期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到277篇文章
< 1 2 … 14 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
液浮摆式加速度计零位漂移数学模型的研究 被引量：1
1
作者 朱展文 《华南理工大学学报（自然科学版）》 EI CAS CSCD 1991年第4期99-107,共9页
本文论述液浮摆式力反馈平衡加速度计零位误差产生机理;分析了零位漂移数据的特点;提出在运用时序分析的DDS法基础上对零位漂移数据进行建模的方法。建立了自回归滑动平均模型并给出模型参数估计及置信区间,解析了模型参数的物理意义,... 本文论述液浮摆式力反馈平衡加速度计零位误差产生机理;分析了零位漂移数据的特点;提出在运用时序分析的DDS法基础上对零位漂移数据进行建模的方法。建立了自回归滑动平均模型并给出模型参数估计及置信区间,解析了模型参数的物理意义,利用此模型对加速度计零位漂移数据进行统计特性分析。 展开更多
关键词 加速度计 零位漂移 摆式 数学模型
下载PDF
ARMA模型的平方根超定递推辅助变量定阶方法
2
作者 肖创柏 《湘潭大学自然科学学报》 CAS CSCD 1991年第4期131-138,共8页
提出了自回归滑动平均(ARMA)模型的平方根超定递推辅助变量定价方法.该方法避免了计算逆协方差阵失去正定性的问题,改进了超定递推辅助变量定阶方法的数值稳定性.模拟计算与实验数据处理表明,该方法数值稳定性好,收敛速度快,抗噪能力强... 提出了自回归滑动平均(ARMA)模型的平方根超定递推辅助变量定价方法.该方法避免了计算逆协方差阵失去正定性的问题,改进了超定递推辅助变量定阶方法的数值稳定性.模拟计算与实验数据处理表明,该方法数值稳定性好,收敛速度快,抗噪能力强.是一种高性能的定阶方法。 展开更多
关键词 ARMA模型 平方根法 定阶
下载PDF
基于约束卡尔曼滤波的短时交通流量组合预测模型 被引量：38
3
作者 聂佩林 余志 何兆成 《交通运输工程学报》 EI CSCD 北大核心 2008年第5期86-90,共5页
为了克服单一的交通流预测模型性能不稳定的问题,提出了基于约束卡尔曼滤波的短时交通流量组合预测模型。约束卡尔曼滤波组合预测模型以各单一预测模型的权重为状态变量,交通流量为观测变量,预测结果是单一预测模型的加权和,加权系数由... 为了克服单一的交通流预测模型性能不稳定的问题,提出了基于约束卡尔曼滤波的短时交通流量组合预测模型。约束卡尔曼滤波组合预测模型以各单一预测模型的权重为状态变量,交通流量为观测变量,预测结果是单一预测模型的加权和,加权系数由约束卡尔曼滤波方程递推动态确定,最后通过广深高速公路上采集的交通流量数据对算法进行了验证。结果表明,在不同预测步长情况下,约束卡尔曼滤波组合预测模型要优于最佳的单一预测模型或与其持平,并且不受某一较差的预测模型影响,具有较高的鲁棒性。 展开更多
关键词 交通流预测 约束卡尔曼滤波 神经网络 自回归滑动平均模型
下载PDF
时间序列自回归移动平均模型在临床红细胞用量预测中的应用 被引量：16
4
作者 叶柱江 刘赴平 《中国输血杂志》 CAS CSCD 北大核心 2013年第2期131-134,共4页
