期刊文献+
共找到145篇文章
< 1 2 8 >
每页显示 20 50 100
基于ARIMA的航空发动机排气温度预测
1
作者 易文川 孟双杰 《成都航空职业技术学院学报》 2025年第1期46-50,共5页
航空发动机排气温度的实时监测和预测,有利于提高发动机的安全性。通过基于自回归积分滑动平均(ARIMA)建立航空发动机排气温度预测模型,基于单位根检验(ADF)和信息准则确定模型的参数,以预测IO-360-L2A型发动机排气温度的未来值。并通... 航空发动机排气温度的实时监测和预测,有利于提高发动机的安全性。通过基于自回归积分滑动平均(ARIMA)建立航空发动机排气温度预测模型,基于单位根检验(ADF)和信息准则确定模型的参数,以预测IO-360-L2A型发动机排气温度的未来值。并通过对比不同样本长度和预测长度给模型预测误差带来的变化确定最优样本长度和预测长度。结果表明,ARIMA(5,2,3)模型对航空发动机排气温度序列的拟合效果最好,使用250s以上的历史样本数据对未来70s内的排气温度数据进行预测效果最佳,能够准确预测航空发动机排气温度的变化。 展开更多
关键词 排气温度 自回归积分滑动平均 航空发动机 参数预测
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
2
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CNN-LSTM-ARIMA的超短期风速预测 被引量:1
3
作者 王世明 张少童 娄嘉奕 《新能源进展》 CSCD 北大核心 2024年第6期688-695,共8页
提升风速预测的精准度对于实时调整电力系统的管理策略及增强风电市场的竞争实力有着关键作用。提出一种基于卷积神经网络(CNN)、长短期记忆网络(LSTM)和自回归集成移动平均(ARIMA)模型的超短期风速预测方法,通过CNN卷积层捕捉时间序列... 提升风速预测的精准度对于实时调整电力系统的管理策略及增强风电市场的竞争实力有着关键作用。提出一种基于卷积神经网络(CNN)、长短期记忆网络(LSTM)和自回归集成移动平均(ARIMA)模型的超短期风速预测方法,通过CNN卷积层捕捉时间序列数据中的模式和局部特征,利用LSTM模型对提取的特征进行学习训练,基于CNN-LSTM组合架构模型,预测未来风速并对比实际数据获得残差值,最终利用ARIMA分析历史残差来修正未来的预测误差值,实现对风速的超短期预测。以土耳其某个风电场的实际风速记录为基础,对未来10min的风速进行预测。结果表明,与CNN-LSTM、双层LSTM传统神经网络模型相比,CNN-LSTM-ARIMA模型对风速预测结果的平均绝对误差分别下降了16.40%、26.92%,能显著提高预测精度。 展开更多
关键词 风速预测 卷积神经网络 长短期记忆网络 自回归集成移动平均模型
在线阅读 下载PDF
基于SARIMA和SVR组合模型的转向架系统寿命评估 被引量:1
4
作者 师蔚 范乔 +2 位作者 杨洋 胡定玉 廖爱华 《铁道机车车辆》 北大核心 2024年第1期157-163,共7页
随着地铁运营时间和里程的增加,地铁车辆逐渐接近其理论寿命,为确保车辆运行安全性,需对其重要子系统进行健康状态及剩余寿命评估。文中选取车辆转向架系统作为研究对象,提出了一种基于协方差优选法的季节性回归移动平均(SARIMA)和支持... 随着地铁运营时间和里程的增加,地铁车辆逐渐接近其理论寿命,为确保车辆运行安全性,需对其重要子系统进行健康状态及剩余寿命评估。文中选取车辆转向架系统作为研究对象,提出了一种基于协方差优选法的季节性回归移动平均(SARIMA)和支持向量回归(SVR)的组合模型对转向架寿命进行评估。首先,将车辆转向架系统历史故障率转化为健康指数,然后基于协方差优选法将SARIMA和SVR进行赋权组合,根据转向架系统历史健康指数进行预测,最后建立历史和预测的健康指数与运行时间的数学模型,分析得到转向架系统的剩余寿命。以某地铁车辆转向架系统为例进行算例分析及验证,结果表明组合模型可更准确地预测其健康状态,为有关维修部门开展维修维护策略提供理论依据,估计得出其剩余寿命,为车辆寿命后期退役及延寿决策提供理论数据分析支撑。 展开更多
