期刊文献+
共找到223篇文章
< 1 2 12 >
每页显示 20 50 100
片烟库存预测研究中组合时间序列模型的应用
1
作者 褚旭 胡宗玉 +3 位作者 许强 张金召 杜航 胡波 《天津农业科学》 2025年第7期41-47,55,共8页
为探讨组合时间序列模型在片烟库存预测中的应用效果,通过收集某卷烟工业企业往期片烟库存数据,建立月度片烟库存的单一和组合时间序列预测模型,并对比不同模型的预测效果。结果表明:片烟库存数据的月度和年度时序图均具有明显的时间周... 为探讨组合时间序列模型在片烟库存预测中的应用效果,通过收集某卷烟工业企业往期片烟库存数据,建立月度片烟库存的单一和组合时间序列预测模型,并对比不同模型的预测效果。结果表明:片烟库存数据的月度和年度时序图均具有明显的时间周期性;基于指数平滑法建立的预测模型无法准确判断真实值上升或下降的趋势,预测的RMSE、MAE和MAPE值分别为1.93、1.47、3.51%;基于自适应滤波法建立的预测模型随着数据样本的增加,预测精度有所下降,预测的RMSE、MAE和MAPE值分别为0.32、0.26、0.61%;指数平滑组合时间序列模型和自适应滤波组合时间序列模型预测的RMSE、MAE和MAPE值分别为0.91、0.69、1.75%和0.28、0.21、0.52%。综上,组合模型拟合效果更好,能够更好地反映片烟库存的真实水平,其中以自适应滤波组合模型的效果更佳。 展开更多
关键词 片烟 库存预测 时间序列 组合模型
在线阅读 下载PDF
基于LSSVM-ARMA模型的基坑变形时间序列预测 被引量:35
2
作者 曹净 丁文云 +2 位作者 赵党书 宋志刚 刘海明 《岩土力学》 EI CAS CSCD 北大核心 2014年第S2期579-586,共8页
如何准确预测和控制基坑变形是基坑工程的一个难点,提出了一种基于小波变换、粒子群优化的最小二乘支持向量机(PSO-LSSVM)和自回归移动平均模型(ARMA)的基坑变形时间序列预测方法。首先,利用小波变换将基坑变形时间序列分解和重构为2个... 如何准确预测和控制基坑变形是基坑工程的一个难点,提出了一种基于小波变换、粒子群优化的最小二乘支持向量机(PSO-LSSVM)和自回归移动平均模型(ARMA)的基坑变形时间序列预测方法。首先,利用小波变换将基坑变形时间序列分解和重构为2个子序列——趋势时间序列和随机时间序列,在该基础上,采用PSO-LSSVM模型与ARMA模型分别预测趋势时间序列与随机时间序列未来值,将2个子序列的预测值求和作为最终预测结果。最后,将该方法应用于昆明某基坑工程的深层水平位移预测,不断地利用前期工况的最新实测数据建模,对后期工况未来变形量进行滚动预测,获得了令人满意的结果。 展开更多
关键词 基坑变形 时间序列预测 小波变换 PSO-LSSVM arma模型
在线阅读 下载PDF
基于时间序列聚类和ARMA模型的检索量预测 被引量:12
3
作者 孙承杰 刘丰 +1 位作者 林磊 刘秉权 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2011年第4期21-25,共5页
为了通过预测分析检索量数据来指导商家调整产品开发及经营策略,将检索量数据组织为时间序列,对其用自回归滑动平均(ARMA)模型进行建模预测.先将时间序列进行聚类,仅对聚类中心序列进行ARMA模型识别,同类序列用该模型进行近似建模预测;... 为了通过预测分析检索量数据来指导商家调整产品开发及经营策略,将检索量数据组织为时间序列,对其用自回归滑动平均(ARMA)模型进行建模预测.先将时间序列进行聚类,仅对聚类中心序列进行ARMA模型识别,同类序列用该模型进行近似建模预测;经过数据预处理、相似性分析、基于相似度的聚类、时间序列预测等过程,得到检索量数据的预测值,并将其与检索量的实际值做比较.结果表明,用同一个ARMA模型拟合相似时间序列的方法具有可行性,且有较高的预测准确率.从聚类结果还可看出,同品牌产品的检索量数据趋于聚成一类,这为检索词关系的挖掘提供了参考. 展开更多
