期刊文献+
共找到102篇文章
< 1 2 6 >
每页显示 20 50 100
基于季节性(差分整合)自回归移动平均模型的广西乙类传染病发病情况预测 被引量:1
1
作者 韦雪梅 杨晓祥 +2 位作者 韦雪芹 李娟 袁宗祥 《内科》 2023年第3期209-214,共6页
目的应用季节性(差分整合)自回归移动平均(SARIMA)模型预测广西乙类传染病发病情况。方法将2011年1月至2022年5月广西乙类传染病月报告发病数据作为训练集构建时间序列,拟合和构建SARIMA预测模型;以2022年6月至11月的广西乙类传染病月... 目的应用季节性(差分整合)自回归移动平均(SARIMA)模型预测广西乙类传染病发病情况。方法将2011年1月至2022年5月广西乙类传染病月报告发病数据作为训练集构建时间序列,拟合和构建SARIMA预测模型;以2022年6月至11月的广西乙类传染病月报告发病数据作为测试集对模型进行测试。结果广西乙类传染病的发病情况呈季节性规律,最优预测模型为SARIMA(3,1,3)(2,0,0)_(12),其预测效果平均相对误差为7.99%,预测发病例数95%CI均包含了实际发病例数。结论SARIMA(3,1,3)(2,0,0)_(12)模型能较好地拟合广西乙类传染病的发病情况,可用于疫情的短期监测。 展开更多
关键词 广西壮族自治区 乙类传染病 季节性(差分整合)自回归移动平均模型 疾病预测
在线阅读 下载PDF
基于整合移动平均自回归和遗传粒子群优化小波神经网络组合模型的交通流预测 被引量:27
2
作者 殷礼胜 唐圣期 +1 位作者 李胜 何怡刚 《电子与信息学报》 EI CSCD 北大核心 2019年第9期2273-2279,共7页
针对短时交通流数据的非线性和随机性特点,为提高它的预测精度和收敛速度,该文从模型构建和算法两方面提出一种整合移动平均自回归(ARIMA)模型和遗传粒子群算法优化小波神经网络(GPSOWNN)相结合的预测模型和算法。在模型构建方面,将ARIM... 针对短时交通流数据的非线性和随机性特点,为提高它的预测精度和收敛速度,该文从模型构建和算法两方面提出一种整合移动平均自回归(ARIMA)模型和遗传粒子群算法优化小波神经网络(GPSOWNN)相结合的预测模型和算法。在模型构建方面,将ARIMA模型预测值和灰色关联系数大于0.6的相关性强的前3个时刻的历史数据作为小波神经网络(WNN)的输入,在兼顾历史数据的平稳和非平稳的情况下,进行了模型结构简化。在算法方面,通过遗传粒子群算法对小波神经网络的参数初始值进行最优选取,可使其结果在不易陷入局部最优的条件下加快网络训练收敛速度。实验结果表明,在预测精度方面,该方法的模型明显优于整合移动平均自回归模型和遗传粒子群算法优化小波神经网络,在收敛速度方面,用遗传粒子群算法优化模型明显优于仅用遗传算法优化模型。 展开更多
关键词 短时交通流预测 灰色关联分析法 整合移动平均自回归 遗传粒子群优化小波神经网络
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 自回归求和移动平均乘积季节模型 预测
在线阅读 下载PDF
自回归单整移动平均模型在财政支出预测中的应用 被引量:6
4
作者 陈盈 赵伟 闫晓茗 《经济研究参考》 北大核心 2014年第33期53-62,共10页
财政支出是一个地区或国家经济指标体系中的一个核心指标,它能综合反映经济活动总量和衡量一个地区或国家的工业经济发展水平。对财政支出进行定量分析并对其做出较为准确的预测则可以为相关部门或者企业制定发展规划、实施相关措施提... 财政支出是一个地区或国家经济指标体系中的一个核心指标,它能综合反映经济活动总量和衡量一个地区或国家的工业经济发展水平。对财政支出进行定量分析并对其做出较为准确的预测则可以为相关部门或者企业制定发展规划、实施相关措施提供可靠的理论预测参考。通过财政支出规模和结构的预测,有利于指导未来财政支出结构优化工作的进行,同时建立财政支出结构预警体系,对于财政支出结构中出现异常波动的部分进行重点关注。本文是对财政支出预测理论和途径的一种探索,引入自回归单整移动平均模型,在模型的进一步使用中还需注意其他影响因素的出现,如经济波动、财政政策的大幅度调整等,未来还需要引入相关的要素对财政支出预算模型和理论进行不断完善。 展开更多
