提出了一类用于非线性时间序列建模的混合自回归滑动平均模型(MARMA).该模型是由K个平稳或非平稳的ARMA分量经过混合得到的.讨论了MARMA模型的平稳性条件和自相关函数.给出了MARMA模型参数估计的期望极大化(expectation maximization)算...提出了一类用于非线性时间序列建模的混合自回归滑动平均模型(MARMA).该模型是由K个平稳或非平稳的ARMA分量经过混合得到的.讨论了MARMA模型的平稳性条件和自相关函数.给出了MARMA模型参数估计的期望极大化(expectation maximization)算法.运用贝叶斯信息准则(Bayes information criterion)来选择该模型.MARMA模型分布形式富于变化的特征使得它能够对具有多峰分布以及条件异方差的序列进行建模.通过两个实例验证了该模型,并和其他模型进行比较,结果表明MARMA模型能够更好地描述这些数据的特征.展开更多
针对城市用水周期性及波动性特点,依据深圳市47个水厂及10个行政区2015-2019年逐月的供用水序列,考虑产业结构、人口特征及水厂供水的时间变化因子,提出KMeans聚类算法和季节性滑动平均自回归(seasonal moving average autoregressive,S...针对城市用水周期性及波动性特点,依据深圳市47个水厂及10个行政区2015-2019年逐月的供用水序列,考虑产业结构、人口特征及水厂供水的时间变化因子,提出KMeans聚类算法和季节性滑动平均自回归(seasonal moving average autoregressive,SMAAR)模型耦合方法,将水厂和行政区的时间序列进行聚类,分类别进行建模,预测2020年1-8月水厂及行政区的逐月供水数据,进而汇总出深圳市2020年1-8月的总供水数据,并与普通的自回归滑动平均(autore⁃gressive moving average,ARMA)模型对比。结果表明:建模对象范围越小预测结果的RE较小。SMAAR的性能比ARMA有显著提升,且在长期预报中依旧表现出较强的泛化能力,254 d逐日预测结果的平均相对误差只有0.08。本研究方法可为城市需水预测和供水调度管理提供支撑。展开更多
文摘传统基于离线模型参数和典型运行方式设计的电力系统阻尼控制器存在适应性问题,提出一种基于辨识的自适应控制器设计方法,可解决一般自适应控制中快速性和准确性要求之间的矛盾。所用的多元自回归滑动平均模型(auto regressive moving averaging vector,ARMAV)辨识在电网正常运行过程中针对由负荷等随机扰动引起的类噪声信号进行;在综合考虑辨识误差、阻尼要求和稳定裕度基础上,提出阻尼控制零极点配置基本原则,并设计相应的遗传算法优化方法。为了充分检验上述辨识与控制系统的效果,基于广域测量平台对其进行软硬件实现,并在东北电网简化系统中进行实时数字仿真(real time digital simulation,RTDS)测试,实验结果说明了所提方法的可行性和有效性。
文摘提出了一类用于非线性时间序列建模的混合自回归滑动平均模型(MARMA).该模型是由K个平稳或非平稳的ARMA分量经过混合得到的.讨论了MARMA模型的平稳性条件和自相关函数.给出了MARMA模型参数估计的期望极大化(expectation maximization)算法.运用贝叶斯信息准则(Bayes information criterion)来选择该模型.MARMA模型分布形式富于变化的特征使得它能够对具有多峰分布以及条件异方差的序列进行建模.通过两个实例验证了该模型,并和其他模型进行比较,结果表明MARMA模型能够更好地描述这些数据的特征.