关键词 时间序列 检索量 arma模型 动态时间弯曲距离 k-medoid算法
在线阅读 下载PDF
基于时间序列模型与灰色模型的组合预测模型的研究 被引量:23
4
作者 单锐 王淑花 +1 位作者 高东莲 高敬辉 《燕山大学学报》 CAS 2012年第1期79-83,共5页
为了能有效地提高预测模型的精度,提出了组合预测模型。本文首先利用ARIMA模型对时间序列数据进行模型的识别和拟合,然后由比较可知优化后的GM(1,1)模型拟合和预测效果好于GM(1,1)模型,最后通过赋予合理权重结合ARIMA模型和优化后的GM(1... 为了能有效地提高预测模型的精度,提出了组合预测模型。本文首先利用ARIMA模型对时间序列数据进行模型的识别和拟合,然后由比较可知优化后的GM(1,1)模型拟合和预测效果好于GM(1,1)模型,最后通过赋予合理权重结合ARIMA模型和优化后的GM(1,1)模型两种方法得到ARIMA-GM的组合预测模型。预测结果表明:组合模型的预测准确性高于各个模型单独使用时的准确性,组合模型发挥了各个单一模型的优势。 展开更多
关键词 时间序列 ARIMA模型 GM模型 组合预测模型
在线阅读 下载PDF
基于ARMA模型的财政教育投资时间序列分析 被引量:7
5
作者 刘亮 唐海萍 张丽军 《北京师范大学学报(自然科学版)》 CAS CSCD 北大核心 2010年第2期194-196,共3页
以1991—2008年的财政教育投资数据为依据,通过对数据进行平稳化、零均值化处理,并利用序列的自相关、偏自相关性质,建立序列的合理时间序列模型,最后利用模型进行了预测,预测结果比较切合实际.
关键词 财政教育投资 时间序列 arma模型
在线阅读 下载PDF
时间序列组合式模型在艾滋病感染率变化趋势中的应用 被引量:6
6
作者 王璐 杨书 +1 位作者 张强 罗静 《中国卫生统计》 CSCD 北大核心 2013年第2期196-198,共3页
目的基于Gramer分解定理,探讨建立确定性趋势模型和ARMA模型的组合模型预测某市艾滋病新发感染率的可行性。方法收集某市40个区县1995~2009年艾滋病月度新发感染资料,建立了指数函数和ARMA(1,0)的组合式模型。结果该组合式模型能较好... 目的基于Gramer分解定理,探讨建立确定性趋势模型和ARMA模型的组合模型预测某市艾滋病新发感染率的可行性。方法收集某市40个区县1995~2009年艾滋病月度新发感染资料,建立了指数函数和ARMA(1,0)的组合式模型。结果该组合式模型能较好地拟合当地艾滋病月度新发感染率的变动趋势,且2009年7~12月的预测值符合实际值的变动趋势。结论该组合式模型能够较好地模拟当地艾滋病新发感染率在时间序列上的变动趋势,可以用于短期的预测。 展开更多
关键词 时间序列 分解定理 arma模型
在线阅读 下载PDF
基于时间序列ARIMA与BP神经网络的组合预测模型 被引量:74
7
作者 翟静 曹俊 《统计与决策》 CSSCI 北大核心 2016年第4期29-32,共4页
文章将时间序列ARIMA模型和BP神经网络算法相结合,设计一种组合预测模型,并将其应用于实际预测中,通过实际预测检验了组合预测模型在实际预测中的有效性。研究发现,组合预测模型在预测精度方面总体上优于这两个单项预测模型,因此这种组... 文章将时间序列ARIMA模型和BP神经网络算法相结合,设计一种组合预测模型,并将其应用于实际预测中,通过实际预测检验了组合预测模型在实际预测中的有效性。研究发现,组合预测模型在预测精度方面总体上优于这两个单项预测模型,因此这种组合预测模型具有良好的预测效能。 展开更多
