期刊文献+
共找到116篇文章
< 1 2 6 >
每页显示 20 50 100
改进的差分自回归移动平均模型的共轭梯度参数估计法 被引量:6
1
作者 单锐 刘雅宁 刘文 《河南科技大学学报(自然科学版)》 CAS 北大核心 2015年第4期85-90,9,共6页
为了提高差分自回归移动平均模型的拟合精度,本文结合已有的文献,借助无约束优化方法来解决此模型中的参数估计问题。主要提出了一种改进的差分自回归移动平均模型参数的优化估计法,并对提出的算法进行详细说明,在强Wolfe条件下对全局... 为了提高差分自回归移动平均模型的拟合精度,本文结合已有的文献,借助无约束优化方法来解决此模型中的参数估计问题。主要提出了一种改进的差分自回归移动平均模型参数的优化估计法,并对提出的算法进行详细说明,在强Wolfe条件下对全局收敛性进行了证明。该方法保证了迭代计算的收敛性,并且提高了收敛的速度。数值试验结果说明:该算法是一种较为有效的方法,与其他方法比较,参数估计值更为显著,提高了预测精度。 展开更多
关键词 差分自回归移动平均模型(arima模型) 自回归滑动平均模型(ARMA模型) 参数估计 无约束问题 共轭梯度法 WOLFE搜索
在线阅读 下载PDF
差分自回归移动平均模型在南通市手足口病疫情预测中的应用 被引量:3
2
作者 练维 魏叶 +1 位作者 韩颖颖 帅小博 《南京医科大学学报(自然科学版)》 CAS CSCD 北大核心 2021年第1期59-64,共6页
目的:应用差分自回归移动平均模型(ARIMA)预测南通市手足口病疫情趋势。方法:以2010年1月—2019年6月南通市手足口病分月报告病例数据为基础,构建符合季节性时间序列的ARIMA(p,d,q)×(P,D,Q)S模型,用2019年7—12月全市手足口病月发... 目的:应用差分自回归移动平均模型(ARIMA)预测南通市手足口病疫情趋势。方法:以2010年1月—2019年6月南通市手足口病分月报告病例数据为基础,构建符合季节性时间序列的ARIMA(p,d,q)×(P,D,Q)S模型,用2019年7—12月全市手足口病月发病率为验证数据进行验证,检验模型的预测效果。结果:2010—2019年南通市共报告手足口病90 766例,年平均发病率为124.36/10万,疫情有明显季节性,呈双峰特征,为夏季(5、6、7月)高峰和冬季(11、12月)次高峰;近年来南通市手足口病的病原谱以其他肠道病毒为主;利用ARIMA(1,0,1)(1,1,1)12模型,预测2019年7—12月手足口病发病率分别为7.08/10万、1.81/10万、3.74/10万、7.21/10万、10.71/10万和11.29/10万,与实际发病率相比,两者差异无统计学意义(Z=0.48,P=0.63)。结论:差分自回归移动平均模型能较好地预测手足口病的发病趋势,可用于短期的预警监测。 展开更多
关键词 差分自回归移动平均模型 手足口病 预测
在线阅读 下载PDF
利用ARIMA(自回归移动平均)模型对跑道侵入事件的分析及预测 被引量:9
3
作者 高扬 李阳 《中国安全科学学报》 CAS CSCD 2008年第11期25-30,共6页
综合运用具有相当精度的时间序列分析方法,建立美国民航运输安全中的机场跑道侵入的AR IMA(自回归移动平均)模型,克服了样本空间总是有限带来的不足,揭示出民航跑道侵入的动态变化规律,并对未来美国民航跑道侵入事故发生次数进行较准确... 综合运用具有相当精度的时间序列分析方法,建立美国民航运输安全中的机场跑道侵入的AR IMA(自回归移动平均)模型,克服了样本空间总是有限带来的不足,揭示出民航跑道侵入的动态变化规律,并对未来美国民航跑道侵入事故发生次数进行较准确的预测,为我国民航部门科学地制定飞行计划、人员培训、提高安全管理水平,提供可靠的依据。 展开更多
关键词 时间序列分析 跑道侵入 arima(自回归移动平均)模型 社会科学统计软件包(SPSS) 美国联邦航空局(FAA)
在线阅读 下载PDF
差分自回归移动平均与广义回归神经网络组合模型在丙型肝炎月发病率中的预测应用 被引量:7
4
作者 刘红杨 刘洪庆 +1 位作者 李望晨 赵晶 《中国全科医学》 CAS 北大核心 2017年第2期182-186,共5页