关键词 财政支出 预测 自回归单整移动平均模型
在线阅读 下载PDF
自回归移动平均模型在骨科Ⅰ类切口感染预测中的应用 被引量:1
5
作者 陈丽 杨玉妹 方朕 《军事护理》 CSCD 北大核心 2023年第11期36-39,44,共5页
目的应用自回归移动平均(autoregressive integrated moving average,ARIMA)模型建立骨科Ⅰ类切口感染预测模型,预测未来6个月的感染发病率。方法回顾性分析2013年1月至2021年12月上海交通大学医学院附属第六人民医院骨科Ⅰ类切口感染... 目的应用自回归移动平均(autoregressive integrated moving average,ARIMA)模型建立骨科Ⅰ类切口感染预测模型,预测未来6个月的感染发病率。方法回顾性分析2013年1月至2021年12月上海交通大学医学院附属第六人民医院骨科Ⅰ类切口感染发病率数据。选取2013年1月至2021年6月的数据作为训练集,建立ARIMA模型;以2021年7-12月的发病率数据作为验证集,评价模型的预测效果,并预测未来6个月的发病率。结果2013年1月至2021年12月骨科Ⅰ类切口手术患者共有228647例,发生Ⅰ类切口感染628例,手术切口感染发病率为0.275%。ARIMA(1,0,0)(1,0,0)12为确定的最佳模型,2021年7-12月的实际值均落在预测值的95%可信区间范围内。采用该模型预测未来6个月的感染发病率依次分别为0.276%、0.283%、0.288%、0.285%、0.297%和0.291%。结论ARIMA模型能有效拟合、预测骨科Ⅰ类切口感染发病率,模型预测结果提示未来6个月内的发病率呈现低水平流行的态势,可为临床干预措施的实施提供科学依据。 展开更多
关键词 骨科 Ⅰ类切口 自回归移动平均模型 预测 感染
在线阅读 下载PDF
自回归移动平均模型在预测门诊输液人次中的应用
6
作者 王萍 刘钰 《解放军护理杂志》 2009年第2期64-65,共2页
目的评价自回归移动平均模型(autoregressive integrated moving average model,ARIMA)在预测门诊输液人次中的作用,为医疗资源配置提供依据。方法对某医院门诊部治疗室2003年1月至2007年12月的门诊输液患者进行统计分析,并使用SAS的AR... 目的评价自回归移动平均模型(autoregressive integrated moving average model,ARIMA)在预测门诊输液人次中的作用,为医疗资源配置提供依据。方法对某医院门诊部治疗室2003年1月至2007年12月的门诊输液患者进行统计分析,并使用SAS的ARIMA过程预测模型对2008年度门诊输液人次进行预测。结果5年间门诊输液人次逐年增加,在各年度内存在波峰和波谷;不同年度每月门诊量有明显变化,但2月份均为门诊输液人次的低谷期。预测2008年门诊输液人次将明显增加,并呈现出季节性。结论ARIMA模型可以合理预测各月门诊输液人次的变化,为医疗资源配置提供重要依据。 展开更多
关键词 门诊医疗 补液疗法 自回归移动平均模型 预测 资源分配
在线阅读 下载PDF
自回归移动平均模型在南宁市输血依赖性地中海贫血患者用血需求预测中的应用 被引量:2
7
作者 闫锡鹏 李贤 +3 位作者 黄林宾 何保仁 梁义安 李彬 《中国医药科学》 2022年第18期17-21,共5页
