基于TVDI结合ARIMA的河南省土壤旱情监测方法

1

作者 苏莹莹 卢小平 +4 位作者 肖锋 张向军 李国清 余海坤 王枭轩 《农业机械学报》 EI CAS CSCD 北大核心 2024年第11期391-401,522,共12页

针对河南省土壤旱情灾害频发,地面土壤墒情监测站监测面积有限等问题,将气象干旱指数与遥感监测模型相结合对土壤旱情开展预测研究。以2012—2021年间气象资料计算的标准化降水蒸散指数(Standardized precipitation evapotranspiration ... 针对河南省土壤旱情灾害频发,地面土壤墒情监测站监测面积有限等问题,将气象干旱指数与遥感监测模型相结合对土壤旱情开展预测研究。以2012—2021年间气象资料计算的标准化降水蒸散指数(Standardized precipitation evapotranspiration index,SPEI)为依据,对作物缺水指数(Crop water scarcity index,CWSI)、植被供水指数(Vegetation supply water index,VSWI)、温度植被干旱指数(Temperature vegetation drought index,TVDI)和条件植被温度指数(Vegetation temperature condition index,VTCI) 4个指数的干旱监测效果进行适用性评价,然后分析2012—2021年间河南省的TVDI空间分布规律和变化趋势,最后用ARIMA(Autoregressive integrated moving average)模型预测2022年土壤旱情。结果表明,CWSI、VSWI、VTCI研究结果不符合实际土壤墒情结果,TVDI值与实地历史记录的土壤墒情变化趋势整体一致,总体呈现出河南省西北部、中部、北部随时间变化而呈增大趋势,且ARIMA模型预测的2022年土壤墒情结果效果良好,为河南省的农业生产精准管理提供参考依据。 展开更多

关键词 土壤旱情 温度植被干旱指数 标准化降水蒸散指数 arima模型

下载PDF 职称材料

基于ARIMA误差修正的混合预测方法 被引量：1

2

作者 盛秀梅 张仲荣 《洛阳理工学院学报（自然科学版）》 2018年第4期73-76,共4页

由于水文时间序列中存在着大量的不确定性、灰色性、线性性以及非线性性等问题,传统单一的预测模型并不能完全提取水文时间序列中的信息,因此,为了提高径流量模拟的准确性,获得精度更高的径流量模拟数据。提出了一种基于求和自回归移动... 由于水文时间序列中存在着大量的不确定性、灰色性、线性性以及非线性性等问题,传统单一的预测模型并不能完全提取水文时间序列中的信息,因此,为了提高径流量模拟的准确性,获得精度更高的径流量模拟数据。提出了一种基于求和自回归移动平均(ARIMA)修正反向传播(BP)神经网络的混合模型。实验结果发现,该混合模型可以提取单一BP神经网络未提取到的水文信息,并获得更高的模拟精度。 展开更多

关键词 求和自回归移动平均模型(arima) 反向传播(BP)神经网络 纳什效率系数(NSE) 预测

下载PDF 职称材料

基于误差修正的混合模型在风速预测中的应用

3

作者 盛秀梅 张仲荣 +1 位作者 王春媛 刘海忠 《长春师范大学学报》 2019年第4期4-10,共7页

为了提高短期风速预测的准确性,获得精度更高的风速数据,本文利用粒子群算法优化的最小二乘支持向量机(PSOLSSVM)、求和自回归移动平均模型(ARIMA)、纵向数据选择(LDS)方法以及奇异谱分析(SSA)技术,建立一种基于误差修正的混合模型。并... 为了提高短期风速预测的准确性,获得精度更高的风速数据,本文利用粒子群算法优化的最小二乘支持向量机(PSOLSSVM)、求和自回归移动平均模型(ARIMA)、纵向数据选择(LDS)方法以及奇异谱分析(SSA)技术,建立一种基于误差修正的混合模型。并用西班牙Sotavento Galicia风场的风速数据对这一混合模型的优越性与准确性进行验证,结果表明,该混合模型相较与一般单一的预测模型具有更高的预测精度。 展开更多