目的探讨差分自回归移动平均(ARIMA)与广义回归神经网络(GRNN)组合模型在丙型肝炎月发病率中预测建模效果及应用前景,为疫情预测提供依据。方法 2015年5月—2016年5月,选取山东省疾病预防控制中心法定传染病直报系统2004—2014年丙型肝... 目的探讨差分自回归移动平均(ARIMA)与广义回归神经网络(GRNN)组合模型在丙型肝炎月发病率中预测建模效果及应用前景,为疫情预测提供依据。方法 2015年5月—2016年5月,选取山东省疾病预防控制中心法定传染病直报系统2004—2014年丙型肝炎月度发病率数据及山东省统计局发布的同期人口资料。对2004—2014年山东省丙型肝炎月发病率数据构建ARIMA模型,验证拟合精度并外推预测;将ARIMA模型拟合值作为GRNN模型的输入,实际值作为GRNN模型的输出,对样本进行训练和预测。比较单纯ARIMA模型和ARIMA-GRNN组合模型在丙型肝炎月发病率中的预测效果。结果 2004—2014年山东省丙型肝炎年均发病率为17.28/10万,并随着时间的推移呈上升趋势(Z=29.05,P<0.01)。ARIMA(1,2,1)模型预测2014年山东省丙型肝炎发病率与实际发病率基本一致,落在95%置信区间内,拟合效果较好。以ARIMA(1,2,1)模型拟合值作为GRNN模型的输入,丙型肝炎月发病率实际值作为GRNN模型的输出,取最优光滑因子0.12训练模型,ARIMA-GRNN组合模型预测的拟合值与实际值基本吻合。ARIMA模型和ARIMA-GRNN组合模型的平均误差率(MER)分别为16.87%、15.30%;决定系数(R^2)分别为0.53、0.60;平均绝对误差(MAE)分别为0.17、0.09;平均绝对百分误差(MAPE)分别为1.18、0.35。结论 ARIMA-GRNN组合模型对山东省丙型肝炎月发病率拟合及预测效果优于单纯ARIMA模型,具有较高的拟合精度,有较为广阔的应用前景,对于疫情预测工作有一定的实用性意义。 展开更多
关键词 丙型肝炎 发病率 预测 差分自回归移动平均模型 广义回归神经网络
在线阅读 下载PDF
浙江省月度电力需求的变分模态分解-自适应模糊神经网络-差分整合移动平均自回归组合预测模型及应用 被引量:6
5
作者 董知周 黄建平 +6 位作者 许晓敏 李铮 纪正森 高恬 吴庚奇 夏洪涛 陈浩 《科学技术与工程》 北大核心 2021年第12期4957-4967,共11页
为提高电力需求预测的精度,提出了一种将变分模态分解(variational mode decomposition,VMD)和自适应模糊神经网络(adaptive network-based fuzzy inference system,ANFIS)相结合的方法并应用到月度电力需求预测中。首先将原始数据通过... 为提高电力需求预测的精度,提出了一种将变分模态分解(variational mode decomposition,VMD)和自适应模糊神经网络(adaptive network-based fuzzy inference system,ANFIS)相结合的方法并应用到月度电力需求预测中。首先将原始数据通过VMD分解成有限带宽的子模态序列,选用差分整合移动平均自回归模型(autoregressive integrated moving average model,ARIMA)、ANFIS、经验模态分解(empirical mode decomposition,EMD)与ANFIS相结合和VMD-ANFIS几种模型进行预测结果对比。结果表明:相比直接利用ANFIS模型得到的预测结果,增加VMD分解过程能有效减小预测误差。说明所应用的VMD-ANFIS方法更具优越性,可以获得更好的预测结果。 展开更多
关键词 电力需求预测 差分整合移动平均自回归模型(arima) 变分模态分解 自适应模糊神经网络
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
6
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
基于ARIMA-LSTM的矿区地表沉降预测方法 被引量:4
7
作者 王磊 马驰骋 +1 位作者 齐俊艳 袁瑞甫 《计算机工程》 北大核心 2025年第1期98-105,共8页