关键词 转向架系统 寿命预测 季节性回归移动平均和支持向量回归(Sarima和SVR) 组合模型 协方差优选法
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
5
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R语言时间序列的ARIMA模型预测某三甲综合医院人均月住院费用和住院日的研究
6
作者 李君 曹良海 《中国卫生产业》 2024年第11期220-224,共5页
目的运用自回归积分滑动平均模型(Autoregressive Intergrated Moving Average,ARIMA)建立月平均住院费用和住院日的医学经济学模型,为医院精细化管理提供依据。方法利用R4.0.2软件对2017年1月—2021年12月四川大学华西医院宜宾医院(宜... 目的运用自回归积分滑动平均模型(Autoregressive Intergrated Moving Average,ARIMA)建立月平均住院费用和住院日的医学经济学模型,为医院精细化管理提供依据。方法利用R4.0.2软件对2017年1月—2021年12月四川大学华西医院宜宾医院(宜宾市第二人民医院)的平均住院费用和住院日数据建立时间序列ARIMA预测模型。结果住院费用最优模型为ARIMA(0,1,1),赤池信息准则(Akaike information criterion,AIC)=924.35,贝叶斯信息准则(Bayesian Information Criterion,BIC)=928.51,残差Ljung-Box Q=12.51(P=0.768),可认为残差序列为白噪声。平均住院日的最优模型为ARIMA(5,1,1),AIC=87.49,BIC=104.11,残差Ljung-Box Q=10.05(P=0.612),可认为残差序列为白噪声。2022年1—12月实际值与预测值基本吻合,月人均住院费用和人均住院日的平均相对误差为0.55%、0.29%。结论建立基于时间序列ARIMA模型能够为合理配置卫生资源提供强有力的数据支撑。 展开更多
关键词 自回归积分滑动平均模型 平均住院费用 平均住院日 预测
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
7
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:4
8
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SARIMA预警模型的水位监测效果分析与研究 被引量:2
9
作者 张健 《水利科技与经济》 2024年第4期23-28,共6页
为了提高城市水位监测的准确性及洪涝等灾害的预警能力,提出基于季节性自回归积分滑动平均(Seasonal auto-regressive integral moving average, SARIMA)模型的水位监测预警模型。该模型综合了自回归模型、移动平均模型和季节性差分模型... 为了提高城市水位监测的准确性及洪涝等灾害的预警能力,提出基于季节性自回归积分滑动平均(Seasonal auto-regressive integral moving average, SARIMA)模型的水位监测预警模型。该模型综合了自回归模型、移动平均模型和季节性差分模型,适用于分析和预测具有季节性和非平稳特征的时间序列数据。结果显示,基于SARIMA预警模型的水位监测系统,对城市周边的水位监测拟合效果较好,可对城市周边水位进行有效监测,提高应对城市内涝灾害的预警效果。 展开更多
关键词 季节性自回归积分滑动平均模型 水位监测 水位预警 数据填充
在线阅读 下载PDF
挠性陀螺EMD-ARIMA漂移模型设计与应用
10
作者 蔡曜 司玉辉 +3 位作者 王玉琢 黄涛 张亚静 杨晓龙 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第11期3434-3444,共11页
