期刊文献+
共找到71篇文章
< 1 2 4 >
每页显示 20 50 100
应用季节周期回归模型预测甲型肝炎发病率 被引量:5
1
作者 陈文娟 郭瑾 《中国卫生统计》 CSCD 北大核心 2001年第6期343-343,共1页
关键词 甲型肝炎 发病率 季节周期回归模型 预测
在线阅读 下载PDF
基于SARIMA-SVM模型的季节性PM_(2.5)浓度预测 被引量:1
2
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 季节预测
在线阅读 下载PDF
自回归求和移动平均乘积季节模型在西安地区出生缺陷预测中的应用 被引量:11
3
作者 张丽 米白冰 +7 位作者 相晓妹 宋辉 董敏 张水平 章琦 王玲玲 屈鹏飞 党少农 《西安交通大学学报(医学版)》 CAS CSCD 北大核心 2017年第3期371-374,426,共5页
目的应用自回归求和移动平均(ARIMA)乘积季节模型预测西安市出生缺陷的发生率。方法利用2009年10月至2015年8月出生缺陷监测数据对西安市出生缺陷发生率数据构建ARIMA乘积季节模型,同时利用2015年9月至12月实际出生缺陷发生率与模型拟... 目的应用自回归求和移动平均(ARIMA)乘积季节模型预测西安市出生缺陷的发生率。方法利用2009年10月至2015年8月出生缺陷监测数据对西安市出生缺陷发生率数据构建ARIMA乘积季节模型,同时利用2015年9月至12月实际出生缺陷发生率与模型拟合数据进行比较,评价模型的预测性能,并预测西安市2016年的出生缺陷发生率。结果西安市出生缺陷的发生率具有一定的趋势及季节性,建立了ARIMA(0,0,1)(0,1,1)12乘积季节模型,利用2015年9月至12月拟合值与实际出生缺陷发生率比较,绝对误差的平均9.5,相对误差的平均0.084,提示ARIMA(0,0,1)(0,1,1)12乘积季节模型具有较佳的预测能力。预测2016年西安市出生缺陷发生率与2015年接近,总体略有抬升,但峰值下降。结论 ARIMA(0,0,1)(0,1,1)12乘积季节模型可用于西安市出生缺陷发生率的预测。 展开更多
关键词 出生缺陷 回归求和移动平均乘积季节模型 预测
在线阅读 下载PDF
基于周期自回归模型的短期负荷预测 被引量:37
4
作者 赵宏伟 任震 黄雯莹 《中国电机工程学报》 EI CSCD 北大核心 1997年第5期348-351,共4页
通常,周期自回归(PAR)模型适于处理短周期时间序列。故进行电力系统短期负荷预测时,由于周期长度大,阶数高,待估计的参数剧增,难以实现。本文在一定的假设条件下,建立了短期负荷的周期自回归预测模型,提出了相应的算法,并... 通常,周期自回归(PAR)模型适于处理短周期时间序列。故进行电力系统短期负荷预测时,由于周期长度大,阶数高,待估计的参数剧增,难以实现。本文在一定的假设条件下,建立了短期负荷的周期自回归预测模型,提出了相应的算法,并编制了计算分析程序。对一实际系统的负荷预测表明,本文的模型和算法具有很高的预测速度和良好的预测精度。 展开更多
关键词 电力系统 短期负荷预测 周期回归模型
在线阅读 下载PDF
季节性周期预测法在建立降雨预报模型中的应用 被引量:10
5
作者 王立坤 付强 +1 位作者 杨广林 梁川 《东北农业大学学报》 CAS CSCD 2002年第1期67-71,共5页
利用季节预测法建立了三江平原井灌水稻区大气降雨预报模型 ,经与实测值比较 ,精度较高。可在灌区降雨预防及灌溉管理中应用。同时对于该地区推求水稻净灌溉需水量、灌溉定额、优化灌溉制度、节约地下水资源。
关键词 季节预测 降雨预报模型 周期预测 降雨量 计算流程图
在线阅读 下载PDF
基于混合自回归滑动平均潜周期模型的短期电价预测 被引量:11
6
作者 曾勇红 王锡凡 冯宗建 《西安交通大学学报》 EI CAS CSCD 北大核心 2008年第2期184-188,共5页
应用混合自回归滑动平均潜周期模型对短期电价序列进行了预测.对消除了趋势影响的电价序列,经离散傅里叶变换转换为复值潜周期模型,采用一种简单的周期图检测方法计算电价序列的周期特征参数.为了计及历史信息对当前状态的影响,采用自... 应用混合自回归滑动平均潜周期模型对短期电价序列进行了预测.对消除了趋势影响的电价序列,经离散傅里叶变换转换为复值潜周期模型,采用一种简单的周期图检测方法计算电价序列的周期特征参数.为了计及历史信息对当前状态的影响,采用自回归滑动平均模型拟合残差随机分量,采用赤池信息准则确定模型的阶数,参数则由矩估计得到.该模型不要求预先假设电价序列的周期尺度,周期的个数和大小由模型计算确定,方法简单.采用美国宾夕法尼亚、新泽西、马里兰电力市场的实际电价数据对模型进行了检验,验证了模型的有效性. 展开更多