煤矿开采安全问题尤其是采空区地表沉降现象会对人员安全及工程安全造成威胁,研究合适的矿区地表沉降预测方法具有很大意义。矿区地表沉降影响因素复杂,单一的深度学习模型对矿区地表沉降数据拟合效果差且现有的地表沉降预测研究多是单... 煤矿开采安全问题尤其是采空区地表沉降现象会对人员安全及工程安全造成威胁,研究合适的矿区地表沉降预测方法具有很大意义。矿区地表沉降影响因素复杂,单一的深度学习模型对矿区地表沉降数据拟合效果差且现有的地表沉降预测研究多是单独进行概率预测或考虑时序特性进行点预测,难以在考虑数据的时序特征的同时对其随机性进行定量描述。针对此问题,在对数据本身性质进行观察分析后选择差分整合移动平均自回归(ARIMA)模型进行时序特征的概率预测,结合长短时记忆(LSTM)网络模型来学习复杂的且具有长期依赖性的非线性时序特征。提出基于ARIMA-LSTM的地表沉降预测模型,利用ARIMA模型对数据的时序线性部分进行预测,并将ARIMA模型预测的残差数据辅助LSTM模型训练,在考虑时序特征的同时对数据的随机性进行描述。研究结果表明,相较于单独采用ARIMA或LSTM模型,该方法具有更高的预测精度(MSE为0.262 87,MAE为0.408 15,RMSE为0.512 71)。进一步的对比结果显示,预测结果与雷达卫星影像数据(经SBAS-INSAR处理后)趋势一致,证实了该方法的有效性。 展开更多
关键词 煤矿采空区 地表沉降预测 时序概率预测 差分整合移动平均自回归 长短时记忆网络
在线阅读 下载PDF
模型和数据联合驱动的ARIMA-IDSSA-LSSVM建筑安全事故预测
8
作者 曹红梅 陈元 《自然灾害学报》 北大核心 2025年第2期129-139,共11页
针对传统单一模型在解决建筑安全事故预测问题存在精度低等问题,考虑模型和数据联合驱动方式,提出一种结合差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型和改进的自适应樽海鞘优化最小二乘支持向量机(improv... 针对传统单一模型在解决建筑安全事故预测问题存在精度低等问题,考虑模型和数据联合驱动方式,提出一种结合差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型和改进的自适应樽海鞘优化最小二乘支持向量机(improved adaptive salp swarm algorithm optimized least squares support vector machine,IDSSA-LSSVM)的组合预测模型。首先利用ARIMA模型获得时序数据中线性部分,利用IDSSA-LSSVM模型分析ARIMA模型获得的残差,获得时序数据中非线性部分;然后通过线性部分和非线性部分相加获得最终组合预测值;最后通过2010—2020年房屋市政工程生产安全事故数据对所提算法进行验证。结果表明,所提预测模型在E_(rmse)上较其他算法分别下降73.73%、77.21%、46.09%、46.80%、78.19%,在E_(mae)上较其他算法分别下降74.20%、77.44%、48.15%、48.85%、77.50%,在E_(mape)上较其他算法分别下降84.95%、87.77%、75.97%、88.49%、80.27%。在不同规模的数据集下,文中算法在E_(rmse)指标下均最优。同时能够通过预测未来阶段事故,提供辅助决策。表明ARIMA-SSA-LSSVM组合模型能够充分挖掘建筑安全事故数据的隐藏信息,在准确性、泛化性和应用性3个角度均表现不错,优势明显。 展开更多
关键词 建筑安全 事故预测 联合驱动 差分自回归移动平均模型 支持向量机
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 被引量:1
9
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
基于平均移动自回归理论的中国进出口贸易实证研究
10
作者 谢沅潮 《统计与决策》 CSSCI 北大核心 2017年第5期153-156,共4页
文章通过对中国国际贸易进口和出口的数据分析,应用自回归滑动平均模型和条件异方差理论,对国际贸易进口的差分数据构建了6月份及8月份的自回归平均移动模型和,并应用进口增长率自回归平均移动-条件异方差模型对国际贸易出口增长率进行... 文章通过对中国国际贸易进口和出口的数据分析,应用自回归滑动平均模型和条件异方差理论,对国际贸易进口的差分数据构建了6月份及8月份的自回归平均移动模型和,并应用进口增长率自回归平均移动-条件异方差模型对国际贸易出口增长率进行了波动率和变化率的拟合估计。根据所拟合的模型,发现在8月份拟合的自回归平均移动-条件异方差模型下的国际贸易进口差分数据更接近实际的国际贸易差分数据,并且国际贸易进口增长率差分对出口增长率差分的波动率具有正向的作用。中国国际贸易进口具有滞后的时间效应,并且中国国际贸易进口差分波动率对出口差分有正向的溢出效应。 展开更多