为降低挠性陀螺的漂移率,提高挠性陀螺的精度,基于经验模态分解(EMD)、求和自回归移动平均(ARIMA)2种信号处理工具,提出EMD-ARIMA漂移模型。设计野点剔除算子,避免EMD过程中出现过冲、欠冲问题;对本征模态函数(IMF)辨识进行讨论,制定各... 为降低挠性陀螺的漂移率,提高挠性陀螺的精度,基于经验模态分解(EMD)、求和自回归移动平均(ARIMA)2种信号处理工具,提出EMD-ARIMA漂移模型。设计野点剔除算子,避免EMD过程中出现过冲、欠冲问题;对本征模态函数(IMF)辨识进行讨论,制定各阶IMF的使用原则;设计自适应定阶寻优算子,避免依靠技术人员判读自相关图、偏自相关图进行ARIMA建模,实现对多个信号(或多阶IMF)进行EMD-ARIMA建模的批处理功能。将重构的拟合信号和原始信号进行对比。工程实践表明:最终重构的拟合信号较原始信号漂移率降低了12.8%;Allan方差各项误差源均降低,MAPE为3.6×10^(-3),RMSE为5.1×10^(-3),残差趋于白噪声;漂移模型在挠性陀螺漂移建模中,具有同路重复性、两路一致性、不同个体通用性。 展开更多
关键词 挠性陀螺 求和自回归移动平均模型 经验模态分解 野点剔除算子 自适应定阶寻优算子
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
11
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
多模型融合的时间序列数据预测方法
12
作者 张建勋 胡少杰 +1 位作者 芦丽旭 潘禹江 《西安邮电大学学报》 2025年第1期115-122,共8页
针对长短期记忆(Long Short-Term Memory,LSTM)神经网络预测滞后性和过度依赖数据的问题,提出一种多模型融合的时间序列数据预测方法。该方法在融合经验模态分解和自回归积分滑动平均模型(Autoregressive Integrated Moving Average Mod... 针对长短期记忆(Long Short-Term Memory,LSTM)神经网络预测滞后性和过度依赖数据的问题,提出一种多模型融合的时间序列数据预测方法。该方法在融合经验模态分解和自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)基础上,先对数据进行经验模态分解,然后针对分解数据的线性分量和非线性分量分别采用ARIMA模型和引入注意力机制的LSTM模型进行处理,最后合成预测结果。实验结果表明,该方法的预测精度达到98.95%,与单一模型对比,融合模型具有更高的预测精度。 展开更多
关键词 经验模态分解 自回归移动平均 长短期记忆神经网络 注意力机制 时间序列数据预测
在线阅读 下载PDF
基于ARIMA模型预测梅毒月发病率的价值 被引量:9
13
作者 马晓梅 徐学琴 +5 位作者 闫国立 施学忠 刘颖 王瑾瑾 刘晓蕙 裴兰英 《西安交通大学学报(医学版)》 CAS CSCD 北大核心 2018年第1期131-134,152,共5页
目的探讨建立ARIMA模型在梅毒月发病率预测中的应用价值,为梅毒防控工作提供依据。方法运用Eviews8.0软件对2009年1月-2015年12月我国梅毒月发病率数据建立ARIMA模型,利用2016年1月-6月实际数据验证,评价模型精度指标采用均方根误差(roo... 目的探讨建立ARIMA模型在梅毒月发病率预测中的应用价值,为梅毒防控工作提供依据。方法运用Eviews8.0软件对2009年1月-2015年12月我国梅毒月发病率数据建立ARIMA模型,利用2016年1月-6月实际数据验证,评价模型精度指标采用均方根误差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)、平均绝对百分误差(mean absolute percentage error,MAPE)、平均相对误差(mean relative error,MRE)。同法外推预测2016年7月-12月全国梅毒月发病率。结果 2009年1月-2016年6月全国梅毒月发病率最优模型是ARIMA(2,1,1)×(0,1,1)_(12),模型表达式为:(1-B)(1-B^(12))(1+0.820B)(1+0.566B^2)x_t^2=(1+0.365B)(1+0.897B^(12))ε_t,R^2=0.832,RMSE=0.181,MAE=0.118,MAPE=5.088。外推2016年7月-12月预测结果分别为3.124、3.008、2.906、2.691、2.714、2.717。结论 ARIMA模型具有较高的预测精度,可较好地拟合我国梅毒月发病率的演变趋势并进行短期预测。 展开更多
