期刊文献+
共找到55篇文章
< 1 2 3 >
每页显示 20 50 100
基于纵向数据的半参数时间变化系数回归模型的系数估计
1
作者 毛新娜 王红 《统计与决策》 CSSCI 北大核心 2005年第07S期6-7,共2页
关键词 回归模型 时间变化 估计 时间序列数据 截面数据 变化趋势 个体
在线阅读 下载PDF
高铁故障晚点时间预测的支持向量回归模型 被引量:3
2
作者 汤轶雄 徐传玲 +2 位作者 文超 李忠灿 宋邵杰 《中国安全科学学报》 CAS CSCD 北大核心 2019年第S02期18-23,共6页
为准确预测高速铁路(HSR)列车故障引起的总晚点时间,基于广铁集团高速铁路列车晚点实绩数据,分别运用软间隔支持向量机回归(ε-SVR)和容错比支持向量机回归(ν-SVR)方法以初始晚点时间、影响列车数、晚点致因为自变量,总晚点时间为因变... 为准确预测高速铁路(HSR)列车故障引起的总晚点时间,基于广铁集团高速铁路列车晚点实绩数据,分别运用软间隔支持向量机回归(ε-SVR)和容错比支持向量机回归(ν-SVR)方法以初始晚点时间、影响列车数、晚点致因为自变量,总晚点时间为因变量构建SVR模型。使用测试数据进行模型预测能力评估,结果表明:在20%相对允许误差范围内,ε-SVR和ν-SVR模型的预测精度均超过了0.8,且ν-SVR模型的预测精度要高于ε-SVR模型。 展开更多
关键词 高速铁路(HSR) 列车运行实绩 初始晚点 晚点时间预测 支持向量回归(SVR)模型
在线阅读 下载PDF
向量自回归模型在下击暴流风速场模拟中的应用研究
3
作者 孙芳锦 梁爽 张大明 《地震工程与工程振动》 CSCD 北大核心 2015年第2期223-230,共8页
下击暴流是雷暴天气中沿地面传播的一种极具突发性和破坏性的一种强风,对建筑结构的破坏性极强,因此建立准确可靠的下击暴流风速模型对于研究建筑结构在下击暴流作用下的动力响应并减少灾害发生是至关重要的。本文采用随时间变化的向量... 下击暴流是雷暴天气中沿地面传播的一种极具突发性和破坏性的一种强风,对建筑结构的破坏性极强,因此建立准确可靠的下击暴流风速模型对于研究建筑结构在下击暴流作用下的动力响应并减少灾害发生是至关重要的。本文采用随时间变化的向量自回归模型(简称TVAR模型)建立下击暴流的风速模型。采用基函数方法识别TVAR模型参数,即将TVAR模型参数表示为加权时间函数的线性组合。联合使用正向估计和后向估计器估计TVAR模型中的随时间变化参数,计算得到下击暴流随时间变化功率谱密度。模拟得到了下击暴流风速、功率谱密度、相干函数等重要参数。结果表明本文提出的TVAR模型可以准确模拟下击暴流风速场,且计算效率得到了进一步提高。本文提出的TVAR模型为准确进行下击暴流模拟或建立经验模型提供了可靠的方法。 展开更多
关键词 下击暴流 强风 随时间变化的向量自回归模型 功率谱密度
在线阅读 下载PDF
基于粒子群-支持向量机的时间序列分类诊断模型 被引量:7
4
作者 张涛 张明辉 +1 位作者 李清伟 张玥杰 《同济大学学报(自然科学版)》 EI CAS CSCD 北大核心 2016年第9期1450-1457,共8页
构建一种基于粒子群算法-支持向量机(PSO-SVM)的磁共振功能成像(fMRI)时间序列分类诊断模型,通过针对脑区多维时间序列数据的深层次分析实现病症患者和健康者的准确判断与区分,为面向fMRI时间序列数据的病症诊断和预测提供有效科学依据... 构建一种基于粒子群算法-支持向量机(PSO-SVM)的磁共振功能成像(fMRI)时间序列分类诊断模型,通过针对脑区多维时间序列数据的深层次分析实现病症患者和健康者的准确判断与区分,为面向fMRI时间序列数据的病症诊断和预测提供有效科学依据.该方法在以下4个方面不同于其他已有相关研究工作:(1)构建基于自回归模型的脑区多维时间序列数据特征表示;(2)构建基于支持向量机模型的脑区多维时间序列数据分类机制;(3)构建基于粒子群算法的分类学习参数寻优策略;(4)建立融合上述特征表示、优化分类与参数优选模式的fMRI时间序列数据分类诊断模型.通过以精神抑郁症作为实证分析的具体案例,所提出分类诊断模型已取得良好实验效果,展示出其有效性与合理性. 展开更多