关键词 国际贸易进出口 自回归平均移动-条件异方差理论 差分模型
在线阅读 下载PDF
基于MPA-BPNN和ARIMA的港口货物吞吐量预测
11
作者 戴红伟 王博文 《上海海事大学学报》 北大核心 2025年第3期95-103,共9页
为提高港口货物吞吐量预测的准确性,分别构建由海洋捕食者算法(marine predators algorithm,MPA)优化的反向传播神经网络(back-propagation neural network,BPNN)预测模型(记为MPA-BPNN模型)和自回归综合移动平均(autoregressive integr... 为提高港口货物吞吐量预测的准确性,分别构建由海洋捕食者算法(marine predators algorithm,MPA)优化的反向传播神经网络(back-propagation neural network,BPNN)预测模型(记为MPA-BPNN模型)和自回归综合移动平均(autoregressive integrated moving average,ARIMA)预测模型。在灰色关联分析和Spearman相关分析的基础上,利用MPA-BPNN模型对宁波港港口货物吞吐量进行预测。对时间序列进行平稳性检验和自相关检验后,利用ARIMA模型对宁波港港口货物吞吐量进行预测。分别以2021—2022年、2015—2022年为预测区间,比较BPNN、MPA-BPNN和ARIMA模型的预测效果。结果表明:地区生产总值等因素对宁波港港口货物吞吐量具有重要显著影响;MPA-BPNN模型具有一定的寻优能力,其预测准确性比BPNN的高;在数据序列整体波动不剧烈的情况下,短期预测更适用ARIMA模型,中长期预测更适用神经网络模型。 展开更多
关键词 港口货物吞吐量预测 反向传播神经网络(BPNN) 海洋捕食者算法(MPA) 自回归综合移动平均(arima)
在线阅读 下载PDF
基于ARIMA-TCN混合模型的高速铁路时间同步方法 被引量:1
12
作者 陈永 詹芝贤 张薇 《铁道学报》 EI CAS CSCD 北大核心 2024年第6期90-100,共11页
列控系统作为高速铁路的核心系统,保持其系统的时间同步对于行车安全至关重要。针对现有时间同步方法易受时变上下行传输时延、随机时钟跳变等影响,导致主从时钟偏移估计不准确的问题,提出一种基于差分自回归移动平均-时域卷积神经网络(... 列控系统作为高速铁路的核心系统,保持其系统的时间同步对于行车安全至关重要。针对现有时间同步方法易受时变上下行传输时延、随机时钟跳变等影响,导致主从时钟偏移估计不准确的问题,提出一种基于差分自回归移动平均-时域卷积神经网络(ARIMA-TCN)混合模型的高速铁路时间同步方法。首先,根据上下行链路传输速率的不对称比,建立高速铁路时钟的数学理论和实际观测模型。然后,使用拉依达准则识别处理跳变异常值,完成实际时间序列的预处理。再次,使用ARIMA模型平滑时间序列中不确定时延带来的噪声抖动,获得平稳的时间序列。最后,通过提出的注意力增强TCN模型进行预测补偿,完成时钟偏移的补偿校正。通过实验仿真,得到基站区间内位置、基站间距以及车速对高速铁路时间同步的影响性分析。实验结果表明:与对比方法相比,所提方法补偿后的均方根误差较最小二乘法减少了75%、较最大似然估计方法误差减少了44.4%,较BP神经网络方法误差减少了16.7%,验证所提方法具有更低的同步误差和更高的同步精度。 展开更多
关键词 时间同步 精确时钟协议 差分自回归移动平均模型 注意力增强时域卷积网络 时间补偿
在线阅读 下载PDF
基于SARIMAX-SVR的光伏发电功率预测 被引量:11
13
作者 周鑫 李燕 +1 位作者 曾永辉 石鹏程 《电力系统及其自动化学报》 CSCD 北大核心 2024年第5期1-8,共8页
