副热带高压季节性移动与海温场的联系 被引量：19

1

作者 蒋全荣 郑定英 余志豪 《大气科学》 CSCD 北大核心 1997年第2期199-204,共6页

本文通过ＥＯＦ分解，分析讨论了西北太平洋副热带高压季节性移动与海温场之间的联系。结果表明：副高的两次北跳与东西进退都与海温场的扰动加热有关，海洋的热力强迫作用是引起大气环流系统季节变化的重要原因之一。

关键词 副热带高压 海温 季节性移动 海温场

在线阅读 下载PDF 职称材料

太阳辐射与西北太平洋副高季节性移动关系的研究 被引量：9

2

作者 蒋全荣 王宁邦 《热带气象》 CSCD 1989年第4期289-294,共6页

本文对西北太平洋地区的净太阳射入辐射场进行了自然正交函数分解。结果表明。第二、第四特征向量分别具有明显的纬向和经向分布不均匀性。太阳辐射的扰动加热及其随时间的变化与西北太平洋副高的季节性移动有着十分密切的关系。

关键词 太阳辐射 副热带 高压 季节性移动

在线阅读 下载PDF 职称材料

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

3

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 职称材料

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

4

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 职称材料

基于水电储能调节的风光水发电联合优化调度策略 被引量：17

5

作者 何奇 张宇 +4 位作者 邓玲 王海亮 谢琼瑶 王春 胡家旗 《广东电力》 北大核心 2024年第3期12-24,共13页

为缓解新能源装机容量扩大引起的弃风弃光现象,在已有梯级水电上下电站之间加入储能泵站,提出风光水储短期优化调度策略。构建以风光水储系统负荷跟踪误差最小、梯级水电站发电量最大和梯级水电站发电耗水量最小的多目标优化调度模型;... 为缓解新能源装机容量扩大引起的弃风弃光现象,在已有梯级水电上下电站之间加入储能泵站,提出风光水储短期优化调度策略。构建以风光水储系统负荷跟踪误差最小、梯级水电站发电量最大和梯级水电站发电耗水量最小的多目标优化调度模型;提出基于季节性自回归移动平均(seasonal auto-regressive lntegrated moving average, SARIMA)模型和Copula函数的风光出力预测模型作为优化调度模型的边界条件,通过SARIMA预测模型将风光出力历史数据分解为季节性分量、趋势分量以及随机噪声余项进行全天96个调度时段风光出力预测,并叠加上基于Copula函数生成风光出力预测误差,然后通过拉丁超立方采样以及K-means聚类进行场景生成和缩减得到5个风光出力场景。选取风光典型日出力数据为例进行算例分析,算例结果表明:所提预测模型较SARIMA模型可以显著提高预测准确度,模型预测风光出力均方根误差从33.34、229.49 MW分别下降至0.697、9.534 MW;所提优化调度策略可以在全年丰、平、枯水期有效减少弃风弃光现象,并可将过剩新能源中的50%转化为上级水库储存水能。 展开更多