关键词 fMRI多维时间序列 分类诊断 自回归模型 支持向量机(SVM) 粒子群算法(PSO)
在线阅读 下载PDF
向量自回归模型拟合与预测效果评价 被引量:11
5
作者 倪延延 张晋昕 《中国卫生统计》 CSCD 北大核心 2014年第1期53-56,共4页
目的本文旨在利用多元时间序列的模拟数据,拟合向量自回归模型,评价其筛选模型的能力,并和一元自回归模型进行拟合效果和预测效果的比较。方法利用SAS产生平稳的多元时间序列,分别拟合向量自回归(VAR)模型和一元自回归(AR)模型,采用筛... 目的本文旨在利用多元时间序列的模拟数据,拟合向量自回归模型,评价其筛选模型的能力,并和一元自回归模型进行拟合效果和预测效果的比较。方法利用SAS产生平稳的多元时间序列,分别拟合向量自回归(VAR)模型和一元自回归(AR)模型,采用筛选正确率来评价选择模型的能力,采用样本内平均绝对误差和参数估计标准误进行两模型拟合效果的比较,采用绝对预测误差进行预测效果的比较。结果四元时间序列的模型筛选正确率明显高于二元时间序列;经配对符号秩和检验VAR模型的样本内平均绝对误差小于AR模型,但是参数估计标准误VAR模型大于AR模型;VAR模型的预测效果优于AR模型,尤其对于四元时间序列。结论 VAR模型参数估计标准误较大,模型稳健性不及AR模型,但可以提供更为精确的预测结果。 展开更多
关键词 多元时间序列模拟 向量自回归模型 预测
在线阅读 下载PDF
新型ε-不敏感损失函数支持向量诱导回归算法及售后服务数据模型预测系统 被引量:2
6
作者 罗泽举 朱思铭 《计算机科学》 CSCD 北大核心 2005年第8期138-141,154,共5页
对含有噪声的数据序列根据预测置信度进行去噪处理,将训练集和测试集及预测数据共同作为训练向量集,以此建立新型支持向量诱导回归算法。本文利用该算法对实时售后服务的“千车故障数”进行了时间序列分析,并建立了新型的ε-不敏感损失... 对含有噪声的数据序列根据预测置信度进行去噪处理,将训练集和测试集及预测数据共同作为训练向量集,以此建立新型支持向量诱导回归算法。本文利用该算法对实时售后服务的“千车故障数”进行了时间序列分析,并建立了新型的ε-不敏感损失函数小样本模型预测系统。预测显示误差小于5.3%的值占了总体的98.1%,其预测署信度达到0.983,与二次和Huber损失函数相比其MAPE值只有2.3%。用计算机模拟仿真单批次预测显,当时间参量t→+∞,“千车故障数”将收敛于定值74.0601,这和实际相当吻合,表明所建预测模型的有效性。文章最后还和传统神经网络模型作了比较,说明新型SVM机比神经网络处理小样本能力更强。 展开更多
关键词 诱导回归算法 售后服务 预测系统 回归算法 损失函数 数据模型 支持向量 诱导 敏感 时间序列分析
在线阅读 下载PDF
人才需求预测的支持向量回归模型 被引量:11
7
作者 肖健华 《统计与决策》 CSSCI 北大核心 2007年第11期31-32,共2页
人才的需求预测是一个复杂的问题,造成其复杂性的原因主要是因为与之相关的各种数据存在高度的非线性与不精确性.也正因为预测的复杂性,使得现有的人才需求预测方法(包括时间序列法和相关分析法)都难以取得准确、可靠的预测结果.