目的验证自回归移动平均模型(ARIMA)预测临床红细胞用量的可行性,并为血站制定备血计划提供数据支持。方法选择东莞市2006年1月～2011年12月6年的每月临床红细胞用量作为时间序列模型的数据源。利用SPSS软件进行时间序列模型的构建,通过... 目的验证自回归移动平均模型(ARIMA)预测临床红细胞用量的可行性,并为血站制定备血计划提供数据支持。方法选择东莞市2006年1月～2011年12月6年的每月临床红细胞用量作为时间序列模型的数据源。利用SPSS软件进行时间序列模型的构建,通过对2012年的前5个月临床红细胞实际用量进行模型检验。并据此对模型预测临床红细胞用量分析的可行性、建模步骤及准确性验证进行了探讨。结果 ARIMA模型计算出的预测值与实际值拟合较好,相对误差较小。1月份相对误差为-6.32%,2月份为13.28%,3月份为7.78%,4月份为3.73%,5月份为3.78%,平均相对误差为4.45%。结论可以应用时间序列自回归移动平均模型对未来的临床红细胞用量进行预测,为血站制定备血计划提供可靠的参考依据。 展开更多
关键词 时间序列 自回归移动平均模型(ARIMA) 预测 红细胞用量
下载PDF
基于ARMA的混合卷烟销售预测模型 被引量：13
5
作者 罗艳辉 吕永贵 李彬 《计算机应用研究》 CSCD 北大核心 2009年第7期2664-2668,共5页
为了提高卷烟销售预测准确性,平衡生产与需求,协同工商业,建立切实合理的月供应计划,提出了一个基于ARMA(autoregressive moving average model,自回归滑动平均模型)的混合卷烟销售预测模型,实现卷烟月总量的预测。该模型首先基于ARMA... 为了提高卷烟销售预测准确性,平衡生产与需求,协同工商业,建立切实合理的月供应计划,提出了一个基于ARMA(autoregressive moving average model,自回归滑动平均模型)的混合卷烟销售预测模型,实现卷烟月总量的预测。该模型首先基于ARMA建立月预测模型;再用计划评审技术PERT得到月预测经验期望值;最后通过设定加权系数,综合两个预测值得到月预测销售总量。实验结果证明该模型能够较好地预测出规格卷烟月销售总量值变化。 展开更多
关键词 预测模型 卷烟销售 自回归滑动平均模型 计划评审技术
下载PDF
我国银行间同业拆放利率影响因素的实证分析 被引量：7
6
作者 徐枫 《金融论坛》 CSSCI 2004年第9期57-61,共5页
银行间同业拆放市场利率是我国主要的货币市场利率,也是最早实现市场化的利率。对商业银行来说,同业拆放利率是商业银行决定贷款利率与存款利率的重要标准。本文通过建立单整自回归平均移动模型ARIMA,研究一年期人民币银行贷款利率、一... 银行间同业拆放市场利率是我国主要的货币市场利率,也是最早实现市场化的利率。对商业银行来说,同业拆放利率是商业银行决定贷款利率与存款利率的重要标准。本文通过建立单整自回归平均移动模型ARIMA,研究一年期人民币银行贷款利率、一年期人民币储蓄存款利率、三年期凭证式国债利率、法定准备金年利率、回购利率、消费价格指数、综合股价指数、金融机构各项贷款与存款总额比值和人民币对美元汇率这些因素对我国银行间拆放利率的影响。研究结果表明:一年期人民币银行贷款利率和回购利率是影响我国银行间同业拆放利率的主要因素。 展开更多
关键词 银行间同业拆放市场 中国 法定准备金利率 人民币存贷款利率 计量经济模型 商业银行
下载PDF
ARIMA-MLP与ARIMA-RBF模型在流行性腮腺炎发病预测中的应用 被引量：10
7
作者 曹磊 张义 +4 位作者 刘峰 邓勇 陈飒 张志成 周体操 《公共卫生与预防医学》 2016年第2期26-30,共5页
