基于差分自回归滑动平均模型的风电场短期风速预测 被引量：10

1

作者 孟天星 张厚升 《科学技术与工程》 北大核心 2013年第33期9813-9818,共6页

目前,风力发电的并网规模越来越大;但是鉴于风力发电特有的间歇性和随机性,难免会对电力系统的稳定运行和电能质量造成巨大影响;也就限制了风电的发展速度与规模。对风力发电场的风速进行中、长、短期的预测可以在一定程度上有效地解决... 目前,风力发电的并网规模越来越大;但是鉴于风力发电特有的间歇性和随机性,难免会对电力系统的稳定运行和电能质量造成巨大影响;也就限制了风电的发展速度与规模。对风力发电场的风速进行中、长、短期的预测可以在一定程度上有效地解决该问题。依据风速序列的自相关性以及时序性,提出了一种基于时间序列分析的风电场短期风速预测ARIMA模型。重点讨论了建模的过程、模型的识别、模型的定阶和模型参数的估计。最后结合风电场实际,对比于持续法预测,给出了相应的预测结果和误差分析,验证了所提出的ARIMA模型用于风电场风速预测的可行性。 展开更多

关键词 风电 风速预测 时间序列 自回归滑动平均 差分自回归滑动平均

在线阅读 下载PDF 职称材料

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 季节性预测

在线阅读 下载PDF 职称材料

基于TCN模型的软件系统老化预测框架 被引量：1

3

作者 王艳超 姚江毅 +1 位作者 李雄伟 刘林云 《计算机应用与软件》 北大核心 2025年第5期25-29,61,共6页

随着软件规模的扩大和逻辑复杂度的提高,软件老化特征表现更加隐蔽,老化参数时序信号更加复杂,针对时序预测法对序列平稳性要求高和BP神经网络收敛速度慢、易陷入局部极值的问题,提出以时域卷积网络(TCN)模型为基础的软件老化预测框架... 随着软件规模的扩大和逻辑复杂度的提高,软件老化特征表现更加隐蔽,老化参数时序信号更加复杂,针对时序预测法对序列平稳性要求高和BP神经网络收敛速度慢、易陷入局部极值的问题,提出以时域卷积网络(TCN)模型为基础的软件老化预测框架。采集可用内存数据作为框架的输入,经TCN模型进行预测,通过检查预测输出的内存与实际内存的平均误差评价模型的效率。与ARIMA模型和RNN(LSTM)模型预测结果进行对比表明,TCN模型对时间序列平稳性要求低、适应性更强,不存在梯度爆炸或消失的问题,对采集的老化数据预测效果最好。 展开更多

关键词 软件老化 时域卷积网络 老化预测框架 预测误差 差分自回归滑动平均模型 长短时记忆模型

在线阅读 下载PDF 职称材料

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

4

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 职称材料

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：25

5

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 职称材料

三种方法在风速预测中的应用研究 被引量：34

6

作者 韩爽 杨勇平 刘永前 《华北电力大学学报（自然科学版）》 CAS 北大核心 2008年第3期57-61,共5页

对持续法、ARIMA和BP网络三种方法在提前1 h风速预测中的应用进行了研究和比较。为消除季节对预测结果的影响,针对一年12个月分别建立预测模型;认为风速具有不平稳性,应该对原始风速序列进行差分处理;通过对样本数据进行相关性分析来确... 对持续法、ARIMA和BP网络三种方法在提前1 h风速预测中的应用进行了研究和比较。为消除季节对预测结果的影响,针对一年12个月分别建立预测模型;认为风速具有不平稳性,应该对原始风速序列进行差分处理;通过对样本数据进行相关性分析来确定神经网络的输入神经元个数;结果表明:大多数情况下,ARIMA模型和BP网络模型的预测结果都好于持续法,并且BP一般都好于ARIMA;但也有持续法好于ARIMA和BP网络模型的情况。不能笼统地说某个方法优于另外一个方法,应该根据具体情况进行分析和判断,选择合适的模型种类,以取得最优预测效果。 展开更多