关键词 梅毒 arima模型 月发病率 预测
在线阅读 下载PDF
基于RVM和ARIMA的短时交通流量预测方法研究 被引量:14
14
作者 韦凌翔 陈红 +2 位作者 王永岗 钟栋青 王春娥 《武汉理工大学学报(交通科学与工程版)》 2017年第2期349-354,共6页
为进一步提高短时交通流量预测精度,提出一种基于RVM和ARIMA的短时交通流量降噪方法.设计了降噪方法的流程,选取了降噪方法误差评价指标;基于RVM和ARIMA的短时交通流量预测方法和预测流程,引入平均绝对相对误差(MAPE)作为预测方法误差... 为进一步提高短时交通流量预测精度,提出一种基于RVM和ARIMA的短时交通流量降噪方法.设计了降噪方法的流程,选取了降噪方法误差评价指标;基于RVM和ARIMA的短时交通流量预测方法和预测流程,引入平均绝对相对误差(MAPE)作为预测方法误差评价指标,以某城市道路的录像数据为实例,对构建的预测方法有效性进行验证.结果表明,在不同公用时间尺度(5,10,15min)下,所提出的短时交通流量预测方法的平均绝对相对误差均小于直接运用指数降噪模型、BT神经网络模型、ARIMA模型等方法预测的结果,有效地提高了短时交通流量预测精度. 展开更多
关键词 交通工程 短时交通流量预测 相关向量机 多时间尺度 自回归积分移动平均模型
在线阅读 下载PDF
基于ARIMA-GM组合模型的湖北省电力需求预测研究 被引量:8
15
作者 王莉琳 张维 +3 位作者 赖敏 向铁元 杨再鹤 周波 《中国农村水利水电》 北大核心 2013年第4期101-105,共5页
通过分析湖北省历年电力消费量,利用灰色模型(GM)和自回归积分移动平均(ARIMA)模型分别对2012-2020期间的湖北省电力需求量进行了预测,然后通过方差倒数法进行组合预测,得到了精度更高的预测结果。通过分析整个预测过程及结果,该方法易... 通过分析湖北省历年电力消费量,利用灰色模型(GM)和自回归积分移动平均(ARIMA)模型分别对2012-2020期间的湖北省电力需求量进行了预测,然后通过方差倒数法进行组合预测,得到了精度更高的预测结果。通过分析整个预测过程及结果,该方法易于操作,精度较高,是一种对电力需求预测方法有益的探索。 展开更多
关键词 时间序列 灰色模型 自回归积分移动平均模型 方差倒数法
在线阅读 下载PDF
基于ARIMA和DSVM组合模型的松毛虫发生面积预测 被引量:7
16
作者 向昌盛 周子英 武丽娜 《湖南农业大学学报(自然科学版)》 CAS CSCD 北大核心 2010年第4期430-433,共4页
提出一种基于ARIMA和动态ε支持向量机(ε-DSVM)的组合预测模型(ARIMA-ε-DSVM),预测松毛虫发生面积.先采用ARIMA模型进行时间序列线性趋势建模,为非线性部分确定输入阶数,根据确定的输入阶数进行时间序列样本重构,再采用ε-DSVM模型进... 提出一种基于ARIMA和动态ε支持向量机(ε-DSVM)的组合预测模型(ARIMA-ε-DSVM),预测松毛虫发生面积.先采用ARIMA模型进行时间序列线性趋势建模,为非线性部分确定输入阶数,根据确定的输入阶数进行时间序列样本重构,再采用ε-DSVM模型进行时间序列非线性特征建模,将这两模型预测值相加得到组合模型预测值.对辽宁省朝阳市松毛虫时间序列进行仿真试验,结果表明,ARIMA-ε-DSVM模型预测精确度比单一模型ARIMA和SVM及简单组合模型ARIMA-SVM要高,ARIMA-ε-DSVM模型大幅度改善预测效果,显著地减少预测误差,泛化能力强. 展开更多
关键词 支持向量机 松毛虫 时间序列 差分自回归移动平均
在线阅读 下载PDF
基于ARIMA和GA-Elman神经网络的新疆年降水耦合预测研究 被引量:3
17