关键词 纵向数据选择(LDS) 奇异谱分析(SSA) 最小二乘支持向量机(LSSVM) 求和自回归移动平均模型(arima)

下载PDF 职称材料

ARIMA模型在农产品价格预测中的应用 被引量：70

4

作者 刘峰 王儒敬 李传席 《计算机工程与应用》 CSCD 北大核心 2009年第25期238-239,248,共3页

利用农产品价格时间序列的当前值和过去值准确预报未来值,将有利于正确引导农产品流通和农业生产,实现农产品区域供求平衡,并为政府和农户提供结构调整的依据。针对农产品价格这一重要问题,以白菜月价格数据为例,构建非平稳时间序列ARIM... 利用农产品价格时间序列的当前值和过去值准确预报未来值,将有利于正确引导农产品流通和农业生产,实现农产品区域供求平衡,并为政府和农户提供结构调整的依据。针对农产品价格这一重要问题,以白菜月价格数据为例,构建非平稳时间序列ARIMA(p,d,q)模型并预测白菜未来的月价格。结果表明ARIMA(0,1,1)模型能很好地模拟并预测白菜月价格趋势,为农产品市场信息的准确预测提供重要方法。 展开更多

关键词 农产品价格 时间序列 自回归移动平均模型 价格趋势

下载PDF 职称材料

基于SARIMA、GM(1,1)和BP神经网络集成模型的GDP时间序列预测研究 被引量：40

5

作者 龙会典 严广乐 《数理统计与管理》 CSSCI 北大核心 2013年第5期814-822,共9页

本文深入分析了灰色预测模型、自回归移动平均(ARIMA)模型和BP神经网络模型的预测特性和优劣,并在此基础上建立了由ARIMA、GM(1,1)和BP神经网络集成的时间序列预测模型。针对呈现趋势变动性和周期波动性二重特性的时间序列,首先建立GM(1... 本文深入分析了灰色预测模型、自回归移动平均(ARIMA)模型和BP神经网络模型的预测特性和优劣,并在此基础上建立了由ARIMA、GM(1,1)和BP神经网络集成的时间序列预测模型。针对呈现趋势变动性和周期波动性二重特性的时间序列,首先建立GM(1,1)模型对序列的趋势项进行预测,然后建立基于ARIMA和BP神经网络的组合模型对序列的周期波动项进行预测,最后用乘积模型对二者预测值进行集成。GDP时间序列实证结果表明:集成模型的预测效果显著高于单一模型,从而证实了集成模型用于GDP预测的有效性. 展开更多

关键词 arima BP神经网络 GM(1 1)模型 集成模型 GDP预测

原文传递

基于小波变换与差分自回归移动平均模型的微博话题热度预测 被引量：13

6

作者 陈羽中 方明月 +1 位作者 郭文忠 郭昆 《模式识别与人工智能》 EI CSCD 北大核心 2015年第7期586-594,共9页

研究话题热度预测问题对于网络广告传播效应最大化、网络舆论引导与控制等具有重要意义.首先,根据用户关系及话题因素计算用户影响力,进而定义话题影响力.然后,基于老化理论并考虑话题影响力和话题相关微博数定义话题能量值,量化话题热... 研究话题热度预测问题对于网络广告传播效应最大化、网络舆论引导与控制等具有重要意义.首先,根据用户关系及话题因素计算用户影响力,进而定义话题影响力.然后,基于老化理论并考虑话题影响力和话题相关微博数定义话题能量值,量化话题热度.最后,提出基于小波变换与差分自回归移动平均模型的微博话题热度预测方法,以此预测话题热度(能量值)及话题能量峰值.实验表明,文中方法可有效预测话题热度及峰值,具有较低的残差和遗漏率. 展开更多

关键词 话题热度预测 用户影响力 老化理论 小波变换 差分自回归移动平均模型(arima)