关键词 风速预测 应用比较 持续法 差分自回归滑动平均模型 神经网络 相关性分析

在线阅读 下载PDF 职称材料

基于ARIMA模型的航空装备事故时序预测 被引量：17

7

作者 甘旭升 端木京顺 +1 位作者 高建国 赵录峰 《中国安全科学学报》 CAS CSCD 北大核心 2012年第3期97-102,共6页

为提高航空装备事故预防的针对性、有效性和主动性,预防和减少事故的发生,降低事故造成的损失,提出一种时序的差分自回归滑动平均(ARIMA)模型。其建模过程先在时间序列基础上辨识一个试用模型,然后加以诊断,并作出必要调整,反复进行辨... 为提高航空装备事故预防的针对性、有效性和主动性,预防和减少事故的发生,降低事故造成的损失,提出一种时序的差分自回归滑动平均(ARIMA)模型。其建模过程先在时间序列基础上辨识一个试用模型,然后加以诊断,并作出必要调整,反复进行辨识、估计、诊断,直至获得较为满意的ARIMA预测模型。在实例验证中,所构建的用来预测美国空军飞行事故万时率的ARIMA模型,能够将预测的平均相对误差控制在7%以内,预测结果总体反映航空装备的实际安全状况。 展开更多

关键词 航空装备事故 时间序列 差分自回归滑动平均(ARIMA)模型 飞行事故万时率 单位根检验

在线阅读 下载PDF 职称材料

采用改进模糊层次分析法的风速预测模型 被引量：35

8

作者 黄文杰 傅砾 肖盛 《电网技术》 EI CSCD 北大核心 2010年第7期164-168,共5页

针对风速具有较强随机性的特点,提出一种基于改进模糊层次分析法的风速预测组合模型。以风速预测周期、风速的振荡性及预测者对预测模型的信赖度为目标准则;通过模糊判断矩阵的方法确定组合模型的最优权重。该组合模型可以综合考虑影响... 针对风速具有较强随机性的特点,提出一种基于改进模糊层次分析法的风速预测组合模型。以风速预测周期、风速的振荡性及预测者对预测模型的信赖度为目标准则;通过模糊判断矩阵的方法确定组合模型的最优权重。该组合模型可以综合考虑影响风速预测的多种不确定性因素,在综合不同模型预测结果的基础上引入专家经验。算例分析表明,该组合预测模型的预测结果与传统的单一预测模型相比,误差更小,精度更高。 展开更多

关键词 风速预测 组合模型:模糊层次分析法 时序差分自回归滑动平均模型 自适应模糊神经删络模型

在线阅读 下载PDF 职称材料

基于ARIMA与SVM的飞行事故组合预测方法 被引量：11

9

作者 甘旭升 端木京顺 +1 位作者 丛伟 高建国 《中国安全科学学报》 CAS CSCD 北大核心 2011年第7期79-84,共6页

飞行事故预测的目的在于预防事故。为提高事故预防的针对性和有效性,必须加强预测,以增强预防飞行事故的主动性。在ARIMA和SVM基础上,提出一种飞行事故组合预测方法。首先建立ARIMA模型,用以描述历史数据中的线性关系;然后,对ARIMA模型... 飞行事故预测的目的在于预防事故。为提高事故预防的针对性和有效性,必须加强预测,以增强预防飞行事故的主动性。在ARIMA和SVM基础上,提出一种飞行事故组合预测方法。首先建立ARIMA模型,用以描述历史数据中的线性关系;然后,对ARIMA模型的残差构建SVM模型,用以模拟数据中的非线性规律,两者预测值之和就是最后的预测结果。美国空军1954—1993年飞行事故损坏飞机万时率的实证分析结果表明:利用该方法所建立的模型,能够对飞行事故作出较为准确的预测,模型精度总体优于单一的ARIMA或SVM模型。 展开更多