目的建立南宁地区医院月度用血量的自回归移动平均模型(ARIMA),为合理制订南宁地区输血依赖性地中海贫血(TDT)患者供血计划提供依据。方法统计南宁地区2016年1月至2021年6月每月地中海贫血供血量数据,绘制时间序列,使用SPSS 26.0建立地... 目的建立南宁地区医院月度用血量的自回归移动平均模型(ARIMA),为合理制订南宁地区输血依赖性地中海贫血(TDT)患者供血计划提供依据。方法统计南宁地区2016年1月至2021年6月每月地中海贫血供血量数据,绘制时间序列,使用SPSS 26.0建立地中海贫血患者供血预测的最优模型,并预测2021年7—12月的供血量。结果绘制出时间序列图,经过参数识别,模型筛选等步骤,成功构建ARIMA(0,1,1)(0,0,1)12模型,模型的残差ACF、PACF值均在95%CI内,残差为白噪声,模型可以用于预测。运用模型对2021年7—12月南宁地区TDT患者用血量进行预测,预测值与实际值相对误差为8.42%。结论基于ARIMA模型的时间序列分析方法可用于南宁市月度地中海贫血供血量的短期预测。 展开更多
关键词 自回归移动平均模型 输血依赖性地中海贫血 用血需求 预测
在线阅读 下载PDF
基于ICEEMDAN分解的多维时间序列干旱预测模型性能评估
8
作者 韦余鑫 李巧 +3 位作者 卢春雷 陶洪飞 马合木江·艾合买提 姜有为 《灌溉排水学报》 2025年第3期94-103,共10页
【目的】评估基于ICEEMDAN分解的多维时间序列干旱模型预测性能,为干旱预测提供新思路。【方法】以新疆三屯河灌区为研究区域,基于碾盘庄站1980—2023年逐月降水数据,计算1、3、6、9、12、24个月时间尺度的标准化降水指数(SPI),构建自... 【目的】评估基于ICEEMDAN分解的多维时间序列干旱模型预测性能,为干旱预测提供新思路。【方法】以新疆三屯河灌区为研究区域,基于碾盘庄站1980—2023年逐月降水数据,计算1、3、6、9、12、24个月时间尺度的标准化降水指数(SPI),构建自回归差分移动平均模型(ARIMA)、门控循环单元网络(GRU)、长短期记忆网络(LSTM)、改进的完全自适应噪声集合经验模态分解ICEEMDAN-ARIMA、ICEEMDAN-GRU和ICEEMDAN-LSTM组合模型,利用6种预测模型对多时间尺度SPI进行预测,借助均方根误差(RMSE)、平均绝对误差(MAE)、决定系数(R2)对所有模型预测精度进行评价。【结果】6种模型的预测精度均随时间尺度的增加而逐步提高,在24个月时间尺度下达到最高;ICEEMDAN能有效平稳时间数据,提升模型预测精度;6种模型的预测性能排序为:ICEEMDAN-ARIMA>ICEEMDAN-GRU>ICEEMDAN-LSTM>ARIMA>GRU>LSTM。【结论】基于ICEEMDAN算法的组合模型在干旱预测中表现出色,其中ICEEMDAN-ARIMA模型优于其他单一及组合模型,最有利于干旱预测。 展开更多
关键词 ICEEMDAN 长短期记忆网络 差分自回归移动平均模型 门控循环单元网络 标准化降水指数
在线阅读 下载PDF
基于小波分解和ARIMA-GARCH-GRU组合模型的制造业PMI预测 被引量:1
9
作者 陆文星 任环宇 +1 位作者 梁昌勇 李克卿 《工业工程》 2024年第1期86-95,127,共11页
制造业采购经理人指数(PMI)是反映国家经济运行情况的重要指标,而传统预测模型对该类时序数据预测精度不高。针对制造业PMI指数的非线性、波动性和数据量少的特点,提出一种基于一维离散小波变换进行数据预处理的组合模型。时序数据经过... 制造业采购经理人指数(PMI)是反映国家经济运行情况的重要指标,而传统预测模型对该类时序数据预测精度不高。针对制造业PMI指数的非线性、波动性和数据量少的特点,提出一种基于一维离散小波变换进行数据预处理的组合模型。时序数据经过小波变换,由整合移动平均自回归–广义自回归条件异方差模型(ARIMA-GARCH)处理稳态低频数据,门控循环单元(GRU)处理波动性强的高频数据,将各频段预测结果进行融合得到最终预测结果。为验证模型有效性,选取一定数据量的PMI指数进行实验。结果表明,与其他常见模型对比,本文构建的组合模型具有较好的预测精度与性能,平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)分别达到0.00329、0.004162、0.65%。 展开更多
关键词 采购经理人指数(PMI) 小波分解 整合移动平均自回归模型(ARIMA) 广义的自回归条件异方差模型(GARCH) 门控循环单元(GRU)