目的探索流行性腮腺炎月发病数的最佳预测模型,为流腮发病的预测和预警提供理论依据。方法使用SPSS18.0软件,分别采用单纯自回归移动平均模型(ARIMA模型)、自回归移动平均-多层感知器神经网络模型(ARIMA-MLP组合模型)及自回归移动平均-... 目的探索流行性腮腺炎月发病数的最佳预测模型,为流腮发病的预测和预警提供理论依据。方法使用SPSS18.0软件,分别采用单纯自回归移动平均模型(ARIMA模型)、自回归移动平均-多层感知器神经网络模型(ARIMA-MLP组合模型)及自回归移动平均-径向基函数神经网络模型(ARIMA-RBF组合模型)对陕西省2009—2014年流腮月发病数进行拟合,找出最佳预测模型。结果单纯ARIMA模型拟合优度R^2值为0.831,平均绝对误差(MAE)值为267.49;ARIMA-MLP组合模型的R^2值为0.881,MAE值为208.01;ARIMA-RBF组合模型的R^2值为0.898,MAE值为205.82。结论 ARIMARBF组合模型对陕西省流腮月发病数预测效果最佳,可以为流腮发病的预测、预警提供理论依据。 展开更多
关键词 流行性腮腺炎 自回归移动平均模型 多层感知器神经网络模型 径向基函数神经网络模型
原文传递
基于混合自回归滑动平均潜周期模型的短期电价预测 被引量：10
8
作者 曾勇红 王锡凡 冯宗建 《西安交通大学学报》 EI CAS CSCD 北大核心 2008年第2期184-188,共5页
应用混合自回归滑动平均潜周期模型对短期电价序列进行了预测.对消除了趋势影响的电价序列,经离散傅里叶变换转换为复值潜周期模型,采用一种简单的周期图检测方法计算电价序列的周期特征参数.为了计及历史信息对当前状态的影响,采用自... 应用混合自回归滑动平均潜周期模型对短期电价序列进行了预测.对消除了趋势影响的电价序列,经离散傅里叶变换转换为复值潜周期模型,采用一种简单的周期图检测方法计算电价序列的周期特征参数.为了计及历史信息对当前状态的影响,采用自回归滑动平均模型拟合残差随机分量,采用赤池信息准则确定模型的阶数,参数则由矩估计得到.该模型不要求预先假设电价序列的周期尺度,周期的个数和大小由模型计算确定,方法简单.采用美国宾夕法尼亚、新泽西、马里兰电力市场的实际电价数据对模型进行了检验,验证了模型的有效性. 展开更多
关键词 潜周期 电价预测 自回归滑动平均模型
下载PDF
盾构机土压平衡系统的ARMA模型及其参数估计 被引量：8
9
作者 李守巨 霍军周 曹丽娟 《煤炭学报》 EI CAS CSCD 北大核心 2014年第11期2201-2205,共5页
为了表征盾构机土仓压力平衡系统的时滞特性和提高模型的预测精度,建立了该系统的自回归滑动平均(ARMA)模型,并提出了基于优化算法的ARMA模型参数估计方法。实验结果表明,与经典的线性机理模型相对比,新模型显著提高了土仓压力的拟合和... 为了表征盾构机土仓压力平衡系统的时滞特性和提高模型的预测精度,建立了该系统的自回归滑动平均(ARMA)模型,并提出了基于优化算法的ARMA模型参数估计方法。实验结果表明,与经典的线性机理模型相对比,新模型显著提高了土仓压力的拟合和预测精度。ARMA模型预测土仓压力的最大相对误差从机理模型的41%降低到9%。结合实验数据,分析了该系统动态响应的时滞特性,分析表明,螺旋输送机转速对下一时刻土仓压力影响的时滞特性更加明显。 展开更多
关键词 自回归滑动平均模型 参数估计 土压平衡系统 盾构机 时滞特性
下载PDF
基于人工智能的电力调度实时发电干扰稳定控制方法 被引量：7
10
作者 贺鸿鹏 马成龙 +1 位作者 张伟 纪巍 《电气自动化》 2022年第3期79-81,84,共4页
针对传统控制方法识别电力参数的能力较弱、扰稳定控制效果不佳等问题,提出一种基于人工智能的电力调度实时发电干扰稳定控制方法。采用小干扰稳定性分析法,提取实时发电扰稳定特征行为;构建自回归滑动平均模型,设计自适应广域阻尼控制... 针对传统控制方法识别电力参数的能力较弱、扰稳定控制效果不佳等问题,提出一种基于人工智能的电力调度实时发电干扰稳定控制方法。采用小干扰稳定性分析法,提取实时发电扰稳定特征行为;构建自回归滑动平均模型,设计自适应广域阻尼控制器,强化数据识别效果;设置爬坡速度预期指标,基于人工智能技术调整自适应偏置值,实现电力调度实时发电扰稳定控制。试验结果表明:与传统方法相比,在正常发电频率下,控制方法都能获得接近50 MHz的控制效果;异常发电频率下,仅新方法能够将发电频率控制在50 MHz附近,可见新的控制方法实现了研究预期。 展开更多