关键词 差分自回归滑动平均(ARIMA) 单位根检验 支持向量机(SVM) 飞行事故 组合预测

在线阅读 下载PDF 职称材料

交通事故损失的时间序列分析 被引量：10

10

作者 邵辉 王钰 +1 位作者 李保安 张蓉爱 《中国安全科学学报》 CAS CSCD 2007年第7期10-13,共4页

为揭示交通事故经济损失的变化规律,笔者研究并利用时间序列的方法,建立了ARIMA模型,对1985—2005年全国交通事故经济损失的数据进行了分析和预测。根据原始数据的特点,选择随机时间序列分析方法。通过对模型的识别和参数的选择,得到200... 为揭示交通事故经济损失的变化规律,笔者研究并利用时间序列的方法,建立了ARIMA模型,对1985—2005年全国交通事故经济损失的数据进行了分析和预测。根据原始数据的特点,选择随机时间序列分析方法。通过对模型的识别和参数的选择,得到2006—2008年的交通事故损失的预测值分别为2.9559,2.9707和3.0129亿元,置信区间为95%。通过对1985—2005年交通事故经济损失的预测结果与原始数据的比较表明,预测结果接近原始数据,该方法为交通事故的预防和控制提供了技术指导和有益参考。 展开更多

关键词 交通事故 损失 时间序列分析 ARIMA(差分自回归滑动平均)模型 统计分析系统(SAS)

在线阅读 下载PDF 职称材料

基于时间序列模型的舰炮武器系统动态精度评估方法 被引量：8

11

作者 刘德耀 韩旭 普仕凡 《南京理工大学学报》 EI CAS CSCD 北大核心 2018年第1期18-25,共8页

为了解决舰炮武器系统动态精度试验鉴定中长期存在的数据处理理论依据不足及方法不当问题,提出了一套基于时间序列模型的舰炮武器系统动态精度评估方法。分析了当前舰炮武器系统动态精度数据处理方法的现状与不足;给出了应用时间序列模... 为了解决舰炮武器系统动态精度试验鉴定中长期存在的数据处理理论依据不足及方法不当问题,提出了一套基于时间序列模型的舰炮武器系统动态精度评估方法。分析了当前舰炮武器系统动态精度数据处理方法的现状与不足;给出了应用时间序列模型对舰炮武器系统动态误差数据进行建模分析的基本思路。在对自回归滑动平均(Autoregressive moving average,ARMA)/差分自回归滑动平均(Autoregressive integrated moving average,ARIMA)建模方法和自回归条件异方差(Autoregressive conditional heteroscedasticity,ARCH)系列建模方法的相关理论、方法进行深入探讨的基础上,提出了应用ARIMA和广义自回归条件异方差(Generalized autoregressive conditional heteroscedasticity,GARCH)模型方法实现动态精度评估的具体算法。以某型舰炮武器系统实测高低角动态误差的分析处理为例,给出了应用时间序列模型方法进行舰炮武器系统动态精度评估的具体实现过程。模型与实际数据的对比分析结果表明,该文提出的方法是可行的,可为有效解决舰炮武器系统动态精度试验鉴定的相关难题提供参考。 展开更多

关键词 时间序列 舰炮武器系统 动态精度 自回归滑动平均 差分自回归滑动平均 广义自回归条件异方差

在线阅读 下载PDF 职称材料

苏州市空气质量的时间序列变化过程研究 被引量：12

12

作者 黄进 张金池 《环境科学与技术》 CAS CSCD 北大核心 2009年第6期49-52,共4页

城市空气质量水平是以空气质量指数(API)来表征的,API的时空变化可以反映城市空气质量的变化过程。文章以苏州市2002～2007年各月API值为研究对象,将其构成一组时间序列,采用时间序列理论中的小波分析原理和差分自回归滑动平均模型(ARI... 城市空气质量水平是以空气质量指数(API)来表征的,API的时空变化可以反映城市空气质量的变化过程。文章以苏州市2002～2007年各月API值为研究对象,将其构成一组时间序列,采用时间序列理论中的小波分析原理和差分自回归滑动平均模型(ARIMA)原理对这组API序列进行趋势的辨识和数值预测,结果表明(1)苏州市近年来的空气质量水平不断提高,并将稳定保持在一个良好的水平上;(2)差分自回归滑动平均模型ARIMA(2,2,2)在拟合该地区API值时间尺度上的变化趋势效果较好,能够较好的预测苏州市月空气质量水平。 展开更多