在线阅读 下载PDF
基于误差补偿的多模态协同交通流预测模型 被引量:1
10
作者 吴宇轩 虞慧群 范贵生 《电子学报》 EI CAS CSCD 北大核心 2024年第8期2878-2890,共13页
交通流量因受周期性特征、突发状况等多重因素影响,现有模型的预测精度无法满足实际要求.对此,本文提出了基于误差补偿的多模态协同交通流预测模型(Multimodal Collaborative traffic flow prediction model based on Error Compensatio... 交通流量因受周期性特征、突发状况等多重因素影响,现有模型的预测精度无法满足实际要求.对此,本文提出了基于误差补偿的多模态协同交通流预测模型(Multimodal Collaborative traffic flow prediction model based on Error Compensation,MCEC).针对传统预测模型不能兼顾时间序列和协变量的问题,提出基于小波分析的特征拓展方法,该方法引入聚类算法得到节假日标签特征,将拥堵指数、交通事故图、天气信息作为拓展特征,对特征进行多尺度分解.在训练阶段,为达到充分学习各部分数据、最优匹配模型的效果,采用差分整合移动平均自回归模型(Autoreg Ressive Integrated Moving Average Model,ARIMA)、长短期记忆神经网络(Long Short-Term Memory network,LSTM)、限制动态时间规整技术(Dynamic Time Warping,DTW)以及自注意力机制(Self-Attention),设计了多模态协同模型训练.在误差补偿阶段,将得到的相应过程值输入基于支持向量机回归(Support Vector Regression,SVR)的误差补偿模块,对各分量的误差进行学习、补偿,并重构得到预测结果.使用公开的高速公路数据集对MCEC进行验证,在多个时间间隔下对比实验结果表明,MCEC在交通流量预测中的平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)达到17.02%,比LSTM-SVR、ConvLSTM(Convolutional Long Short-Term Memory network)、ST-GCN(Spatial Temporal Graph Convolutional Networks)、MFFB(Multi-stream Feature Fusion Block)、Transformer等预测模型具有更高的预测精度,MCEC模型具有较好的有效性与合理性. 展开更多
关键词 交通流预测 误差补偿 多模态协同 长短期记忆神经网络 差分整合移动平均自回归模型
在线阅读 下载PDF
基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型研究 被引量:4
11
作者 程小龙 张斌 +1 位作者 刘相杰 刘陶胜 《人民黄河》 CAS 北大核心 2024年第1期146-150,共5页
为提高大坝变形预测精度,针对大坝变形数据的复杂性和非线性等特征,基于自适应噪声完备集成经验模态分解(CEEMDAN)、数据处理群集法(GMDH)和差分自回归移动平均模型算法(ARIMA)进行大坝变形预测研究。采用CEEMDAN将大坝变形原始数据分... 为提高大坝变形预测精度,针对大坝变形数据的复杂性和非线性等特征,基于自适应噪声完备集成经验模态分解(CEEMDAN)、数据处理群集法(GMDH)和差分自回归移动平均模型算法(ARIMA)进行大坝变形预测研究。采用CEEMDAN将大坝变形原始数据分解为高频随机分量、中频周期分量和低频趋势分量,再分别采用GMDH模型、ARIMA模型对高中频分量、低频分量进行预测,建立基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型。以江西上犹江水电站为例,将该模型预测结果与反向传播(BP)、径向基函数(RBF)、GMDH和CEEMDAN-GMDH模型的预测结果进行对比分析。结果表明:CEEMDAN-GMDH-ARIMA模型的均方根误差(E_(RMS))、平均绝对误差(E_(MA))、相关系数(r)分别为0.048 mm、0.035 mm、0.994,均优于BP、RBF、GMDH、CEEMDAN-GMDH模型,模型预测效果最好,能够很好地体现监测点水平位移变化趋势。 展开更多