下载PDF 职称材料

季节性变动影响下的上海港集装箱吞吐量预测 被引量：11

7

作者 杜刚 刘娅楠 《华东师范大学学报（自然科学版）》 CAS CSCD 北大核心 2015年第1期234-239,共6页

港口吞吐量精准预测对于每一个港口的成功经营和有效决策都十分重要.季节性波动经常会影响港口吞吐量,为了更为准确地预测上海港口集装箱吞吐量,本文选取2007年至2012年上海港母港集装箱吞吐量的月度数据,并对于港口集装箱吞吐量的月度... 港口吞吐量精准预测对于每一个港口的成功经营和有效决策都十分重要.季节性波动经常会影响港口吞吐量,为了更为准确地预测上海港口集装箱吞吐量,本文选取2007年至2012年上海港母港集装箱吞吐量的月度数据,并对于港口集装箱吞吐量的月度数据中出现的季节性波动进行了处理,采用季节时间序列模型对其进行预测.为了说明方法的有效性,以同样的数据,使用整自回归移动平均模型对上海港集装箱吞吐量进行预测.两种方法预测结果进行对比发现,利用季节时间序列模型对港口集装箱吞吐量季节性进行处理,能够提高港口集装箱吞吐量的预测精度. 展开更多

关键词 单整自回归移动平均模型 季节时间序列模型 港口集装箱吞吐量 预测

下载PDF 职称材料

基于自回归求积移动平均的制动器温度预测方法 被引量：11

8

作者 张姝玮 郭忠印 陈立辉 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第6期2080-2086,共7页

利用VBOX III设备采集刹车鼓温度数据,建立基于自回归求积移动平均(ARIMA)的制动器温度预测模型。通过对比不同样本长度和预测长度给模型预测精度带来的变化确定最优样本长度和预测长度。最后,分析坡度、坡长、平均行驶速度和初始温度... 利用VBOX III设备采集刹车鼓温度数据,建立基于自回归求积移动平均(ARIMA)的制动器温度预测模型。通过对比不同样本长度和预测长度给模型预测精度带来的变化确定最优样本长度和预测长度。最后,分析坡度、坡长、平均行驶速度和初始温度等因素对模型精度造成的影响。结果表明:ARIMA(4,2,2)模型可以较好地拟合制动器温度变化;利用20 s长度的数据对9 s长度的数据进行预测效果最佳;坡度、坡长等因素对模型预测精度均无显著影响。该模型具有较好的精度和通用性。 展开更多

关键词 道路与铁道工程 制动器温度 交通安全 自回归求积移动平均模型

原文传递

三种时间序列模型在尘肺发病预测中的适用性研究 被引量：10

9

作者 赵俊琴 李建国 赵春香 《中国工业医学杂志》 CAS 2017年第3期168-171,共4页

目的对基于时间序列的三种预测模型即自回归滑动平均混合模型(ARIMA)、灰色模型(GM)、广义回归神经网络模型(GRNN)进行尘肺发病预测的适用性比较。方法选用河北省1954—2015年62年的尘肺发病数据,前54年数据用来拟合预测,后8年数据来比... 目的对基于时间序列的三种预测模型即自回归滑动平均混合模型(ARIMA)、灰色模型(GM)、广义回归神经网络模型(GRNN)进行尘肺发病预测的适用性比较。方法选用河北省1954—2015年62年的尘肺发病数据,前54年数据用来拟合预测,后8年数据来比较三种模型的预测效果;采用预测误差(prediction error,PE)、平均绝对误差(mean absolute error,MAE)和平均相对误差(mean relative error,MRE)评价拟合效果。结果 GM(1,1)的预测结果较差,ARIMA的MAE和MRE是三种模型中最小的,其短期预测的PE也最低;三种方法长期预测的PE都比较大,比较而言GRNN的长期预测结果最好。结论 ARIMA适用于尘肺发病的短期预测,GRNN适用于长期预测。 展开更多