关键词 空气质量指数 小波分析 差分自回归滑动平均模型 时间序列

在线阅读 下载PDF 职称材料

基于混合模型的国际原油价格预测研究 被引量：12

13

作者 张金良 李德智 谭忠富 《北京理工大学学报（社会科学版）》 CSSCI 北大核心 2019年第1期59-64,共6页

由于国际原油价格的剧烈波动,使得准确的原油价格预测极具挑战。为此,提出一种基于变分模态分解、季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机的混合模型。利用变分模态分解方法将国际原油价格序列分解成一系列模态分量... 由于国际原油价格的剧烈波动,使得准确的原油价格预测极具挑战。为此,提出一种基于变分模态分解、季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机的混合模型。利用变分模态分解方法将国际原油价格序列分解成一系列模态分量;针对周期性和非线性特征分量,分别建立季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机模型进行预测;将各分量的预测值求和作为最终的预测结果。实证研究结果表明:所提混合模型相较对比模型能够明显提高国际原油价格的预测精度。 展开更多

关键词 原油价格预测 变分模态分解 季节性差分自回归滑动平均模型 最小二乘支持向量机

在线阅读 下载PDF 职称材料

基于组合模型的网络流量预测 被引量：6

14

作者 于静 王辉 《计算机工程与应用》 CSCD 2013年第8期92-95,共4页

网络流量预测是网络管理的基础,网络流量受到多种因素影响,具有周期性、时变性和非线性,传统单一线性模型ARIMA或非线性模型SVM均难以准确描述网络流量复杂变化规律,为此,提出一种网络流量组合预测模型(ARIMA-LSSVM)。采用ARIMA对网络... 网络流量预测是网络管理的基础,网络流量受到多种因素影响,具有周期性、时变性和非线性,传统单一线性模型ARIMA或非线性模型SVM均难以准确描述网络流量复杂变化规律,为此,提出一种网络流量组合预测模型(ARIMA-LSSVM)。采用ARIMA对网络流量进行预测,捕捉其周期性变化趋势,采用LSSVM对网络流量非线性变化趋势进行预测,同时采用遗传算法对LSSVM参数进行优化,采用LSSVM两种预测结果进行融合,得到网络流量的最终预测结果。仿真实验结果表明,相对于单一网络流量预测模型,ARIMA-LSSVM提高网络流量预测精度,更能全面刻画网络流量变化趋势。 展开更多

关键词 网络流量 差分自回归滑动平均模型 最小支持向量机 组合模型

在线阅读 下载PDF 职称材料

基于时间序列的风电功率日前预测模型及其应用 被引量：2

15

作者 唐波 陈彬 +2 位作者 瞿子航 彭友仙 李昱 《水电能源科学》 北大核心 2014年第11期193-196,201,共5页

风电场发电功率随风速的无序变化是电网无法大规模接纳风电的关键因素,准确地预测风电场输出功率对电力系统大量接入风电有重要意义。针对风电功率无序变化的特征,基于时序分析法分别建立了指数加权移动平均和一阶差分自回归滑动平均的... 风电场发电功率随风速的无序变化是电网无法大规模接纳风电的关键因素,准确地预测风电场输出功率对电力系统大量接入风电有重要意义。针对风电功率无序变化的特征,基于时序分析法分别建立了指数加权移动平均和一阶差分自回归滑动平均的风电功率日前预测模型,进而运用穷举搜索法确定了指数加权移动平均模型的最佳加权因子为0.7,并得到此模型的风电功率预测值。同时,通过样本自相关函数定阶和最小二乘估计的方法,求得一阶差分自回归滑动平均模型的风电功率预测值。结果表明,一阶差分自回归滑动平均模型的风电场功率预测值的均方根误差比指数加权移动平均模型低0.88%,相应的准确率和合格率较高,可见一阶差分自回归滑动平均模型更能提高风电功率的预测精度。 展开更多