关键词 时间序列ARIMA模型 BP神经网络算法 组合预测模型 有效性
在线阅读 下载PDF
时间序列ARMA模型的应用 被引量:14
8
作者 梁妍 夏乐天 《重庆理工大学学报(自然科学)》 CAS 2012年第8期106-109,共4页
对时间序列分析方法进行了介绍,对时间序列模型进行了研究。分析了时间序列模型的建立过程,并利用其中的ARMA模型对一个实例进行预测。结果表明,ARMA时间序列模型的预测结果是合理的。
关键词 时间序列 arma模型 参数估计 模型定阶
在线阅读 下载PDF
含缺失值时间序列的ARMA模型拟合 被引量:3
9
作者 张晋昕 王亚拉 何大卫 《中国卫生统计》 CSCD 北大核心 2000年第4期197-199,共3页
目的 给出一种有效的处理含缺失值时间序列的方法 ,完成缺失值的内插及ARMA模型的参数估计。方法 用状态空间的Markov表达描述时间序列 ,进而采用Kalman滤波技术。结果 实例分析表明 ,不仅可以完成缺失值的有效内插 ,模型拟合效果及... 目的 给出一种有效的处理含缺失值时间序列的方法 ,完成缺失值的内插及ARMA模型的参数估计。方法 用状态空间的Markov表达描述时间序列 ,进而采用Kalman滤波技术。结果 实例分析表明 ,不仅可以完成缺失值的有效内插 ,模型拟合效果及预测结果也甚为满意。结论 用基于状态空间表达的Kalman滤波技术 。 展开更多
关键词 时间序列 缺失值 arma模型 KALMAN滤波
在线阅读 下载PDF
基于小波优化LSTM-ARMA模型的岩土工程非线性时间序列预测 被引量:21
10
作者 钱建固 吴安海 +2 位作者 季军 成龙 徐巍 《同济大学学报(自然科学版)》 EI CAS CSCD 北大核心 2021年第8期1107-1115,共9页
为了更精确地预测岩土工程应力、变形等的非线性时间序列,提出了基于小波优化的长短时记忆神经网络-自回归滑动平均模型(LSTM-ARMA)预测模型。首先使用小波分析将监测序列分解成趋势项和噪声项,采用LSTM网络滚动预测趋势项、ARMA模型预... 为了更精确地预测岩土工程应力、变形等的非线性时间序列,提出了基于小波优化的长短时记忆神经网络-自回归滑动平均模型(LSTM-ARMA)预测模型。首先使用小波分析将监测序列分解成趋势项和噪声项,采用LSTM网络滚动预测趋势项、ARMA模型预测噪声项,并将趋势项预测值与噪声项预测值之和作为总的时间序列预测值。在此基础上,以上海云岭超深基坑工程为案例进行了基坑地表沉降分析,结果表明组合模型的预测精度要高于单一LSTM模型且更加稳定;进一步采用弹塑性有限元对基坑开挖诱发的地表沉降进行了预测,并与人工智能预测结果进行对比,验证了人工智预测模型的合理性。分析表明,当后续工况与前置工况所诱发的变形机理突变时,人工智能预测误差增大,但伴随后续工况的推进,人工智能预测误差将逐渐减小。 展开更多
关键词 岩土工程 非线性时间序列预测 小波分析 长短时记忆神经网络(LSTM) 自回归滑动平均模型(arma)
在线阅读 下载PDF
时间序列分析下车联网无线传感设备数据融合算法
11
作者 邹琴琴 陈烽 《传感技术学报》 北大核心 2025年第4期705-710,共6页