关键词 尘肺发病预测 时间序列 自回归滑动平均混合模型(arima) 灰色模型(GM) 广义回归神经网络模型(GRNN) 模型比较

原文传递

基于离散灰色预测模型与人工神经网络混合智能模型的时尚销售预测 被引量：10

10

作者 刘卫校 《计算机应用》 CSCD 北大核心 2016年第12期3378-3384,共7页

时尚销售预测对零售领域十分重要,准确的销售情况预测有助于大幅度提高最终时尚销售利润。针对目前时尚销售预测数据量有限并且数据波动大导致难以进行准确预测的问题,提出了一种结合人工神经网络(ANN)算法和离散灰色预测模型(DGM(1,1)... 时尚销售预测对零售领域十分重要,准确的销售情况预测有助于大幅度提高最终时尚销售利润。针对目前时尚销售预测数据量有限并且数据波动大导致难以进行准确预测的问题,提出了一种结合人工神经网络(ANN)算法和离散灰色预测模型(DGM(1,1))算法的混合智能预测算法。该算法通过关联度分析得到关联度大的影响变量,在利用DGM(1,1)+ANN预测之后,引入二次残差的思想,将实际销售数据与DGM(1,1)+ANN预测结果的残差加入影响变量利用ANN进行第二次残差预测。最后通过真实的时尚销售数据验证算法预测的可行性及准确性。实验结果表明,该算法在时尚销售数据的预测中,预测平均绝对百分误差(MAPE)在25%左右,预测性能优于自回归积分滑动平均模型(ARIMA)、扩展极限学习机(EELM)、DGM(1,1)、DGM(1,1)+ANN算法,相较于以上几种算法平均预测精度大约提高8个百分点。所提混合智能算法可用于时尚销售即时预测,且能够大幅度提高销售的效益。 展开更多

关键词 时尚销售预测 神经网络算法 离散灰色模型 关联度分析 自回归积分滑动平均模型

下载PDF 职称材料

停车场泊位占有率预测方法评价 被引量：9

11

作者 唐克双 郝兆康 +1 位作者 衣谢博闻 刘冰清 《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2017年第4期533-543,共11页

采用上海市五角场地区的停车泊位检测数据,分析了商业、办公和体育场3种不同类型停车场泊位占有率(parking occupancy rate,POR)的时变特征,并评价了ARIMA(autoregressive integrated moving average)、卡尔曼滤波和BP(back propagation... 采用上海市五角场地区的停车泊位检测数据,分析了商业、办公和体育场3种不同类型停车场泊位占有率(parking occupancy rate,POR)的时变特征,并评价了ARIMA(autoregressive integrated moving average)、卡尔曼滤波和BP(back propagation)神经网络等3种常用方法在POR预测中的适用性.结果表明,ARIMA和BP神经网络的预测精度总体优于卡尔曼滤波,BP神经网络在商业和办公停车场的短时预测中有较好的精度;3种方法的预测精度均随预测时间步长的增加而逐渐降低;不同类型停车场的POR预测精度存在较大差异,工作日的预测精度一般高于非工作日,且模型具有较好的自适应性. 展开更多

关键词 停车泊位占有率预测 arima模型 卡尔曼滤波 BP神经网络模型

下载PDF 职称材料

基于ARIMA模型预测梅毒月发病率的价值 被引量：9

12

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

下载PDF 职称材料

利用人工智能神经网络预测广州市PM_(2.5)日浓度 被引量：9

13

作者 李泽群 韦骏 《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心 2021年第4期645-652,共8页

利用差分整合移动平均自回归模型(ARIMA)、后向传播神经网络(BP)以及长短期记忆神经网络(LSTM),对广州市2015—2019年的PM_(2.5)浓度数据进行训练和预报,研究集合经验模态(EEMD)分解和时间分辨率对不同模型预报准确性的影响。结果表明,E... 利用差分整合移动平均自回归模型(ARIMA)、后向传播神经网络(BP)以及长短期记忆神经网络(LSTM),对广州市2015—2019年的PM_(2.5)浓度数据进行训练和预报,研究集合经验模态(EEMD)分解和时间分辨率对不同模型预报准确性的影响。结果表明,EEMD分解可以显著地提升低频分量的预报效果;提高输入数据的时间分辨率可以提升预报效果,尤其在ARIMA自回归模型预报中较为明显,用神经网络进行预报时需要考虑输入数据量增加带来模型复杂度增加的问题。由于模型使用前一天(t−1)的PM_(2.5)作为输入数据,即只能预报t+1天的PM_(2.5)值。为增加模型的预报时效,采用滚动预报的方式对模型进行优化,能够显著地提升预报时效,实现对t+n天的连续预报,且预报误差与后报结果相当。将时间精度为6 h的数据作为输入,用ARIMA模型进行预报的效果最好,最小MAE值为6.478。 展开更多