为提高光伏发电功率预测精度,提出一种基于外生因素及季节性的差分自回归移动平均SARIMAX(seasonal autoregressive integrated moving average with exogenous factors)并结合优化支持向量回归SVR(support vector regression)的光伏发... 为提高光伏发电功率预测精度,提出一种基于外生因素及季节性的差分自回归移动平均SARIMAX(seasonal autoregressive integrated moving average with exogenous factors)并结合优化支持向量回归SVR(support vector regression)的光伏发电功率预测方法。首先,采用相关性特征法聚类气象条件中关键气象因子,以消除数据冗余并降低ARIMAX模型的复杂性;其次,在ARIMAX模型中引入季节性因素,构建SARIMAX模型来捕捉数据的季节性变化;最后,使用SARIMAX模型的拟合残差其作为SVR模型的输入,进一步拟合数据的非线性。通过仿真算例分析表明,所提方法可显著提高光伏发电功率预测精度。 展开更多
关键词 光伏发电 功率预测 差分自回归移动平均 季节性因子 支持向量回归
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:3
14
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
基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型研究 被引量:5
15
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ARIMA-PSO-LSTM的太阳能预测 被引量:2
16
作者 沈露露 黄晋浩 +1 位作者 花敏 周雯 《无线电通信技术》 北大核心 2024年第4期771-778,共8页
太阳能是新兴的可再生能源之一,可将其转化为电能以供无线传感器网络(Wireless Sensor Networks, WSN)使用,对太阳能进行预测可以有效地利用能量,从而达到节省能源、维持网络持续稳定运行的目的。提出了一种新的组合预测模型来预测太阳... 太阳能是新兴的可再生能源之一,可将其转化为电能以供无线传感器网络(Wireless Sensor Networks, WSN)使用,对太阳能进行预测可以有效地利用能量,从而达到节省能源、维持网络持续稳定运行的目的。提出了一种新的组合预测模型来预测太阳能辐照强度,其中改进的粒子群优化(Particle Swarm Optimization, PSO)算法被引入寻找长短期记忆(Long Short Term Memory, LSTM)神经网络模型的最优参数。选取自回归差分移动平均(Auto-Regressive Integrated Moving Average, ARIMA)模型来预测太阳辐照数据中的线性分量;采用PSO算法来优化LSTM神经网络模型的超参数,有助于提高模型预测的精度和鲁棒性;采用优化的LSTM神经网络模型来预测数据中的非线性分量;最后将两个模型的预测结果进行叠加。实验结果表明,新的组合模型比ARIMA、LSTM等模型,具有更高的预测精度。 展开更多
关键词 自回归差分移动平均模型 长短期记忆神经网络模型 粒子群优化算法 能量预测算法
在线阅读 下载PDF
基于ARIMA-IPOA-CNN-LSTM的太湖水体溶解氧浓度预测模型
17
作者 杨焕峥 崔业梅 +1 位作者 徐玲 薛洪惠 《水电能源科学》 北大核心 2024年第10期55-59,共5页
为了提高太湖水体中溶解氧浓度(DOC)参数的预测准确性,设计了一种基于ARIMA-IPOA-CNN-LSTM的预测模型。首先,采用差分自回归移动平均模型(ARIMA)捕捉数据的时间序列趋势和季节性特征;其次,引入卷积神经网络(CNN)和长短期记忆网络(LSTM)... 为了提高太湖水体中溶解氧浓度(DOC)参数的预测准确性,设计了一种基于ARIMA-IPOA-CNN-LSTM的预测模型。首先,采用差分自回归移动平均模型(ARIMA)捕捉数据的时间序列趋势和季节性特征;其次,引入卷积神经网络(CNN)和长短期记忆网络(LSTM)模型,分别从数据中学习空间和时间特征;再次,提出了一种改进的鹈鹕优化算法(IPOA)来优化模型参数,算法增加了Logistic混沌映射种群初始化、反向差分进化、萤火虫扰动的方法,CEC2005函数的测试结果显著优于传统鹈鹕优化算法;最后,将“剪枝”模型部署于STM32嵌入式设备。试验结果表明,在溶解氧浓度预测方面,该模型具有高的准确性和鲁棒性,为水环境保护提供了一种高效、可靠的解决方案。 展开更多