关键词 周期 电价预测 回归滑动平均模型
在线阅读 下载PDF
基于季节自回归单整移动平均模型的电梯交通流递归预测方法 被引量:4
7
作者 宗群 赵占山 商安娜 《天津大学学报》 EI CAS CSCD 北大核心 2008年第6期653-659,共7页
针对电梯交通流预测提出了一种基于季节自回归单整移动平均(SARIMA)模型的递归预测方法.通过离线分析,对电梯交通流利用时间序列分析得到初始的SARIMA模型,引入异常值检测对训练数据中的异常值进行修正,利用修正的序列得到电梯交通流SAR... 针对电梯交通流预测提出了一种基于季节自回归单整移动平均(SARIMA)模型的递归预测方法.通过离线分析,对电梯交通流利用时间序列分析得到初始的SARIMA模型,引入异常值检测对训练数据中的异常值进行修正,利用修正的序列得到电梯交通流SARIMA模型;在线预测时,将离线得到修正的SARIMA模型转化为状态空间形式,通过Kalman滤波实时调整状态向量,实现电梯交通流的实时在线预测.仿真表明该方法具有很好的预测性能,且运行时间短,满足实时性的要求. 展开更多
关键词 电梯交通流预测 季节回归单整移动平均模型 异常值检测 KALMAN滤波 状态空间模型
在线阅读 下载PDF
长沙市流行性腮腺炎季节性自回归移动平均模型预测研究 被引量:3
8
作者 刘琳玲 刘如春 +5 位作者 陈田木 张本忠 李亚曼 胡伟红 谢知 赵锦 《中国全科医学》 CAS 北大核心 2017年第2期187-190,共4页
目的采用季节性自回归移动平均(SARIMA)模型预测长沙市流行性腮腺炎发病数。方法收集2005—2015年长沙市报告的流行性腮腺炎病例数据,将2005—2014年数据作为建模数据,将2015年数据作为验证数据,开展SARIMA模型建立与验证研究,并对2016... 目的采用季节性自回归移动平均(SARIMA)模型预测长沙市流行性腮腺炎发病数。方法收集2005—2015年长沙市报告的流行性腮腺炎病例数据,将2005—2014年数据作为建模数据,将2015年数据作为验证数据,开展SARIMA模型建立与验证研究,并对2016年流行性腮腺炎发病数进行预测。结果 SARIMA(3,0,0)×(1,0,0)_(12)模型可以很好地拟合实际数据,模型的展开式为:Y_t=222.545+1.225Y_(t-1)-0.713Y_(t-2)+0.291Y_(t-3)+0.366Y_(t-12)-0.448Y_(t-13)+0.261Y_(t-14)-0.107Y_(t-15)+a_t。将验证数据与预测数据进行相关性分析,结果显示呈显著性相关(r=0.61,P<0.001)。SARIMA模型预测2016年长沙市全年发病数将达到3 032例,平均月病例数为253例。结论 SARIMA模型可以用于流行性腮腺炎发病数预测,长沙市2016年流行性腮腺炎疫情仍处于高发态势。 展开更多
关键词 流行性腮腺炎 时间序列 季节性自回归移动平均模型 预测
在线阅读 下载PDF
一种简单的季节自回归模型及其在药品需求预测中的应用 被引量:2
9
作者 王文昌 张蔚 +1 位作者 尹全焕 许汝福 《中国卫生统计》 CSCD 北大核心 1997年第2期46-47,共2页
一种简单的季节自回归模型及其在药品需求预测中的应用第三军医大学王文昌张蔚尹全焕许汝福季节自回归模型的提出自回归模型AR(p)的一般形式为:Yt=a1+a2Yt-1+…+apYt-p+et(1)式中,Yt是当前值,模型... 一种简单的季节自回归模型及其在药品需求预测中的应用第三军医大学王文昌张蔚尹全焕许汝福季节自回归模型的提出自回归模型AR(p)的一般形式为:Yt=a1+a2Yt-1+…+apYt-p+et(1)式中,Yt是当前值,模型表现为自身过去观察值Yt-1,Yt... 展开更多
关键词 季节回归模型 药品 需求量 预测
在线阅读 下载PDF
医院季节性时间序列资料的周期自回归模型及其应用 被引量:2
10
作者 易东 张蔚 《中国卫生统计》 CSCD 北大核心 1993年第5期1-3,共3页
本文利用周期相关序列和自回归模型等概念,对医院的季节性时间序列资料建立了周期自回归预测模型,其分析结果较为满意。
关键词 医院 季节 分析结果 回归模型 资料 时间序列 利用 周期 相关序列 预测模型