为了提升车联网无线传感设备数据的融合精度,降低融合耗时和能量消耗,提出一种时间序列分析下车联网无线传感设备数据融合算法。通过小波阈值方法对车联网多个无线传感设备采集数据进行去噪处理;其次,创建ARMA时间序列分析模型,预测数... 为了提升车联网无线传感设备数据的融合精度,降低融合耗时和能量消耗,提出一种时间序列分析下车联网无线传感设备数据融合算法。通过小波阈值方法对车联网多个无线传感设备采集数据进行去噪处理;其次,创建ARMA时间序列分析模型,预测数据时间序列变化;最后,根据当前数据和预测的未来数据计算节点信任值,将数据汇聚到信任值最高的节点中,以此实现数据融合。仿真分析结果表明:这种融合方法在车联网无线传感设备数据融合中,融合的平均误差低于0.1,平均绝对误差低于0.2,平均相对误差低于0.25,均方根误差低于0.08,节点能量的利用率高于90%,融合耗时在1 s以内,具有融合精确率高、能量消耗小和用时短的优势,传感数据融合效果良好。 展开更多
关键词 无线传感设备 数据去噪 时间序列分析 arma模型 数据融合算法
在线阅读 下载PDF
增长型时间序列组合模型设计及医院费用预测实证比较
12
作者 李望晨 井淇 +1 位作者 姚琳 张利平 《中国卫生统计》 CSCD 北大核心 2019年第2期288-290,共3页
时间序列分析常见于经济、管理、卫生、医疗领域指标预测问题,它以预测事物本身随时间变化数据规律来提取信息,以数学方法拟合历史数据并外推预测未来。拟合预测精度最受应用工作者关注[1]。时序资料表现为随时间变化呈平滑递增趋势特点... 时间序列分析常见于经济、管理、卫生、医疗领域指标预测问题,它以预测事物本身随时间变化数据规律来提取信息,以数学方法拟合历史数据并外推预测未来。拟合预测精度最受应用工作者关注[1]。时序资料表现为随时间变化呈平滑递增趋势特点,无明显扰动、周期性或季节性,曲线拟合法、ARIMA法为常见方法,算法原理不同但拟合外推性能较好[2]。组合预测模型设计目的是集结每种方法优点,提高拟合性能及外推预测效果。本文针对此类资料特点探索几种组合建模方法,通过案例比较和验证组合建模方法对医疗费用预测的意义。 展开更多
关键词 时间序列分析 费用预测 组合模型 设计 曲线拟合法 医院 数学方法 医疗领域
在线阅读 下载PDF
时间序列组合预测模型研究:以农业机械总动力为例 被引量:10
13
作者 吐尔逊.买买提 丁为民 谢建华 《南京农业大学学报》 CAS CSCD 北大核心 2016年第4期688-695,共8页
[目的]本文旨在提出更有效的时间序列组合预测模型的构建方法,建立预测精度较高的时间序列组合预测模型。[方法]以1978—2013年新疆农业机械总动力为数据源,建立了源序列的曲线回归、自回归积分滑动平均、3次指数平滑和灰色模型,并构建... [目的]本文旨在提出更有效的时间序列组合预测模型的构建方法,建立预测精度较高的时间序列组合预测模型。[方法]以1978—2013年新疆农业机械总动力为数据源,建立了源序列的曲线回归、自回归积分滑动平均、3次指数平滑和灰色模型,并构建了预测对象和预测模型的关系数据库。提出了基于百分误差的计算属性重要度方法,依据该方法计算单一模型在组合模型中的权重,构建了单一模型预测值及其权重为输入的组合预测模型,使输出结果中完整的涵盖了时间序列不同单一预测模型的输出值特征。以误差分布特征为指标,对组合预测模型和各单一模型的预测性能进行分析。以组合预测模型拟合优度和预测值平均绝对百分误差(MAPE)作为评价指标,对基于百分误差、粗糙集、Shapley和熵权法的组合预测模型构建方法进行定量分析。[结果]预测周期内提出的组合预测模型的最大及平均误差与各单一模型最优值相比,分别降低了27.35和6.43,误差平方和(SSE)减少了73%,平均绝对百分误差降低了1.56%。基于百分误差的组合预测模型的拟合优度与基于粗糙集、Shapley和熵权法的组合预测模型拟合优度相比,分别提高了2.40%、5.10%和2.27%,粗糙集、Shapley和熵权法的预测值的平均绝对百分误差分别为1.673 0、3.726 1和2.702 4,而本文提出的模型的平均绝对百分误差为1.298 4。[结论]基于百分误差的组合预测模型在农业机械总动力和类似时间序列预测分析中,降低预测误差波动幅度及提高预测精度方面与其他单一模型和组合模型相比具有显著优势。 展开更多