关键词 差分自回归移动平均 鹈鹕优化算法 卷积神经网络 水体 溶解氧浓度
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
18
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
融合SARIMA与BiLSTM的水利设施形变预测 被引量:1
19
作者 唐帅 杨涛 +2 位作者 皮明 张良 袁自祥 《现代雷达》 CSCD 北大核心 2024年第3期96-103,共8页
水利设施形变预测可以有效地判断水利设施的运行状态。水利设施安全监测数据是时间序列数据,既有趋势性又有季节性。为了获得更准确的预测结果,文中提出一种基于季节自回归差分移动平均(SARIMA)模型和双向长短时记忆(BiLSTM)网络的预测... 水利设施形变预测可以有效地判断水利设施的运行状态。水利设施安全监测数据是时间序列数据,既有趋势性又有季节性。为了获得更准确的预测结果,文中提出一种基于季节自回归差分移动平均(SARIMA)模型和双向长短时记忆(BiLSTM)网络的预测模型,以解决无法充分挖掘数据中正向与反向的关联进行预测的问题。该模型采用SARIMA模型预测变形数据中的线性分量,采用BiLSTM模型预测变形数据中的非线性分量,使得模型能够更好地提取历史数据中的非线性关系以及正向与反向关系从而提高预测准确度。结合某水电站4#引水涵洞监测数据,使用SARIMA-BiLSTM模型对裂缝计开合度时间序列进行了预测,并与反向传播神经网络模型、SARIMA模型和SARIMA-LSTM模型的预测结果进行对比,比对结果证明所提方法有效地提高了预测精度。 展开更多
关键词 水利设施监测 时间序列预测 趋势性 季节自回归差分移动平均模型 双向长短期记忆网络
在线阅读 下载PDF
基于GBD数据库分析与预测中国鼻咽癌疾病负担
20
作者 宋业勋 刘霞静 +1 位作者 张永全 李和清 《中南大学学报(医学版)》 北大核心 2025年第4期675-683,共9页
目的:鼻咽癌发病位置隐匿导致早期诊断率低,且具有明显的地域聚集性,是中国一个重要的公共卫生问题。本研究旨在通过2021年全球疾病负担(the Global Burden of Diseases,GBD)数据库分析中国鼻咽癌的疾病负担,为鼻咽癌的精准防控提供流... 目的:鼻咽癌发病位置隐匿导致早期诊断率低,且具有明显的地域聚集性,是中国一个重要的公共卫生问题。本研究旨在通过2021年全球疾病负担(the Global Burden of Diseases,GBD)数据库分析中国鼻咽癌的疾病负担,为鼻咽癌的精准防控提供流行病学依据。方法:选取年龄标化发病率、病死率、伤残调整寿命年(disability adjusted life year,DALY)率作为疾病负担的评价指标,按照不同年龄、性别、社会人口学指数及其相关危险因素进行分层分析,同时应用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型和贝叶斯年龄-时期-队列分析模型(Bayesian age-period-cohort,BAPC)将年龄标化发病率预测至2050年。结果:2021年中国鼻咽癌年龄标化发病率、病死率、DALY率分别为3.4/10万、1.5/10万、48.7/10万,均高于同期全球水平。在所有年龄段,中国男性年龄标化发病率、病死率、DALY率均高于女性。中国鼻咽癌的疾病负担从1990至2021年随着社会人口学指数(socio-demographic index,SDI)的增高逐渐降低。中国归因于饮酒、吸烟、职业甲醛暴露的鼻咽癌疾病负担占比均高于全球水平,且在男性中尤为显著。模型预测中国及全球男性、女性、全人群的年龄标化发病率均提示从2022至2050年呈上升趋势。结论:既往30年中国鼻咽癌的疾病负担随着SDI的升高逐渐降低,但仍高于同期全球水平。同时,中国鼻咽癌的年龄标化发病率在未来30年呈上升趋势。中国仍需进一步增加医疗资源的投入以应对鼻咽癌的防控与诊疗,尤其针对高风险男性群体。 展开更多
关键词 鼻咽癌 疾病负担 社会人口学指数 贝叶斯年龄-时期-队列分析模型 差分自回归移动平均模型
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