关键词 风电功率 预测模型 时序分析 指数加权移动平均 一阶差分自回归滑动平均 均方根误差

在线阅读 下载PDF 职称材料

非平稳和长记忆时间序列主频率估计方法研究 被引量：1

16

作者 徐梅 张世英 樊智 《天津大学学报（自然科学与工程技术版）》 EI CAS CSCD 北大核心 2003年第4期507-511,共5页

许多经济时间序列表现出非平稳性和长记忆性,对这样的序列进行谱分析并估计其主频率,采用传统的谱分析方法已不适用.基于平稳和非平稳分数阶差分自回归滑动平均模型,研究了具有非平稳性和长记忆性序列的主频率的估计方法,同时提出了包... 许多经济时间序列表现出非平稳性和长记忆性,对这样的序列进行谱分析并估计其主频率,采用传统的谱分析方法已不适用.基于平稳和非平稳分数阶差分自回归滑动平均模型,研究了具有非平稳性和长记忆性序列的主频率的估计方法,同时提出了包括模型定阶在内的基于极小化残差平方和的近似极大似然参数估计算法.通过对上海和深圳证券交易所综合指数收益序列的分析,说明了此方法的可行性和有效性. 展开更多

关键词 经济时间序列 非平稳序列 长记忆序列 主频率 估计方法 谱分析 差分自回归滑动平均模型 近似极大似然估计

在线阅读 下载PDF 职称材料

ARIMA-BP神经网络高速列车隧道压力波预测模型研究 被引量：7

17

作者 陈春俊 杨露 +1 位作者 何智颖 周林春 《中国测试》 CAS 北大核心 2021年第10期80-86,共7页

为更精准地进行车内压力波动控制,需要预测高速列车通过隧道时车外隧道压力波的实时变化值。在对列车历史运行重复隧道压力波数据的分析基础上,采用工况匹配(WCM)与加权K最近邻(WKNN)算法从数据库中选取若干与本次工况相接近的运行状态... 为更精准地进行车内压力波动控制,需要预测高速列车通过隧道时车外隧道压力波的实时变化值。在对列车历史运行重复隧道压力波数据的分析基础上,采用工况匹配(WCM)与加权K最近邻(WKNN)算法从数据库中选取若干与本次工况相接近的运行状态数据,并根据相似程度确定数据权重,构建预测用的历史数据。分别采用差分自回归滑动平均(ARIMA)与BP神经网络(BPNN)模型对隧道压力波进行预测,并将两种预测结果并联考虑,形成ARIMA-BPNN隧道压力波组合预测模型。利用武广客运专线某隧道压力波实测数据进行仿真。仿真结果表明:与WCM-WKNN-ARIMA及WCM-WKNN-BPNN单一预测模型以及WCM-ARIMA-BPNN组合预测模型相比,所建立组合模型能有效对隧道压力波进行预测,且能够取得更高精度的预测结果。 展开更多