关键词 农业机械总动力 时间序列 预测 组合模型
在线阅读 下载PDF
水文时间序列逐步回归随机组合预测模型及其应用 被引量:15
14
作者 汤成友 郭丽娟 王瑞 《水利水电技术》 CSCD 北大核心 2007年第6期1-4,共4页
由于气候因素和下垫面因素的综合影响,水文时间序列表现出复杂的非线性,包括确定性成分和随机成分,如月径流序列、日均流量序列等。这些预报对象如果不加处理直接用AR(p)建模进行预测误差较大。文中介绍了通过对非平稳序列提取周期项和... 由于气候因素和下垫面因素的综合影响,水文时间序列表现出复杂的非线性,包括确定性成分和随机成分,如月径流序列、日均流量序列等。这些预报对象如果不加处理直接用AR(p)建模进行预测误差较大。文中介绍了通过对非平稳序列提取周期项和趋势项后的余差序列建立AR(p)模型进行水文中长期预报的组合预测方法,并以嘉陵江北碚站7月最大洪峰流量序列为例对组合模型进行验证,结果比较满意。 展开更多
关键词 逐步回归 周期分析 趋势分析 自回归模型 组合模型 水文时间序列 水文中长期预报
在线阅读 下载PDF
时间序列ARIMA与BP神经网络组合模型在CPI预测中的应用 被引量:14
15
作者 孟毅 《山东农业大学学报(自然科学版)》 CSCD 北大核心 2018年第6期1079-1083,共5页
CPI是消费者在市场内进行消费和服务时所支付的价格随时间变化的平均指数。由于CPI对很多经济指标都有影响,它备受人们的关注。本文选取了ARIMA时间序列、BP神经网络和BP-ARIMA组合模型的三种方法对2009?2017年我国的CPI月度数据进行建... CPI是消费者在市场内进行消费和服务时所支付的价格随时间变化的平均指数。由于CPI对很多经济指标都有影响,它备受人们的关注。本文选取了ARIMA时间序列、BP神经网络和BP-ARIMA组合模型的三种方法对2009?2017年我国的CPI月度数据进行建模,并以此预测2017年度各月的CPI。结果表明,BP-ARIMA组合模型预测效果最优。 展开更多
关键词 CPI ARIMA时间序列 BP神经网络 BP-ARIMA组合模型
在线阅读 下载PDF
基于组合模型的非线性时间序列预测算法 被引量:6
16
作者 于琼 田宪 《计算机工程与科学》 CSCD 北大核心 2021年第10期1817-1825,共9页
为解决复杂系统中非线性时间序列预测模型构建效率低、预测精度低的问题,提出基于组合模型的HURST-EMD预测算法。采用EMD算法将非线性时间序列分解为代表原始序列特征的各个IMF,然后引入赫斯特(Hurst)指数将同类的IMF整合为新的分量,最... 为解决复杂系统中非线性时间序列预测模型构建效率低、预测精度低的问题,提出基于组合模型的HURST-EMD预测算法。采用EMD算法将非线性时间序列分解为代表原始序列特征的各个IMF,然后引入赫斯特(Hurst)指数将同类的IMF整合为新的分量,最后选用LS-SVR-ARIMA模型进行组合预测。在该算法中,设计了序列分类整合等过程,优化了建模的计算量,构建了高效精准的预测模型。为验证模型的有效性,采用上证指数公共数据集和真实交通流数据进行检验,实验结果表明,改进的基于组合模型的HURST-EMD预测算法在提高预测效率的同时具有更好的预测精度。 展开更多
关键词 非线性时间序列 经验模态分解 赫斯特指数 组合预测模型
在线阅读 下载PDF