关键词 广州市 PM_(2.5) 整合移动平均自回归模型(arima) 后向传播神经网络(BP) 长短期记忆神经网络(LSTM) 集合经验模态分解(EEMD)

下载PDF 职称材料

汽车零部件第三方物流仓储需求量集成预测模型 被引量：9

14

作者 金淳 曹迪 +1 位作者 王聪 李文立 《系统管理学报》 CSSCI CSCD 北大核心 2018年第6期1157-1165,共9页

考虑到汽车零部件第三方物流企业仓储需求量的预测精度受众多非线性、不可量化的不确定因素的影响,提出一种将定量预测与定性预测相结合的集成预测模型(SIF)。SIF模型中,用RBF神经网络模型预测复杂非线性波动趋势;为补足RBF模型的若干问... 考虑到汽车零部件第三方物流企业仓储需求量的预测精度受众多非线性、不可量化的不确定因素的影响,提出一种将定量预测与定性预测相结合的集成预测模型(SIF)。SIF模型中,用RBF神经网络模型预测复杂非线性波动趋势;为补足RBF模型的若干问题,用ARIMA模型预测在库量的季节性趋势,用定性预测模型解决难以量化的外部因素的变动对需求量的影响问题。最后,将三部分结果动态叠加作为SIF模型的输出。实例分析结果表明:与各单一模型、ARIMA与RBF的组合模型相比,SIF模型具有更高的预测精度和稳定性。研究表明了SIF模型对于第三方仓储物流需求量预测的有效性和适用性。 展开更多

关键词 集成预测模型 需求量 自回归积分滑动平均模型 RBF神经网络 定性预测

下载PDF 职称材料

基于ARIMA LSTM组合模型的楼宇短期负荷预测方法研究 被引量：9

15

作者 李鹏辉 崔承刚 +1 位作者 杨宁 陈辉 《上海电力学院学报》 CAS 2019年第6期573-579,共7页

在楼宇短期负荷预测中,针对单一预测模型难以充分学习负荷时间序列中的特性问题,提出了一种基于自回归差分移动平均长短期记忆神经网络(ARIMA LSTM)组合模型的楼宇负荷预测方法。首先,根据灰色关联度选取相似日时间序列数据为训练样本;... 在楼宇短期负荷预测中,针对单一预测模型难以充分学习负荷时间序列中的特性问题,提出了一种基于自回归差分移动平均长短期记忆神经网络(ARIMA LSTM)组合模型的楼宇负荷预测方法。首先,根据灰色关联度选取相似日时间序列数据为训练样本;然后,利用ARIMA模型预测负荷,并将原始数据和ARIMA预测数据之间的误差视为非线性分量;最后,通过LSTM神经网络对误差序列进行校正,得到楼宇短期负荷的最终预测值。通过对上海市某楼宇的预测效果分析,并将其与ARIMA模型、LSTM模型和ARIMA SVM组合模型进行对比,验证了所提方法能够有效控制预测误差,提高楼宇负荷预测精度。 展开更多