关键词 自适应噪声完备集成经验模态分解 数据处理群集法 差分自回归移动平均模型算法 大坝 变形预测 江西上犹江水电站
在线阅读 下载PDF
基于WPD-ARIMA-GARCH组合模型的酱卤肉制品安全风险区间预测 被引量:2
12
作者 尹佳 黄茜 +7 位作者 陈翔 陈晨 陈锂 张涛 徐成 黄亚平 郭鹏程 文红 《食品科学》 EI CAS CSCD 北大核心 2024年第3期176-184,共9页
针对传统确定性预测不能提供不确定性信息的难题,本研究提出了一种点估计和区间估计组合预测模型,并将其创新性地应用在食品安全风险预警领域。在点估计部分,使用小波包分解(wavelet packet decomposition,WPD)对周风险等级序列分解后,... 针对传统确定性预测不能提供不确定性信息的难题,本研究提出了一种点估计和区间估计组合预测模型,并将其创新性地应用在食品安全风险预警领域。在点估计部分,使用小波包分解(wavelet packet decomposition,WPD)对周风险等级序列分解后,应用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型进行预测;在区间估计部分,使用广义自回归条件异方差(generalized autoregressive conditional heteroskedast,GARCH)模型对残差进行预测。本实验将建立的WPD-ARIMA-GARCH组合模型运用于某地区酱卤肉制品的风险预测,结果表明2019年的3月底和7月底该地区的酱卤肉制品安全风险较高,与实际情况相符;同时,该模型在10个不同地区的酱卤肉制品风险预测中,均方误差、平均绝对误差和平均绝对百分比误差分别为1.626、0.806和20.824;其90%置信区间的预测区间平均宽度和覆盖宽度标准值均为0.024,可以覆盖所有真实值。该模型具有较高的预测精度和较低的误差,能对酱卤肉制品质量安全起到风险防控作用,可为日常食品安全监管提供相应的技术支持。 展开更多
关键词 酱卤肉制品 小波包分解 差分自回归移动平均模型 广义自回归条件异方差模型 区间估计
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
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
基于差分自回归—随机森林的动车组轮对旋修策略优化研究
14
作者 刘成 朱腾飞 +2 位作者 王紫光 沙智华 张生芳 《铁道机车车辆》 北大核心 2024年第5期132-139,共8页
基于动车组运行里程和轮对尺寸退化过程为非平稳时间序列的特点,将差分自回归移动平均模型(ARIMA)与随机森林算法相结合,对关键尺寸退化趋势影响下的轮对旋修策略优化进行研究。利用ARIMA对运行里程数据进行差分处理,运用基尼系数划分... 基于动车组运行里程和轮对尺寸退化过程为非平稳时间序列的特点,将差分自回归移动平均模型(ARIMA)与随机森林算法相结合,对关键尺寸退化趋势影响下的轮对旋修策略优化进行研究。利用ARIMA对运行里程数据进行差分处理,运用基尼系数划分特征构建随机森林决策树,将轮对历史检测数据划分为训练集和测试集进行训练,以预测均值确定轮对尺寸预测值。以轮对几何尺寸和动力学性能为约束条件,以最长使用寿命、最少旋修次数和平稳性指标为优化目标,构建轮对旋修策略优化模型,并对轮对旋修量和旋修后轮径值进行预测。结果表明,当轮径旋修量为2.5 mm,轮缘厚度在HAi=28.5 mm和HBi=30 mm时旋修策略最佳,轮对寿命可提高31.4%。研究成果可为动车组轮对旋修策略优化提供理论支持。 展开更多