由时变ARMA模型描述的一类非平稳时间序列的特性
17
作者 李荆垠 徐南荣 《东南大学学报(自然科学版)》 EI CAS CSCD 1989年第2期75-82,共8页
本文从线性系统和时间序列的关系出发,分析了由一般线性时变模型,特别是时变系数的ARMA模型所描述的非平稳时间序列的特性。
关键词 时变 arma模型 时间序列分析
在线阅读 下载PDF
基于改进EEMD-SE-ARMA的超短期风功率组合预测模型 被引量:41
18
作者 田波 朴在林 +1 位作者 郭丹 王慧 《电力系统保护与控制》 EI CSCD 北大核心 2017年第4期72-79,共8页
针对风力发电功率时间序列具有非线性和非平稳性的特性,提出了一种改进的集成经验模态分解(Modified Ensemble Empirical Mode Decomposition,MEEMD)-样本熵(Sample Entropy,SE)-ARMA的风电功率超短期组合预测模型。将EEMD分解中添加的... 针对风力发电功率时间序列具有非线性和非平稳性的特性,提出了一种改进的集成经验模态分解(Modified Ensemble Empirical Mode Decomposition,MEEMD)-样本熵(Sample Entropy,SE)-ARMA的风电功率超短期组合预测模型。将EEMD分解中添加的白噪声信号改为添加绝对值相等的正负两组白噪声信号,并将MEEMD分解过程中的EMD步骤使用端点延拓和分段三次埃尔米特插值进行改进,形成一种改进的EEMD分解算法(即MEEMD)。利用MEEMD-SE将风力发电功率时间序列分解为一系列复杂度差异明显的风电子序列;针对每一个不同的子序列建立适当的ARMA预测模型;将各预测分量进行叠加重构,得到最终的风电功率预测值。通过算例分析及与其他几种预测模型预测结果的对比,证明MEEMD-SE-ARMA组合预测模型可以有效地提高风力发电功率超短期预测的精度。 展开更多
关键词 改进的集成经验模态分解 风电预测 样本熵 时间序列 组合预测模型 端点延拓
在线阅读 下载PDF
经济波动随机时间序列模型的比较研究 被引量:9
19
作者 徐梅 梅世强 李菊栋 《预测》 CSSCI 2001年第6期56-60,共5页
本文分析了线性的 ARMA模型和非线性的 TAR模型描述经济波动的适用性 ,论述了两种模型的建立方法 ,进而对它们描述经济波动的实际效果进行了比较分析 ,得出结论
关键词 经济波动 arma模型 TAR模型 随机时间序列模型
在线阅读 下载PDF
基于时间序列模型的风电场风速预测研究 被引量:16
20
作者 杨锡运 孙翰墨 《动力工程学报》 CAS CSCD 北大核心 2011年第3期203-208,共6页
基于时间序列的方法,对风速的长期预测进行了研究,并在工程应用的基础上提出了新的预测思路:首先将风速信号分解成趋势信号和去趋势项随机信号,然后分别用滑动滤波和小波分析这2种方法对分解出的去趋势项随机信号进行数据处理并比较,再... 基于时间序列的方法,对风速的长期预测进行了研究,并在工程应用的基础上提出了新的预测思路:首先将风速信号分解成趋势信号和去趋势项随机信号,然后分别用滑动滤波和小波分析这2种方法对分解出的去趋势项随机信号进行数据处理并比较,再用时间序列的方法对趋势项信号和处理后的信号分别进行预测并叠加,得到最后的预测风速信号.结果表明:五项滑动滤波处理数据的方法与Daubechies小波分解法均能实现精度较高的风速长期预测;与小波分解法相比,滑动滤波方法算法的复杂性低,在工程应用上可行性更高. 展开更多
关键词 风电场 风速预测 时间序列 arma模型 滑动滤波 小波分析
在线阅读 下载PDF
上一页 1 2 12 下一页 到第
使用帮助 返回顶部