关键词 高速列车 隧道压力波预测模型 差分自回归滑动平均-BP神经网络组合模型 工况匹配算法 加权K最近邻算法

在线阅读 下载PDF 职称材料

基于年均小时交通量的卡车荷载预测模型及其对桥梁疲劳损伤影响 被引量：4

18

作者 刘浪 杨洪 叶仲韬 《重庆大学学报》 CSCD 北大核心 2021年第10期117-129,共13页

车辆实测数据表明,车辆荷载存在明显递增趋势。利用中国安徽省某桥梁长期健康监测数据,定义年平均小时交通量(AAHT)来考虑交通量的周期性和季节性变化,并据此建立季节性差分自回归移动平均模型(SARIMA)模型对未来交通荷载进行预测。同时... 车辆实测数据表明,车辆荷载存在明显递增趋势。利用中国安徽省某桥梁长期健康监测数据,定义年平均小时交通量(AAHT)来考虑交通量的周期性和季节性变化,并据此建立季节性差分自回归移动平均模型(SARIMA)模型对未来交通荷载进行预测。同时,基于实测卡车数据的关键参数统计结果,建立多种类型的卡车荷载模型,逐一加载到某T梁桥有限元模型上,研究卡车荷载的非平稳增长对结构疲劳损伤的影响。结果表明,基于AAHT的季节性差分自回归移动平均模型能够准确预测车辆荷载,且车辆的非平稳增长对桥梁疲劳损伤影响显著,考虑车辆荷载非平稳增长时桥梁的疲劳损伤度约为不考虑车辆非平稳增长时的1.7倍。 展开更多

关键词 年平均每小时交通量 季节性差分自回归滑动平均模型 车辆荷载预测 疲劳损伤

在线阅读 下载PDF 职称材料

基于小波变换的网络流量组合预测模型 被引量：2

19

作者 崔兆顺 《计算机工程与应用》 CSCD 2014年第10期92-95,100,共5页

为了提高网络流量的预测精度,利用小波变换、差分自回归移动平均模型和最小二乘支持向量机等优点,提出一种基于小波变换的网络流量预测模型(WA-ARIMA-LSSVM)。针对网络流量多尺度特性,首先对网络流量时间序列进行小波分解,然后分别采用... 为了提高网络流量的预测精度,利用小波变换、差分自回归移动平均模型和最小二乘支持向量机等优点,提出一种基于小波变换的网络流量预测模型(WA-ARIMA-LSSVM)。针对网络流量多尺度特性,首先对网络流量时间序列进行小波分解,然后分别采用差分自回归移动平均模型和最小二乘支持向量机对网络流量的高频和低频进行建模与预测,最后小波重构高频和低频的预测结果,并采用仿真实验对模型性能进行分析。结果表明,WA-ARIMA-LSSVM提高了网络流量的预测精度,可以更加准确地描述网络流量的非平稳变化趋势。 展开更多

关键词 网络流量 差分自回归滑动平均 最小二乘向量机 小波变换 组合预测

在线阅读 下载PDF 职称材料

融合ARIMA模型和GAWNN的溶解氧含量预测方法 被引量：24

20

作者 吴静 李振波 +1 位作者 朱玲 李晨 《农业机械学报》 EI CAS CSCD 北大核心 2017年第S1期205-210,204,共7页

针对河流污染治理、水源管理,提出了融合差分自回归滑动平均ARIMA模型和遗传算法优化的小波神经网络相结合的河流水质预测方法。将采集的河流水质参数时间序列数据,分解为线性和非线性序列,线性数据使用ARIMA模型预测,使用最小二乘法完... 针对河流污染治理、水源管理,提出了融合差分自回归滑动平均ARIMA模型和遗传算法优化的小波神经网络相结合的河流水质预测方法。将采集的河流水质参数时间序列数据,分解为线性和非线性序列,线性数据使用ARIMA模型预测,使用最小二乘法完成了ARIMA模型参数估计。对于经过ARIMA模型处理的非线性残差数据、预测值与原始溶解氧序列之间的线性和非线性关系,采用小波神经网络(WNN)获得预测值,并采用遗传算法的选择、交叉、变异等操作优化网络参数,比传统WNN模型预测精度显著提高。ARIMA模型、小波神经网络、遗传算法优化小波神经网络(GAWNN)和未经遗传算法优化的组合模型预测平均绝对误差分别为0.29%、0.39%、0.26%、0.24%,提出的组合模型预测结果平均绝对误差约0.19%且为最小。结果表明,该组合模型优于单个模型和传统组合模型的预测结果。 展开更多

关键词 水质预测 差分自回归滑动平均模型 遗传算法 小波神经网络

在线阅读 下载PDF 职称材料