关键词 风光出力预测 季节性自回归移动平均模型 COPULA函数 风光水储系统 负荷跟踪

在线阅读 下载PDF 职称材料

基于SARIMA和SVR组合模型的转向架系统寿命评估 被引量：4

6

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 职称材料

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

7

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 职称材料

应用时间序列分析气象因素对手足口病流行的影响 被引量：19

8

作者 冯慧芬 赵秋民 +2 位作者 段广才 朱光 李树岭 《郑州大学学报（医学版）》 CAS 北大核心 2015年第2期171-176,共6页

目的：探讨气象因素对手足口病（HFMD）流行的影响,为该地区HFMD防控与政策制定提供依据。方法：收集河南省郑州市二七区2008年5月至2014年6月气象资料（气温、气压、相对湿度、平均风速、降雨量、平均日照时间）和HFMD疫情资料。采用Sp... 目的：探讨气象因素对手足口病（HFMD）流行的影响,为该地区HFMD防控与政策制定提供依据。方法：收集河南省郑州市二七区2008年5月至2014年6月气象资料（气温、气压、相对湿度、平均风速、降雨量、平均日照时间）和HFMD疫情资料。采用Spearman秩相关分析气象参数与HFMD的相关性,采用互相关分析气象参数对HFMD流行的滞后效应,采用时间序列分析构建该地区HFMD季节性自回归移动平均（SARIMA）模型,比较引入气象参数前后模型的拟合优度和预测精度。结果：该地区HFMD流行集中于3~7月份,4~5月份达到高峰。HFMD周发病人数与每周日平均气温滞后2周（rS=0.248,P〈0.05）、最高气温滞后2周（rS=0.170,P〈0.05）、最低气温滞后2周（rS=-0.223,P〈0.05）相关。每周日平均气温滞后2周纳入HFMD周发病人数SARIMA（1,1,0）（0,1,0）52预测模型。引入气象参数前、后模型的拟合度为0.797、0.833,预测精度为11.573、10.611。结论：平均气温可影响HFMD的流行,引入平均气温构建的SARIMA模型能较好地拟合和预测HFMD的流行。 展开更多

关键词 手足口病 气象因素 时间序列分析 季节性自回归移动平均模型

在线阅读 下载PDF 职称材料

基于SARIMA模型和条件植被温度指数的干旱预测 被引量：23

9

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 职称材料

SARIMA和SARIMA-GRNN模型在流行性腮腺炎发病率预测中的应用对比 被引量：13

10

作者 张雪凝 施学忠 +3 位作者 赵浩 张卫萍 谭洁冰 杨永利 《中国卫生统计》 CSCD 北大核心 2020年第4期489-492,共4页

目的比较季节性差分自回归移动平均模型(seasonal autoregressive integrated moving average,SARIMA)和SARIMA-广义回归神经网络(general regression neural network,GRNN)组合模型对中国流行性腮腺炎发病的预测效果,指导流行性腮腺炎... 目的比较季节性差分自回归移动平均模型(seasonal autoregressive integrated moving average,SARIMA)和SARIMA-广义回归神经网络(general regression neural network,GRNN)组合模型对中国流行性腮腺炎发病的预测效果,指导流行性腮腺炎的预防控制。方法收集2010年1月-2017年12月全国流行性腮腺炎月发病率数据,构建SARIMA模型和SARIMA-GRNN组合模型,以2018年的实际月发病率进行验证,比较两种模型的拟合效果。结果流行性腮腺炎的流行特征呈季节性双峰分布。经筛选:SARIMA(2,1,2)×(0,1,1)12模型为相对最优模型(AIC=49.02,AICc=50.12,BIC=63.53);SARIMA-GRNN组合模型的最优光滑因子为0.013。SARIMA模型的MAPE、MAE、RMSE和R^2分别为17.221%、0.236、0.252和0.714,SARIMA-GRNN为14.115%、0.181、0.221和0.781。结论SARIMA-GRNN组合模型拟合和预测效果均优于单纯SARIMA模型,更适合于我国流行性腮腺炎发病率的预测,可为该病的防控提供科学依据。 展开更多