关键词 动车组 轮对旋修 差分自回归移动平均模型 随机森林算法 策略优化
在线阅读 下载PDF
基于多元线性回归与ARIMA组合模型的水电功率预测研究 被引量:6
15
作者 李冰箫 张世伟 +1 位作者 郑舒宇 赵志帆 《科学技术创新》 2022年第33期71-74,共4页
提出了一种基于多元线性回归模型与整合移动平均自回归模型(ARIMA)的组合预测模型,运用优化组合的模型预测水电功率。其主要操作是先用多元线性回归模型预测出一个结果,然后再用ARIMA模型预测出一个结果,将两者的结果分别与一个系数相... 提出了一种基于多元线性回归模型与整合移动平均自回归模型(ARIMA)的组合预测模型,运用优化组合的模型预测水电功率。其主要操作是先用多元线性回归模型预测出一个结果,然后再用ARIMA模型预测出一个结果,将两者的结果分别与一个系数相乘再相加,得出一个组合模型。实验结果表明,该组合模型在预测精度方面有一定程度的提高,具有一定的实用价值。 展开更多
关键词 水电功率预测 多元线性回归模型 整合移动平均自回归模型
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
16
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
基于H-P滤波法、ARIMA和VAR模型的库区滑坡位移综合预测 被引量:23
17
作者 孟蒙 陈智强 +2 位作者 黄达 曾彬 陈赐金 《岩土力学》 EI CAS CSCD 北大核心 2016年第S2期552-560,共9页
受库水位涨落及降雨等影响,库区滑坡位移表现出明显的周期性。基于位移时间序列分析,将滑坡监测位移分解为趋势项与周期项之和。趋势项反映滑坡变形的长期趋势,其主要受滑坡本身地质结构等因素影响。周期项反映滑坡变形的波动性,其主要... 受库水位涨落及降雨等影响,库区滑坡位移表现出明显的周期性。基于位移时间序列分析,将滑坡监测位移分解为趋势项与周期项之和。趋势项反映滑坡变形的长期趋势,其主要受滑坡本身地质结构等因素影响。周期项反映滑坡变形的波动性,其主要受外部因素影响。以三峡库区巫山塔坪滑坡为例,考虑长江水位与降雨量影响,采用H-P滤波法从滑坡位移中分解出趋势项及周期项,利用差分自回归滑动平均模型(ARIMA)对趋势项进行平稳处理并计算趋势项预测值,利用向量自回归模型(VAR)计算周期项预测值。趋势项预测值与周期项预测值之和为滑坡位移预测值。与实际监测值及多种方法分析比较,表明综合预测所得结果能较好反映滑坡变形的趋势性和波动性,位移预测效果较好。 展开更多
关键词 滑坡 变形预测 时间序列 H-P滤波法 差分自回归滑动平均(ARIMA)模型 向量自回归(VAR)模型
在线阅读 下载PDF
西安市出生缺陷趋势数学模型预测研究 被引量:8
18
作者 于敏 刘楚阳 +3 位作者 张水平 杨浩杰 刘飞 朱占芳 《西安交通大学学报(医学版)》 CAS CSCD 北大核心 2019年第2期311-316,共6页
目的采用灰色预测模型、ARIMA自回归移动平均模型和NAR非线性自回归动态神经网络模型分别预测西安市出生缺陷率,探索出生缺陷的流行趋势和可能的未来走向。方法对2003-2015年在西安市各级开设产科的医疗保健机构出生的孕28周至生后7 d... 目的采用灰色预测模型、ARIMA自回归移动平均模型和NAR非线性自回归动态神经网络模型分别预测西安市出生缺陷率,探索出生缺陷的流行趋势和可能的未来走向。方法对2003-2015年在西安市各级开设产科的医疗保健机构出生的孕28周至生后7 d所有围产儿进行出生缺陷监测并收集资料。用2003年10月至2015年9月出生缺陷监测数据对西安市出生缺陷发生率数据分别构建数据模型,将同时期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至2017年每季度出生缺陷发生率。采用Excel软件进行数据录入,SPSS 16.0软件包进行统计学分析,Matlab软件进行灰色模型预测和神经网络模型预测,ARIMA自回归移动平均模型使用R软件进行预测。