关键词 楼宇短期负荷预测 自回归差分移动平均模型 长短期记忆神经网络 时间序列 灰色关联度

下载PDF 职称材料

二重趋势时间序列的灰色组合预测模型 被引量：7

16

作者 宋仙磊 刘业政 +1 位作者 陈思凤 许波 《计算机工程与应用》 CSCD 北大核心 2011年第8期115-117,142,共4页

神经网络、ARIMA等广泛应用于具有趋势变动性和周期波动性的二重趋势特征的时间序列预测,而这些单一的模型难以达到满意的预测效果。提出一种针对该特征的灰色组合模型,其基本思想是:从二重趋势时间序列中分离趋势变动项和周期波动项后... 神经网络、ARIMA等广泛应用于具有趋势变动性和周期波动性的二重趋势特征的时间序列预测,而这些单一的模型难以达到满意的预测效果。提出一种针对该特征的灰色组合模型,其基本思想是:从二重趋势时间序列中分离趋势变动项和周期波动项后,用灰色G(1,1)模型预测趋势变动项,引用BP网络和ARIMA的组合模型预测周期波动项,用乘积模型合成两部分预测值为灰色组合模型的最终预测值。实验表明:该灰色组合模型适应了二重趋势时间序列的特征,具有很好的预测效果。 展开更多

关键词 灰色理论 反向传播(BP)神经网络 自回归滑动平均(arima) 二重时间序列 预测

下载PDF 职称材料

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

17

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

下载PDF 职称材料

小波-ARIMA模型在贵广高铁隧道沉降预测中的应用 被引量：6

18

作者 毕旋旋 任超 +1 位作者 邓开元 于志文 《桂林理工大学学报》 CAS 北大核心 2020年第1期156-160,共5页

针对高铁隧道断面沉降状态的预测问题,提出了一种基于小波分析与自回归移动平均模型(ARIMA)组合的隧道断面沉降预测方法。分别采用ARIMA模型和基于小波分析的ARIMA模型对贵广高铁桂林-恭城路段隧道的沉降数据进行预测实验并对比,结果表... 针对高铁隧道断面沉降状态的预测问题,提出了一种基于小波分析与自回归移动平均模型(ARIMA)组合的隧道断面沉降预测方法。分别采用ARIMA模型和基于小波分析的ARIMA模型对贵广高铁桂林-恭城路段隧道的沉降数据进行预测实验并对比,结果表明,基于小波分析的ARIMA模型对于高铁隧道断面沉降预测精度提高较大,且稳定性强,可以满足工程需要,是一种有效可行的隧道沉降预测方法。 展开更多

关键词 高铁隧道 自回归移动平均模型 小波分析 沉降预测

下载PDF 职称材料

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：5

19

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

下载PDF 职称材料

ARIMA乘积季节模型在全国布鲁菌病发病预测中的应用 被引量：5

20

作者 马洁 田野 +3 位作者 刘晓迪 黄璐 王素珍 石福艳 《职业与健康》 CAS 2018年第19期2665-2668,共4页

目的应用求和(差分)自回归移动平均(Autoregressive Integrated Moving Average Model,ARIMA)乘积季节模型分析季节性时间序列,建立全国布鲁菌病发病数的预测模型。方法利用中国疾病预防控制中心2011年1月—2016年12月按月报告的布鲁菌... 目的应用求和(差分)自回归移动平均(Autoregressive Integrated Moving Average Model,ARIMA)乘积季节模型分析季节性时间序列,建立全国布鲁菌病发病数的预测模型。方法利用中国疾病预防控制中心2011年1月—2016年12月按月报告的布鲁菌病发病数历史疫情数据,采用最大似然法估计模型参数,模型定阶后,建立布鲁菌病按月发病数ARIMA乘积季节预测模型。结果非季节和季节移动平均参数分别为0.357 35、0.666 64,均P<0.05,AIC=911.337 2,SBC=917.569 8,均P<0.05,据此建立ARIMA(0,1,1)(0,1,1)12乘积季节模型,模型表达式荦荦12xt=(1-0.357 35B)(1-0.666 6412)εt,并开展全国布鲁菌病发病数的预测。结论 ARIMA(0,1,1)(0,1,1)12乘积季节模型可用于预测布鲁菌病的发病情况。 展开更多

关键词 求和(差分)自回归移动平均(arima)乘积季节模型 时间序列 布鲁菌病

原文传递