关键词 流行性腮腺炎 预测 季节性自回归移动平均模型 广义回归神经网络

在线阅读 下载PDF 职称材料

基于条件植被温度指数的夏玉米生长季干旱预测研究 被引量：13

11

作者 李俐 许连香 +2 位作者 王鹏新 齐璇 王蕾 《农业机械学报》 EI CAS CSCD 北大核心 2020年第1期139-147,共9页

为验证条件植被温度指数(VTCI)在夏玉米生长季干旱预测中的适用性,以河北中部平原为研究区,应用求和自回归移动平均(ARIMA)模型及季节性求和自回归移动平均(SARIMA)模型,对该地区VTCI时间序列数据进行分析建模预测。首先基于49个气象站... 为验证条件植被温度指数(VTCI)在夏玉米生长季干旱预测中的适用性,以河北中部平原为研究区,应用求和自回归移动平均(ARIMA)模型及季节性求和自回归移动平均(SARIMA)模型,对该地区VTCI时间序列数据进行分析建模预测。首先基于49个气象站点所在像素的VTCI时间序列数据,选取不同长度时间序列建立ARIMA模型,并分析时间序列长度与预测精度间关系,以期为时间序列长度选择提供依据;然后选择理想长度的VTCI时间序列数据,分别建立ARIMA模型和SARIMA模型,用于研究区域2017年夏玉米生长季VTCI预测,并分析评价两模型预测精度;最后采用性能较好的ARIMA模型逐像素建模预测,得到2016-2018年9月上旬至下旬VTCI预测结果。结果表明:基于ARIMA模型的VTCI预测精度与时间序列长度未呈现明显的相关关系,但随时间序列长度增加,模型预测精度逐渐趋于稳定;ARIMA模型对干旱的预测精度高于基于SARIMA模型,其1步、2步、3步VTCI预测结果均方根误差较SARIMA模型分别降低0. 06、0. 07、0. 09;ARIMA模型在不同年份夏玉米生长季VTCI1~3步的预测精度稳定性较好,2016-2018年1步、2步和3步VTCI预测结果绝对误差绝对值大于0. 20的像素平均百分比分别为5. 84%、6. 38%、8. 72%。 展开更多

关键词 夏玉米 条件植被温度指数 求和自回归移动平均模型 季节性求和自回归移动平均模型 干旱预测

在线阅读 下载PDF 职称材料

SARFIMA模型在肾综合征出血热发病预测中的应用 被引量：1

12

作者 齐畅 刘利利 +4 位作者 李春雨 朱雨辰 张丹丹 王志强 李秀君 《中国卫生统计》 CSCD 北大核心 2021年第1期14-17,共4页

目的研究季节性自回归分数差分移动平均(SARFIMA)模型预测肾综合征出血热(HFRS)发病率的效果,并与SARIMA模型进行比较。方法收集山东省2009年1月至2018年12月HFRS月发病数据,考虑时间序列的短记忆性和长记忆性,构建SARFIMA模型,以SARIM... 目的研究季节性自回归分数差分移动平均(SARFIMA)模型预测肾综合征出血热(HFRS)发病率的效果,并与SARIMA模型进行比较。方法收集山东省2009年1月至2018年12月HFRS月发病数据,考虑时间序列的短记忆性和长记忆性,构建SARFIMA模型,以SARIMA模型作为对比,比较两个模型的预测准确性。结果山东省2009-2018年HFRS月发病率具有明显周期性和季节性特征。模型评估表明,SARFIMA模型具有更好的拟合度和预测能力。SARFIMA(1,0.33,3)(1,0,0)_(12):AIC=-629.76;RMSE=0.028;SARIMA(1,0,3)(1,1,0)_(12):AIC=-356.43;RMSE=0.033。结论 SARFIMA模型能较好地拟合山东省HFRS月发病率的动态变化,且预测效果优于SARIMA模型。因此,SARFIMA模型可用于HFRS发病率的预测。 展开更多

