑战。为了解决这些问题,提出了组合时间序列预测模型(SARIMA-LSTM),即在传统周期性ARIMA模型(SARIMA)的基础... 随着智能电网的不断发展,如何提高对信息设备运行状态的预测准确率以及设置适应数据变化的动态阈值区间是电网IT运维面临的巨大挑战。为了解决这些问题,提出了组合时间序列预测模型(SARIMA-LSTM),即在传统周期性ARIMA模型(SARIMA)的基础上,引入深度学习领域的LSTM模型,并摒弃了过去精度低、效果差的误差拟合方法,使用误差自回归方法来补偿预测结果。该模型可以学习到传统ARIMA模型无法捕捉到的误差波动规律,解决其无法预测非线性数据的问题。实验结果表明,在实际预测电网内存负载数据时,与ARIMA模型和SAIRIMA模型相比,SARIMA-LSTM模型可以实现更高的预测精度。 展开更多
关键词 时间序列 负载预测 周期差分移动平均自回归模型 误差补偿 长短期记忆网络
在线阅读 下载PDF
基于ARIMA-DBO-LSTM组合模型的矿区地表沉降预测:以贵州省开阳县洋水矿区为例
17
作者 文林海 刘萍 +4 位作者 黄鑫康 高方玲 刘贞智 李正龙 王春华 《科学技术与工程》 北大核心 2025年第24期10193-10203,共11页
随着矿产资源的大规模开采,矿区地表沉降问题日益严重,对环境安全和矿区可持续发展构成了重大威胁。以贵州省开阳县洋水矿区内平安一矿和双阳磷矿为研究对象,融合时序合成孔径雷达干涉测量(interferometric synthetic aperture radar, I... 随着矿产资源的大规模开采,矿区地表沉降问题日益严重,对环境安全和矿区可持续发展构成了重大威胁。以贵州省开阳县洋水矿区内平安一矿和双阳磷矿为研究对象,融合时序合成孔径雷达干涉测量(interferometric synthetic aperture radar, InSAR)技术和机器学习算法模型,对该磷矿矿区地表沉降进行监测与预测研究。利用小基线集技术获取2020年9月—2023年5月的地表累积时间序列沉降,并通过全球定位系统(global positioning system, GPS)实测沉降数据进行精度评估,得出监测结果具有准确性,并基于该结果,选取研究区内重要沉降点E1和E2,分别建立自回归滑动平均(autoregressive integrated moving average, ARIMA)和蜣螂优化算法(dung beetle optimizes, DBO)优化的长短期记忆网络(long short term memory, LSTM)预测模型以及基于不同权重下的ARIMA-DBO-LSTM组合模型,对其沉降趋势进行预测分析。结果表明:基于残差倒数法权重分配下的ARIMA-DBO-LSTM组合模型预测精度在E1和E2点均为最高,组合模型在处理复杂时序数据时弥补了单一预测模型的不足。所提方法能够为该研究区地表沉降预测提供一定的参考价值。 展开更多
关键词 小基线集雷达干涉测量(SBAS-InSAR) 蜣螂优化算法(DBO) 自回归滑动平均(ARIMA)模型 长短期记忆网络(LSTM)模型
在线阅读 下载PDF
Gender differences in the burden of near vision loss in China:An analysis based on GBD 2021 data
18
作者 LIU Yu ZHU Liping +4 位作者 LIN Yanhui WANG Yanbing XIONG Kun LI Xuhong YAN Wenguang 《中南大学学报(医学版)》 北大核心 2025年第6期1030-1041,共12页
Objective:Near vision loss(NVL)is one of the leading causes of visual impairment worldwide,exerting a profound impact on individual quality of life and socio-economic development.This study aims to analyze the burden ... Objective:Near vision loss(NVL)is one of the leading causes of visual impairment worldwide,exerting a profound impact on individual quality of life and socio-economic development.This study aims to analyze the burden of NVL in China by sex and age groups from 1990 to 2021 and to project trends over the next 15 years.Methods:Using data from the Global Burden of Disease(GBD)2021 database,we conducted descriptive analyses of NVL prevalence in China,calculated age-standardized prevalence rates(ASPR)and age-standardized disability-adjusted life years rates(ASDR)to compare burden differences between sexes and age groups,and applied an autoregressive integrated moving average(ARIMA)model to predict NVL trends for the next 15 years.The model selection was based on best-fit criteria to ensure reliable projections.Results:From 