在线阅读 下载PDF
一种包含周期变动的回归预测模型 被引量:16
11
作者 葛新权 《预测》 CSSCI 1998年第1期61-63,共3页
众所周知,利用普通回归模型预测,误差往往很大。道理很简单,普通回归模型仅考虑长期趋势。本文建立了一种包含周期变动的回归预测模型,提高了拟合度,减少了预测误差。
关键词 回归模型 预测 周期变动 预测误差
在线阅读 下载PDF
利用周期自回归模型对宏观经济综合景气状况的预测与分析 被引量:2
12
作者 吴国富 崔斌 《预测》 CSSCI 1997年第4期44-46,共3页
本文介绍了周期自归模型的建模过程,并利用其对反映我国宏观经济综合景气状况的合成指数序列进行了预测与分析。
关键词 宏观经济 景气分析 周期回归模型 预测
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
13
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
基于季节性差分整合移动平均自回归模型的城市公交短期客流预测 被引量:9
14
作者 李炜聪 潘福全 +3 位作者 胡盼 张丽霞 杨晓霞 杨金顺 《济南大学学报(自然科学版)》 CAS 北大核心 2022年第3期308-314,共7页
为了解决公交车辆过载及空车浪费资源并存问题,提高城市公交服务质量水平,基于公交客流季节性波动及周期性变化特征,构建季节性差分整合移动平均自回归模型,并对城市公交短期客流进行预测;以山东省青岛市K1路公交线路刷卡数据为模型样本... 为了解决公交车辆过载及空车浪费资源并存问题,提高城市公交服务质量水平,基于公交客流季节性波动及周期性变化特征,构建季节性差分整合移动平均自回归模型,并对城市公交短期客流进行预测;以山东省青岛市K1路公交线路刷卡数据为模型样本,对非平稳的客流时间序列进行1阶7步差分处理,对差分后的数据进行平稳性检验;通过相对信息量计算,确定预测模型中未知参数,对差分处理后的时间序列进行标准化残差检验,检验结果为白噪声序列,得到周期为7的季节性差分整合移动平均自回归预测模型;利用预测模型对2019年7—12月公交客流量进行预测与误差分析。结果表明,模型预测的平均相对误差为4.02%,最大相对误差为8.36%,模型预测精度较高,适用于青岛市公交短期客流量预测。 展开更多
关键词 交通预测 短期客流预测 季节性差分整合移动平均自回归模型 城市公交 平稳性检验
在线阅读 下载PDF
乘积季节ARIMA模型在食源性疾病预测中的应用 被引量:16
15
作者 张爱红 周培 +2 位作者 申铜倩 彭志行 陈峰 《中国卫生统计》 CSCD 北大核心 2014年第1期68-69,73,共3页
目的探讨应用乘积季节自回归求和移动平均模型(autoregressive integrated moving average,ARIMA)预测如东县食源性疾病发病的可行性,为食源性疾病的预防和控制提供依据。方法基于2004年1月至2010年12月食源性疾病人数建立乘积季节ARIM... 目的探讨应用乘积季节自回归求和移动平均模型(autoregressive integrated moving average,ARIMA)预测如东县食源性疾病发病的可行性,为食源性疾病的预防和控制提供依据。方法基于2004年1月至2010年12月食源性疾病人数建立乘积季节ARIMA模型,用2011年食源性疾病资料验证模型的预测效果,用所得模型预测2012年食源性疾病发病人数。结果 ARIMA(0,1,1)×(0,1,1)12较好地拟合了既往时间段食源性疾病发病人数的时间序列,拟合平均相对误差为2.7%,预测2012年如东县食源性疾病发病总人数为64人。结论乘积季节ARIMA模型可以较好地拟合食源性疾病的时间变化趋势,并用于预测未来的食源性疾病,是一种短期预测精度较高的预测模型。 展开更多
关键词 乘积季节回归求和移动平均模型 预测 食源性疾病
在线阅读 下载PDF
基于线性相关分析的周期自回归短期负荷预测 被引量:19
16
作者 唐俊杰 牛焕娜 杨明皓 《电力系统保护与控制》 EI CSCD 北大核心 2010年第14期128-133,共6页