关键词 人工智能 电力调度 实时发电 干扰稳定控制 自回归滑动平均模型 广域阻尼控制器
下载PDF
基于神经网络的区域供热系统短期负荷预测 被引量：3
11
作者 韩子俊 陈世新 +4 位作者 申娜 田永红 任效效 冯朴 王进仕 《区域供热》 2023年第1期144-151,共8页
准确的热负荷预测是实现区域供热系统精细控制和节能减碳的关键。以国内北方某城市区域供热系统为研究对象,分别采用BP神经网络(BPNN)、遗传算法(Genetic Algorithm,GA)优化BP神经网络(GA-BPNN)和自回归移动平均模型(Autoregressive Int... 准确的热负荷预测是实现区域供热系统精细控制和节能减碳的关键。以国内北方某城市区域供热系统为研究对象,分别采用BP神经网络(BPNN)、遗传算法(Genetic Algorithm,GA)优化BP神经网络(GA-BPNN)和自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)组合BP神经网络(ARIMA-BPNN)方法对其热负荷进行预测,并对比了各预测方法的准确性和适用性。结果表明,GA-BPNN预测误差最小,ARIMA-BPNN次之,但后者预测所需数据更少。此外,验证了在减少样本数目以及影响因素的种类的情况下,GA-BPNN预测方法的平均相对误差均在5%以内,表明GA-BPNN预测方法适用于样本减少的情况。 展开更多
关键词 BP神经网络 遗传算法 差分自回归移动平均模型 负荷预测 区域供热
下载PDF
时间序列模型预测大气臭氧浓度 被引量：2
12
作者 王一龙 董韶妮 +1 位作者 孙丽萍 王上 《济南大学学报（自然科学版）》 CAS 北大核心 2023年第2期178-183,共6页
为了给大气污染防治预警预报提供参考,利用时间序列模型对大气臭氧浓度进行预测;以2020年1月1日至2020年12月31日期间366个烟台市区大气臭氧日均质量浓度作为研究数据,建立自回归移动平均模型,引入广义自回归条件异方差模型消除时间序... 为了给大气污染防治预警预报提供参考,利用时间序列模型对大气臭氧浓度进行预测;以2020年1月1日至2020年12月31日期间366个烟台市区大气臭氧日均质量浓度作为研究数据,建立自回归移动平均模型,引入广义自回归条件异方差模型消除时间序列自回归条件异方差效应,最终构建自回归移动平均-广义自回归条件异方差时间序列模型,并对2021年1月烟台市区的大气臭氧日均浓度进行预测。结果表明,所构建的时间序列模型对大气臭氧浓度的短期预测值与实测值基本一致,但随着预测期数的增加,预测值与实测值的相对误差逐渐增大。 展开更多
关键词 臭氧浓度预测 时间序列模型 自回归移动平均模型 广义自回归条件异方差模型
下载PDF
基于小波分析的时间序列建模与预测 被引量：6
13
作者 周玉国 姚恩营 《微计算机信息》 2009年第34期29-30,61,共3页
将小波分析和ARMA模型引入时间序列建模与预测中。利用小波分解充分提取和分离时间序列的各种隐周期和非线性,把小波分解序列的特性和分解数据的规律充分运用于Elman动态神经网络和自回归移动平均模型的建模。利用小波重构技术将各尺度... 将小波分析和ARMA模型引入时间序列建模与预测中。利用小波分解充分提取和分离时间序列的各种隐周期和非线性,把小波分解序列的特性和分解数据的规律充分运用于Elman动态神经网络和自回归移动平均模型的建模。利用小波重构技术将各尺度域的预报结果结合成为系统最终的预报。实例证明了该方法的实际有效性。 展开更多