1990 to 2021,China’s ASPR of NVL rose from 10096.24/100000 to 15624.54/100000,and ASDR increased from 101.75/100000 to 158.75/100000.In 2021,ASPR(16551.70/100000)and ASDR(167.69/100000)were higher among females than males(14686.21/100000 and 149.76/100000,respectively).China ranked highest globally in both NVL cases and disability-adjusted life years(DALYs),with female burden significantly exceeding male burden.Projections indicated this trend and sex gap will persist until 2036.Compared with 1990,the prevalence cases and DALYs increased by 239.20%and 238.82%,respectively in 2021,with the highest burden among females and the 55−59 age group.The ARIMA model predicted continued increases in prevalence and DALYs by 2036,with females maintaining a higher burden than males.Conclusion:This study reveals a marked increase in the NVL burden in China and predicts continued growth in the coming years.Public health policies should prioritize NVL prevention and control,with special attention to women and middle-aged populations to mitigate long-term societal and health impacts. 展开更多
关键词 China near vision loss Global Burden of Disease database autoregressive integrated moving average model gender differences
在线阅读 下载PDF
变分模态分解与时间序列模型相结合的结构损伤识别方法研究
19
作者 姚小俊 孙守鹏 +1 位作者 王强 杨小梅 《振动与冲击》 北大核心 2025年第5期131-139,217,共10页
针对准确定位土木工程结构突变损伤的损伤时刻和损伤位置问题,提出了基于变分模态分解(variational mode decomposition,VMD)与差分整合移动平均自回归(autoregressive integration moving average,ARIMA)模型的突变损伤识别方法。首先... 针对准确定位土木工程结构突变损伤的损伤时刻和损伤位置问题,提出了基于变分模态分解(variational mode decomposition,VMD)与差分整合移动平均自回归(autoregressive integration moving average,ARIMA)模型的突变损伤识别方法。首先,利用自回归模型功率谱确定初始频率及需要分解的模态数量,接着通过VMD方法将振动非平稳信号初步分解为多个平稳的分量信号;然后,利用ARIMA模型来拟合各阶信号分量,获取模型残差,再利用ARIMA拟合模型信号分量得到的模型残差确定损伤的具体时刻;最后,利用主成分分析法获取结构的模态振型,构造一个基于频率与振型的损伤指标,结合损伤阈值定位出损伤位置。该方法通过地震激励下十自由度框架模拟算例以及实际简支钢桁梁桥数据进行分析。结果证实,该方法能够用于平稳及非平稳激励下的结构损伤时刻和损伤位置的定位。 展开更多
关键词 损伤识别 变分模态分解(VMD) 差分整合移动平均自回归(ARIMA)模型 自回归模型功率谱 模型残差
在线阅读 下载PDF
综合岭回归和SARIMA方法在桥梁健康监测数据分析中的应用 被引量:9
20
作者 谌桢文 常军 《科学技术与工程》 北大核心 2023年第20期8846-8853,共8页
桥梁健康监测系统的实测数据普遍存在缺失问题,为了保证桥梁监测数据的完整性,更好地预测桥梁未来的健康状况,提出了一种具有样本内和样本外预测能力的组合模型。样本外预测可以基于现在数据预测未来的桥梁健康状态,样本内回归用于填补... 桥梁健康监测系统的实测数据普遍存在缺失问题,为了保证桥梁监测数据的完整性,更好地预测桥梁未来的健康状况,提出了一种具有样本内和样本外预测能力的组合模型。样本外预测可以基于现在数据预测未来的桥梁健康状态,样本内回归用于填补传感器数据中的缺失值,确保桥梁监测数据的完整性。由于不同位置处相同类型传感器的相关性较强,首先利用岭回归(ridge regression,RR)解决共线性问题,建立各传感器数据之间的关联,并预测缺失数据。接着引入季节性差分自回归滑动平均(seasonal autoregressive integrated moving average,SARIMA)方法,利用其样本外预测能力并结合岭回归方法预测桥梁未来运行数据。最后,将该方法应用于实桥中,验证了其有效性,为传感器数据填补以及预测桥梁未来状态提供了有效的预测模型。 展开更多
关键词 大数据 缺失数据填补 数据预测 岭回归(RR) 季节性差分自回归滑动平均(sarima)
在线阅读 下载PDF
上一页 1 2 8 下一页 到第
使用帮助 返回顶部