关键词 人才需求预测 回归模型 向量 相关分析法 时间序列法 不精确性 复杂性 非线性
在线阅读 下载PDF
在线自适应LASSO罚向量自回归模型的风电功率预测 被引量:10
8
作者 王金甲 彭汝佳 《燕山大学学报》 CAS 北大核心 2018年第6期532-538,551,共8页
针对许多领域中普遍存在的非平稳多元时间序列的建模处理问题,提出了LASSO向量自回归模型的递推在线拟合方法,利用遗忘指数来实现模型的动态变化,并用循环坐标下降算法在线的对向量自回归模型进行系数估计。为证明模型的有效性,将其应... 针对许多领域中普遍存在的非平稳多元时间序列的建模处理问题,提出了LASSO向量自回归模型的递推在线拟合方法,利用遗忘指数来实现模型的动态变化,并用循环坐标下降算法在线的对向量自回归模型进行系数估计。为证明模型的有效性,将其应用于风电场风电功率的预测,并以传统的向量自回归模型和分层向量自回归模型作为比较基准。根据实验结果表明,在线自适应LASSO向量自回归模型的预测精度高于传统的批量模型,通过系数矩阵图也可以看出,预测风电场临近的风电场对预测点存在一定程度的影响,但自身影响是最大的。将递归在线估计与LASSO向量自回归模型的结合应用于风电功率的预测,对于提高风电功率的预测精度以及改善风电系统工作效率有重要意义。 展开更多
关键词 多元时间序列 风电功率预测 向量自回归模型 遗忘指数 坐标下降法 套索
在线阅读 下载PDF
风力发电机三维阵风谱建模与仿真的向量自回归法 被引量:13
9
作者 穆安乐 刘宏昭 +1 位作者 张彦斌 张明洪 《中国电机工程学报》 EI CSCD 北大核心 2008年第8期117-120,共4页
摘要:针对风力发电机空气动力学和结构分析的要求,提出一种新的向量自回归(vectorautoregressive,VAR)Z维阵风速场仿真方法。在常规自回归(autoregressive,AR)法建模的基础上,根据维纳一辛钦公式,由协方差向量和功率谱求出自... 摘要:针对风力发电机空气动力学和结构分析的要求,提出一种新的向量自回归(vectorautoregressive,VAR)Z维阵风速场仿真方法。在常规自回归(autoregressive,AR)法建模的基础上,根据维纳一辛钦公式,由协方差向量和功率谱求出自回归系数向量。其中输入参数为单点Davenport阵风功率谱(power special density,PSD)和互相关函数。基于此,推导出多维风速时程模型。算例采用一个3桨叶风力发电机所在风场,其中心高为H=30m,风力机转子半径肚11.6m,沿风力机叶尖扫过圆周均布12个点,取其中3点进行仿真,并采用Burg算法进行功率谱估计。采样频率0加.9Hz,频率采用点数Ar=1800,时间间隔0.1S。仿真结果表明,适当选取采样频率点数与时间间隔,可以在保证模拟功率谱计算精度的同时,具有快速高效的特点,弥补了传统方法在模拟三维风速时耗时长、精度低的缺点。 展开更多
关键词 风速 时间序列模型 功率谱 向量自回归
在线阅读 下载PDF
基于支持向量回归的生物测定数据分析 被引量:4
10
作者 王志明 谭显胜 +1 位作者 周玮 袁哲明 《昆虫学报》 CAS CSCD 北大核心 2010年第12期1436-1441,共6页
生物测定是生物学、医学、毒理学的重要内容与基础。常用的定量生物测定数据分析方法时间-剂量-死亡率模型(TDM)不能对复杂生测数据建立统一模型,信息利用不充分。本文基于支持向量回归(SVR),提出了一种能对不同供试因子、不同供试对象... 生物测定是生物学、医学、毒理学的重要内容与基础。常用的定量生物测定数据分析方法时间-剂量-死亡率模型(TDM)不能对复杂生测数据建立统一模型,信息利用不充分。本文基于支持向量回归(SVR),提出了一种能对不同供试因子、不同供试对象和不同环境条件下复杂生测数据统一建模的新方法。14个简单生测数据和2套复杂生测数据的对比分析结果表明,SVR模型拟合与留一法预测精度均优于TDM模型,估计的LD50和LT50等指标更为可信。SVR模型有望作为TDM模型的有益补充,在定量生物测定数据分析中得到广泛应用。 展开更多