结果灰色预测模型提示2016至2017年度西安市各季度出生缺陷率(‰)分别为9.62、9.67、9.72、9.77、9.82、9.87、9.92、9.97,呈缓慢上升趋势。ARIMA模型预测显示2016至2017年度西安市各季度出生缺陷率(‰)分别为11.98、12.83、11.28、11.78、12.23、11.73、11.80、12.00,仍在较高水平相对狭窄的区间波动。NAR神经网络模型预测西安市出生缺陷率(‰)为13.24、17.91、10.55、16.08、16.47、9.42、11.99、11.68,在2016年到达出生缺陷率峰值,2017年相比2016年开始出现下降。比较3种模型对出生缺陷发生率的发展趋势预测,灰色预测模型、ARIMA模型、NAR模型的均方根误差分别为1.353 009、1.181 373、0.555 347。结论 NAR模型对出生缺陷数据预测更可靠,ARIMA模型次之,灰色预测模型误差相对较大;加强出生缺陷的预防和控制工作仍然是今后较长一段时间的公共卫生重点工作。 展开更多
关键词 出生缺陷 灰色模型 数学模型预测 分布特征 自回归移动平均模型 非线性自回归模型
在线阅读 下载PDF
基于神经网络和SARIMA组合模型的短期交通流预测 被引量:15
19
作者 孙湘海 刘潭秋 《交通运输系统工程与信息》 EI CSCD 2008年第5期32-37,共6页
为了更精确地预测短期交通流,提出由季节自回归求和移动平均模型(SARIMA)和广义回归神经网络(GRNN)模型所构成的组合模型(SARIMA-GRNN模型),该模型结合了时间序列模型和神经网络模型进行时间序列预测的优点.构造该组合模型的两个组成模... 为了更精确地预测短期交通流,提出由季节自回归求和移动平均模型(SARIMA)和广义回归神经网络(GRNN)模型所构成的组合模型(SARIMA-GRNN模型),该模型结合了时间序列模型和神经网络模型进行时间序列预测的优点.构造该组合模型的两个组成模型,即SARIMA模型和GRNN模型,也被用于预测研究以便于验证该组合模型在预测上的优势.实证研究结果表明,组合模型的预测精度高于SARIMA模型,但是却并不必然高于GRNN模型.然而,合理选择组合模型中神经网络部分的输入变量以及输出变量将显著地改善模型的预测精度,本文所构造的这个组合模型不仅具有很好的预测表现而且结构简单,非常适合城市道路短期交通流的实时预测. 展开更多
关键词 短期交通流预测 季节自回归求和移动平均模型 广义回归神经网络模型 组合模型
在线阅读 下载PDF
基于改进PSO-ARIMA模型的船舶纵摇角度预测 被引量:6
20
作者 王培良 张婷 肖英杰 《上海海事大学学报》 北大核心 2021年第1期39-43,共5页
针对自回归移动平均(auto regressive moving average,ARMA)模型在船舶纵摇角度预测时不具有普遍适用性问题,提出使用自回归综合移动平均(auto regressive integrated moving average,ARIMA)模型进行纵摇角度预测,并采用改进粒子群优化(... 针对自回归移动平均(auto regressive moving average,ARMA)模型在船舶纵摇角度预测时不具有普遍适用性问题,提出使用自回归综合移动平均(auto regressive integrated moving average,ARIMA)模型进行纵摇角度预测,并采用改进粒子群优化(particle swarm optimization,PSO)算法对模型定阶。对纵摇角度值序列数据进行平稳性检验和差分运算,确定ARIMA模型的适用性;采用具有针对性适应度评价函数的PSO算法进行模型定阶,并优化PSO算法的权重计算方法。通过仿真对比验证本文所提方法的科学性和有效性。仿真结果表明:采用改进PSO算法进行模型定阶的方法能够有效提升模型的预测精度,具有更好的预测效果。 展开更多
关键词 自回归综合移动平均(ARIMA)模型 粒子群优化(PSO)算法 船舶纵摇 纵摇预测
在线阅读 下载PDF
上一页 1 2 6 下一页 到第
使用帮助 返回顶部