对配电系统短期负荷预测的周期自回归模型和配电负荷的周期性进行了研究。采用相关分析法对配电负荷的周期特性作了深入地分析,研究结果表明配电负荷的日周期性比周周期性更明显;基于配电负荷的时刻相关性分析,挑选出对预测结果起决定... 对配电系统短期负荷预测的周期自回归模型和配电负荷的周期性进行了研究。采用相关分析法对配电负荷的周期特性作了深入地分析,研究结果表明配电负荷的日周期性比周周期性更明显;基于配电负荷的时刻相关性分析,挑选出对预测结果起决定性作用的特征输入量,据此提出了改进的配电负荷日周期PAR预测模型。实例研究表明,该模型较常规PAR预测模型的预测速度更快、精度更高。 展开更多
关键词 短期负荷预测 周期回归模型 线性相关性分析 配电负荷 特征输入量
在线阅读 下载PDF
建立铁路货运量季节性预测模型的研究 被引量:5
17
作者 任德亮 李向国 张天伟 《铁道运输与经济》 北大核心 2004年第8期65-67,共3页
铁路货运量预测是编制运输方案的依据,目前采用的预测方法,难以全面、科学地反映数据的内在结构和复杂性,以年度为单位预测时,误差不大,但按月度预测时,则误差较大。为此利用三角函数周期性的特点,辅以线性趋势变动,建立适合不同预测期... 铁路货运量预测是编制运输方案的依据,目前采用的预测方法,难以全面、科学地反映数据的内在结构和复杂性,以年度为单位预测时,误差不大,但按月度预测时,则误差较大。为此利用三角函数周期性的特点,辅以线性趋势变动,建立适合不同预测期限、不同预测精度的季节性预测模型,经实例检测能够较为准确地预测月计划运输量。 展开更多
关键词 铁路运输 货运量 季节预测模型 三角函数周期
在线阅读 下载PDF
自回归数学模型对疟疾疫情预测的研究 被引量:2
18
作者 许筱红 金小林 《中国卫生统计》 CSCD 北大核心 2006年第3期228-228,239,共2页
关键词 回归数学模型 疫情预测 疟疾 回归模型 线性回归模型 卫生职能部门 相关系数 时间序列 周期变化 发病情况
在线阅读 下载PDF
GM(1,1)周期修正模型及在电力负荷预测中的应用 被引量:5
19
作者 赵海青 《运筹与管理》 CSCD 北大核心 2009年第1期115-117,共3页
模型GM(1,1)是电力系统负荷预测的一种有效的方法,但利用GM(1,1)模型难以反映序列随机的季节性周期波动变化。本文阐述的周期修正模型,可以很好地解决这一问题。实例表明,此模型简单有效,对于季节性预测问题有很强的实用性和较高的预测... 模型GM(1,1)是电力系统负荷预测的一种有效的方法,但利用GM(1,1)模型难以反映序列随机的季节性周期波动变化。本文阐述的周期修正模型,可以很好地解决这一问题。实例表明,此模型简单有效,对于季节性预测问题有很强的实用性和较高的预测精度。 展开更多
关键词 负荷预测 GM(1 1)模型 周期修正 季节预测
在线阅读 下载PDF
ARIMA乘积季节模型在重庆市流行性乙型脑炎预测中的应用 被引量:1
20
作者 周春碚 姚宁 《重庆医科大学学报》 CSCD 北大核心 2017年第10期1345-1349,共5页
目的:应用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型预测重庆市流行性乙型脑炎(简称乙脑)发病数。方法:利用R软件对重庆市2006年1月到2015年6月乙脑报告病例数进行ARIMA模型建模拟合,选择预测... 目的:应用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型预测重庆市流行性乙型脑炎(简称乙脑)发病数。方法:利用R软件对重庆市2006年1月到2015年6月乙脑报告病例数进行ARIMA模型建模拟合,选择预测模型进行相互比较确定最优模型。用2015年7至12月实际报告病例数与拟合值的比较来评价模型的预测效果,并对2016至2017年重庆市乙脑报告发病数进行预测。结果:重庆市乙脑发病人数呈逐年下降趋势,报告病例具有明显季节分布特征,ARIMA(0,0,1)×(1,1,2)12模型很好地拟合了时间序列,该模型赤池信息量准则(Akaike information criterion,AIC)、许瓦兹贝叶斯准则(Schwarz Bayesian criterion,SBC)值均最小且预测值与实际值的平均相对误差为0.12,平均绝对百分比误差为7.81%。进一步用该模型预测重庆市2016至2017年乙脑病例数分别为35例和32例,发病高峰仍是7至8月。结论:利用ARIMA乘积季节模型对乙脑发病数拟合较好,短期预测结果良好;与2015年比较,预测2016至2017年乙脑报告发病数略微减少。 展开更多
关键词 流行性乙型脑炎 回归求和移动平均乘积季节模型 预测
在线阅读 下载PDF
上一页 1 2 4 下一页 到第
使用帮助 返回顶部