关键词 时间-剂量-死亡率模型 互补重对数模型 支持向量回归 留一法 生物测定
在线阅读 下载PDF
基于时间序列分解的海面变化预测 被引量:4
11
作者 俞肇元 袁林旺 +2 位作者 谢志仁 孙健 董华军 《南京师大学报(自然科学版)》 CAS CSCD 北大核心 2007年第1期117-121,共5页
对吴淞站1955-2001年月平均潮位序列采用时间序列分解方法进行分析,采用奇异谱分析方法提取长期趋势,采用比率平均法和剩余法分别提取季节因素和循环变化,应用乘法模型拟合试验的效果良好.以1955-1996年数据为基础,建立长期趋势的自回归... 对吴淞站1955-2001年月平均潮位序列采用时间序列分解方法进行分析,采用奇异谱分析方法提取长期趋势,采用比率平均法和剩余法分别提取季节因素和循环变化,应用乘法模型拟合试验的效果良好.以1955-1996年数据为基础,建立长期趋势的自回归(AR)模型,对1997-2001年间进行了预测试验,并以该时段实测数据作为验证.试验结果表明月均序列预测值的最大相对误差不超过±10%,年均序列预测值的相对误差最大不超过±4%.这一系列方法的综合运用可适用于较长期的海面变化预测. 展开更多
关键词 海平面变化 时间序列分解 奇异谱分析(SSA) 自回归(AR)模型
在线阅读 下载PDF
引入时间效应的SVD++线性回归推荐算法 被引量:4
12
作者 苏庆 章静芳 李小妹 《计算机工程》 CAS CSCD 北大核心 2020年第2期65-71,共7页
针对传统协同过滤算法中的数据稀疏问题,在SVD++算法和线性回归模型的基础上引入时间效应属性,提出一种推荐算法timeSVD++LR。采用SVD++算法将用户和项目信息与隐式反馈信息相融合映射到隐语义空间,将用户和项目之间的交互作用建模为该... 针对传统协同过滤算法中的数据稀疏问题,在SVD++算法和线性回归模型的基础上引入时间效应属性,提出一种推荐算法timeSVD++LR。采用SVD++算法将用户和项目信息与隐式反馈信息相融合映射到隐语义空间,将用户和项目之间的交互作用建模为该空间中的内积。通过描述用户和物品在各因子上的特征来解释评分值,在此基础上对时间效应建模,进一步提高预测结果的准确度。根据预测评分矩阵构造特征向量,将原始训练数据作为线性回归模型的输入,采用梯度下降算法优化最终代价函数,生成使得代价函数值最小的参数向量,同时将特征向量和参数向量代入预测模型求解预测评分。在MovieLens数据集上的实验结果表明,与RSVD、SVD++和timeSVD++算法相比,该算法的平均绝对误差和均方根误差均较低,其推荐准确性较高。 展开更多
关键词 SVD++模型 时间效应 特征向量 线性回归 推荐算法
在线阅读 下载PDF
预测锂电池充电时间的三段SVR模型 被引量:6
13
作者 林鹏程 《电源技术》 CAS CSCD 北大核心 2018年第8期1155-1157,1232,共4页
提出了一种基于三段式的支持向量回归(SVR)方法来预测锂电池充电剩余时间。根据三段式模型将充电过程分为充电初期、充电中期和充电后期,各个阶段提取相关性高的特征组成特征向量,通过参数寻优训练获得3个支持向量回归模型。以美国国家... 提出了一种基于三段式的支持向量回归(SVR)方法来预测锂电池充电剩余时间。根据三段式模型将充电过程分为充电初期、充电中期和充电后期,各个阶段提取相关性高的特征组成特征向量,通过参数寻优训练获得3个支持向量回归模型。以美国国家航空航天阿姆斯研究中心公开的电池数据为测试数据,与三段式模型、支持向量回归模型进行对比,结果表明该模型在通用性、精度方面表现更好。 展开更多