作者 黄华 蔡仁 +1 位作者 努尔古丽.艾力 穆振侠 《新疆农业科学》 CAS CSCD 北大核心 2015年第6期1093-1098,共6页
【目的】提高降水预报的预测精度,准确预测一个地区未来的降水量,可以提高该地区防灾减灾的能力,更好地为工农业生产生活提供决策参考。【方法】以年降水时间序列为研究对象,利用差分自回归移动平均(ARIMA)和GA-Elman神经网络技术建立... 【目的】提高降水预报的预测精度,准确预测一个地区未来的降水量,可以提高该地区防灾减灾的能力,更好地为工农业生产生活提供决策参考。【方法】以年降水时间序列为研究对象,利用差分自回归移动平均(ARIMA)和GA-Elman神经网络技术建立一种耦合预测模型。该模型首先根据年降水时间序列建立ARIMA模型,拟合它的线性结构部分,基于原始降水序列和ARIMA模型的预测值、残差序列,利用GA-Elman神经网络技术进行耦合建模。将该模型应用于新疆年降水量的预测预报,并与单一的ARIMA模型、GA-Elman神经网络模型进行比较。【结果】耦合模型的归一化均方误差、平均绝对误差、后验差比值及小误差概率分别为0.287,9.581,0.241和1,均优于ARIMA模型、GA-Elman神经网络模型,预测精度得到了明显的提高,预测精度等级为好。【结论】基于ARIMA和GA-Elman神经网络的耦合预测模型具有更高的预测精度,可用于新疆的年降水量预报。 展开更多
关键词 年降水 差分自回归移动平均 神经网络 遗传算法 耦合预测
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
18
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
基于ARIMA与综合成本优化的易燃液体危险品库存模型研究 被引量:2
19
作者 邓小瑜 李引珍 宋结焱 《兰州交通大学学报》 CAS 2010年第6期145-149,共5页
易燃液体危险品的库存风险大,库存成本高,其库存控制优化意义重大.从易燃液体货物库存的需求特征和控制策略入手,建立了一种基于ARIMA时间序列的需求预测模型和综合成本优化的危险品库存控制模型.先合理预测需求,再运用成本优化模型,得... 易燃液体危险品的库存风险大,库存成本高,其库存控制优化意义重大.从易燃液体货物库存的需求特征和控制策略入手,建立了一种基于ARIMA时间序列的需求预测模型和综合成本优化的危险品库存控制模型.先合理预测需求,再运用成本优化模型,得到最佳订货点和最佳订货量.易燃液体危险品库存成本优化模型基于库存成本,包括订货费用、储存费用、缺货损失、事故风险成本等因素,控制的目标是库存的综合成本最小化,并通过一个具体实例,验证该模型和算法的可用性. 展开更多
关键词 易燃易爆 危险品 自回归滑动平均混合模型 库存优化
在线阅读 下载PDF
基于ARIMA-RNN组合模型的云服务器老化预测方法 被引量:14
20
作者 孟海宁 童新宇 +3 位作者 石月开 朱磊 冯锴 黑新宏 《通信学报》 EI CSCD 北大核心 2021年第1期163-171,共9页
针对云服务器系统运行环境具有非线性、随机性和突发性的特点,提出了基于整合移动平均自回归和循环神经网络组合模型(ARIMA-RNN)的软件老化预测方法。首先,采用ARIMA模型对云服务器时间序列数据进行老化预测;然后,利用灰色关联度分析法... 针对云服务器系统运行环境具有非线性、随机性和突发性的特点,提出了基于整合移动平均自回归和循环神经网络组合模型(ARIMA-RNN)的软件老化预测方法。首先,采用ARIMA模型对云服务器时间序列数据进行老化预测;然后,利用灰色关联度分析法计算时间序列数据的相关性,确定RNN模型的输入维度;最后,将ARIMA模型预测值和历史数据作为RNN模型的输入进行二次老化预测,从而克服了ARIMA模型对波动较大的时间序列数据预测精度较低的局限性。实验结果表明,ARIMA-RNN组合模型比ARIMA模型及RNN模型的预测精度高,且比RNN模型预测收敛速度快。 展开更多
关键词 软件老化 云服务器 预测方法 arima模型 RNN模型
在线阅读 下载PDF
上一页 1 2 8 下一页 到第
使用帮助 返回顶部