关键词 时间序列分析 季节性自回归分数差分移动平均 季节性自回归移动平均 肾综合征出血热 预测

在线阅读 下载PDF 职称材料

基于SARIMA-BP模型的港口船舶交通流量预测 被引量：13

13

作者 赵龙文 苌道方 +1 位作者 朱宗良 高银萍 《中国航海》 CSCD 北大核心 2020年第1期50-55,94,共7页

为提高船舶交通流量预测精度,提出一种季节性自回归移动平均(Seasonal Autoregressive Integrated Moving Average,SARIMA)模型和BP神经网络的误差校正集成模型。以深圳港2011—2017年的数据为研究样本,对原始数据进行预处理,构建最优SA... 为提高船舶交通流量预测精度,提出一种季节性自回归移动平均(Seasonal Autoregressive Integrated Moving Average,SARIMA)模型和BP神经网络的误差校正集成模型。以深圳港2011—2017年的数据为研究样本,对原始数据进行预处理,构建最优SARIMA模型,以该模型求出的残差序列作为BP神经网络的输入,将两个模型预测结果进行整合,得到集成模型的预测结果。试验结果表明:该误差校正集成模型与两个单一模型相比,体现出船舶交通流量数据的季节性特征,具有较好的预测精度,为港口船舶交通流量预测提供一种更为有效的方法。 展开更多

关键词 船舶交通流量 预测 季节性自回归移动平均模型 BP神经网络

在线阅读 下载PDF 职称材料

应用SARIMA模型预测主题词研究热度 被引量：3

14

作者 陈煜杰 王一蒙 任飞亮 《小型微型计算机系统》 CSCD 北大核心 2022年第10期2022-2027,共6页

随着科学技术的飞快发展,如何通过已有某主题词历史的研究情况预测未来该某主题词以此来判断某领域是否具有研究意义的问题已经变得越来越不可忽视.在本文中,利用主题词论文的发表数量来体现该主题词的研究热度.以往科技文献的预测模型... 随着科学技术的飞快发展,如何通过已有某主题词历史的研究情况预测未来该某主题词以此来判断某领域是否具有研究意义的问题已经变得越来越不可忽视.在本文中,利用主题词论文的发表数量来体现该主题词的研究热度.以往科技文献的预测模型没有统一的评判标准,导致结果的信服程度低;只是简单的考虑到某一时间范围均匀地减少,没有对具体到季节变化进行模拟,模型的准确度低;模型最优解参数难以确定,迭代周期长.本文以预测科技文献的发表数量为目的,运用时间序列预测的研究方法.通过分析前人的对于时间序列预测所题出的模型,根据科技文献的发表特点提出使用SARIMA模型进行预测.使用Python进行仿真实验,采用AIC作为评判模型的指标,采用图像初步判断模型参数范围与迭代进一步确定模型参数的办法,结果表明采用SARIMA模型得到的AIC指标为505.859相比于仅采用ARIMA模型得到AIC指标646.363表现良好.最后尝试将SARIMA模型拓展应用于其他领域,结果都表明SARIMA模型优于ARIMA模型.最后本文结论,在预测季节性数据的情况下,可以采用本文提出的实验过程,广泛应用在其他领域,表现出色同时具有实际意义. 展开更多

关键词 科技文献 时间序列预测 季节性差分整合移动平均自回归模型

在线阅读 下载PDF 职称材料

一种基于SARIMA的经验对流层延迟模型

15

作者 刘中流 任超 +1 位作者 甘祥前 梁春丽 《测绘通报》 CSCD 北大核心 2018年第3期14-17,31,共5页

为了减弱对流层延迟的影响,提高GNSS定位精度,探讨了在无气象参数的条件下,利用预测模型计算对流层延迟的可能性,并提出了一种经验对流层延迟预测模型,即基于季节性自回归移动平均模型(SARIMA)的对流层延迟预报方法。结合中国长春和上... 为了减弱对流层延迟的影响,提高GNSS定位精度,探讨了在无气象参数的条件下,利用预测模型计算对流层延迟的可能性,并提出了一种经验对流层延迟预测模型,即基于季节性自回归移动平均模型(SARIMA)的对流层延迟预报方法。结合中国长春和上海两个地区的ZTD数据进行预测分析,预测结果表明:基于SARIMA的ZTD预报模型能够满足不同地区不同时段下的ZTD估计需求,是一种较高精度的ZTD预报方法。 展开更多

关键词 经验模型 对流层延迟预报 季节性自回归移动平均模型 精度改进

在线阅读 下载PDF 职称材料