关键词 三段式模型 支持向量回归 充电剩余时间 锂电池
在线阅读 下载PDF
基于小波支持向量机的经济预测模型 被引量:4
14
作者 潘菁 刘辉煌 《统计与决策》 CSSCI 北大核心 2005年第11S期14-15,共2页
关键词 经济预测模型 支持向量 小波理论 非线性时间序列预测 统计学习理论 SVM 回归算法 神经网络 学习方法
在线阅读 下载PDF
自回归数学模型对疟疾疫情预测的研究 被引量:2
15
作者 许筱红 金小林 《中国卫生统计》 CSCD 北大核心 2006年第3期228-228,239,共2页
关键词 自回归数学模型 疫情预测 疟疾 自回归模型 线性回归模型 卫生职能部门 相关系数 时间序列 周期变化 发病情况
在线阅读 下载PDF
基于时间序列模型的航班运行风险短期预测 被引量:6
16
作者 王岩韬 陈冠铭 《中国安全科学学报》 CAS CSCD 北大核心 2020年第5期33-38,共6页
针对国内航班运行风险预测技术匮乏的现状,采用移动平均自回归(ARMA)方法,构建航班日运行风险的单变量预测模型;采用向量自回归(VAR)方法,构建航班日运行风险的多变量预测模型;经稳定性检验后,对比2种方法的短期预测效果,发现使用ARMA... 针对国内航班运行风险预测技术匮乏的现状,采用移动平均自回归(ARMA)方法,构建航班日运行风险的单变量预测模型;采用向量自回归(VAR)方法,构建航班日运行风险的多变量预测模型;经稳定性检验后,对比2种方法的短期预测效果,发现使用ARMA的单变量预测模型,未来第3天预测精度达到80.76%,可用预测周期为1~3天;而VAR多变量预测模型计算出未来第1天预测精度可高达92%,第7天预测精度仍达到80.64%,适用预测周期为1~7天。结果表明:基于ARMA和VAR的时间序列模型可用于航班运行风险的短期预测,而VAR模型精度更好,更加符合实际需求。 展开更多
关键词 航班运行风险 短期预测 时间序列模型 向量自回归(VAR)模型 移动平均自回归(ARMA)模型
在线阅读 下载PDF
基于时间序列支持向量机的信用额度预测 被引量:1
17
作者 屈新怀 马文强 +1 位作者 丁必荣 牛乾 《合肥工业大学学报(自然科学版)》 CAS 北大核心 2020年第10期1321-1324,1369,共5页
汽车整车厂商通过经销商渠道销售整车时,会根据经销商自身的信用状况来决定信用额度,在该额度范围内,经销商可以先收车再按照规定的时间回款。以往的相关研究中,整车厂商常根据经销商某一时刻的信用状况评价其所属的信用等级,从而决定... 汽车整车厂商通过经销商渠道销售整车时,会根据经销商自身的信用状况来决定信用额度,在该额度范围内,经销商可以先收车再按照规定的时间回款。以往的相关研究中,整车厂商常根据经销商某一时刻的信用状况评价其所属的信用等级,从而决定经销商的信用额度,但忽视了信用数据可能会产生“突变”,导致评价结果失真,产生信用风险。文章从受评经销商的历史业务数据出发,使用多维时间序列数据进行相空间重构,将得到的相点数据用于训练支持向量回归(support vector regression,SVR)模型,然后使用该模型给定经销商的信用额度。运用经销商信用数据的验证结果表明,该方法具有较好的预测效果。 展开更多
关键词 信用风险 多维时间序列 相空间重构 支持向量回归(SVR)模型 信用额度
在线阅读 下载PDF
时间序列联立方程模型及其应用
18
作者 姜诗章 范国刚 李宏纲 《吉林大学自然科学学报》 CAS CSCD 1998年第3期41-44,共4页
给出时间序列联立方程模型,并以我国经济现状为研究对象,用时间序列联立方程和向量自回归两种模型对1996年形势进行模拟,预测1997年冬季度经济指标的发展情况,并对两种模型的结果进行对比分析.
关键词 向量自回归 时间序列 联立方程模型
在线阅读 下载PDF
基于ARMAV模型和J-散度的结构损伤识别 被引量:2
19
作者 李孟 郭惠勇 《振动与冲击》 EI CSCD 北大核心 2024年第1期123-130,152,共9页
损伤识别技术是结构健康监测系统的关键组成部分,为了进一步提高损伤识别的准确性和适用性,提出一种融合信息距离函数J-散度与向量自回归滑动平均(vector autoregressive moving average,ARMAV)模型的损伤识别方法。采用预白化过滤器对... 损伤识别技术是结构健康监测系统的关键组成部分,为了进一步提高损伤识别的准确性和适用性,提出一种融合信息距离函数J-散度与向量自回归滑动平均(vector autoregressive moving average,ARMAV)模型的损伤识别方法。采用预白化过滤器对加速度时域数据进行消除激励相关性以及降噪处理;建立了ARMAV模型,并由模型的自回归参数和残差方差构建损伤判别指标;采用三层框架试验数据,并进行转播塔模型的损伤识别试验研究验证了该方法的有效性。结果表明:基于ARMAV模型和J-散度距离的损伤识别方法可操作性强,能够准确、高效地定位框架和塔架结构的损伤,且该方法受环境变化的影响较小,可为在线结构健康监测提供一种新思路。 展开更多
关键词 损伤识别 试验研究 向量自回归滑动平均(ARMAV)模型 J-散度 时间序列分析
在线阅读 下载PDF
AR模型在工业品季度变化预测中的应用
20
作者 周君兴 经济预测课题组 《浙江财经学院学报》 CSSCI 1991年第4期88-93,共6页
时间序列分析是对有序的随机数据进行分析、研究和处理的一种方法,实施这一方法可以由表及里地掌握客观现象的本质和内在规律,从而达到进一步认识事物,预测未来或自动控制的目的。ARMA模型是对系统本身(离散平稳随机过程)建立统计数学模... 时间序列分析是对有序的随机数据进行分析、研究和处理的一种方法,实施这一方法可以由表及里地掌握客观现象的本质和内在规律,从而达到进一步认识事物,预测未来或自动控制的目的。ARMA模型是对系统本身(离散平稳随机过程)建立统计数学模型,仅仅依赖于已有的观测数据内部的联系。因此,它和回归分析有着本质上的区别。AR(p)模型形式简单,便于识别和参数估计,可以在计算机上实现,而且模型参数的Yule-walker估计,最小二乘估计,最小平方和估计,在样本充分大时,几乎是一致的,本文对工业品购进额季度变化的情况建立的AR模型进行拟合和预测,基本上是符合实际的。 展开更多
关键词 模型方程 工业品 季度变化 时间序列分析 最小二乘估计 参数估计 平稳随机过程 自动控制 回归分析 统计数学模型
在线阅读 下载PDF
上一页 1 2 3 下一页 到第
使用帮助 返回顶部