关键词 小波分析 自回归滑动平均模型 ELMAN神经网络 时间序列
下载PDF
乌鲁木齐市布鲁氏菌病发病预测分析
14
作者 亚库普·阿卜杜热扎克 王悦 +3 位作者 张宇航 周燚然 古丽加依娜·艾肯 卢耀勤 《公共卫生与预防医学》 2024年第2期62-66,共5页
目的 探讨季节性自回归移动平均模型(autoregressive integrated moving average, ARIMA)在乌鲁木齐市布鲁氏菌病发病预测中的应用,并利用该模型预测乌鲁木齐市布鲁氏菌病发病趋势。方法 选取乌鲁木齐市2010年1月至2021年12月的布鲁氏... 目的 探讨季节性自回归移动平均模型(autoregressive integrated moving average, ARIMA)在乌鲁木齐市布鲁氏菌病发病预测中的应用,并利用该模型预测乌鲁木齐市布鲁氏菌病发病趋势。方法 选取乌鲁木齐市2010年1月至2021年12月的布鲁氏菌病月发病数构建ARIMA预测模型,采用均数标准差(RMSE)、平均绝对误差(MAE)评价模型的预测效果,采用构建的模型预测2022年发病情况。结果 乌鲁木齐市布鲁氏菌病发病呈明显季节性分布,病例集中在5-7月份。ARIMA(1,1,1)(1,0,1)_(12)为最优预测模型,模型的RMSE=0.883,MAE=5.24。利用模型预测2022年月发病数依次为7、4、4、6、9、9、10、7、7、5、5、5例。结论 ARIMA模型能较好地拟合和预测乌鲁木齐市布鲁氏菌病的月发病情况,可为该病的监测和预防提供依据。 展开更多
关键词 布鲁氏菌病 自回归移动平均模型 时间序列分析 预测
原文传递
利用自识别的供水管网监测数据质量控制 被引量：5
15
作者 刘书明 吴以朋 车晗 《清华大学学报（自然科学版）》 EI CAS CSCD 北大核心 2017年第9期999-1003,共5页
复杂庞大的供水管网系统拥有众多监测点,在人工判断的情况下,各个监测点采集的海量数据无法被及时有效地处理,数据准确性无从保障,这对供水管网异常情况的判断造成极大阻碍。针对此情况,将北京市某供水管网监测站56个月的在线监测数据... 复杂庞大的供水管网系统拥有众多监测点,在人工判断的情况下,各个监测点采集的海量数据无法被及时有效地处理,数据准确性无从保障,这对供水管网异常情况的判断造成极大阻碍。针对此情况,将北京市某供水管网监测站56个月的在线监测数据进行时段上和季节上的切分,构建自回归滑动平均(autoregressive moving average,ARMA)模型,并通过该模型建立的置信区间识别人工模拟序列中的异常值,从而实现独立节点自身数据的自识别。结果表明:经过数据反馈矫正,该自识别过程能够准确提取人工模拟监测数据中的异常值。ARMA模型的建立极大限度压缩了需人工处理的数据量,以便在异常数据中人工甄选无效数据,实现数据质量控制。 展开更多
关键词 数据自识别 供水管网 自回归滑动平均模型 数据质量控制
原文传递
基于小波变换的GASVM-ARMA模型在深基坑变形预测中的应用 被引量：1
16
作者 牛帅星 李庶林 +2 位作者 刘胤池 安树正 黄玉仁 《土木与环境工程学报（中英文）》 CSCD 北大核心 2023年第3期16-23,共8页
为了提高深基坑施工过程中变形预测的准确度,提出一种基于小波变换分解与重构、采用遗传算法优化参数的支持向量机(GASVM)和自回归滑动平均(ARMA)模型相结合的组合模型预测方法。使用GASVM模型对小波分解后的趋势项进行一步预测和多步... 为了提高深基坑施工过程中变形预测的准确度,提出一种基于小波变换分解与重构、采用遗传算法优化参数的支持向量机(GASVM)和自回归滑动平均(ARMA)模型相结合的组合模型预测方法。使用GASVM模型对小波分解后的趋势项进行一步预测和多步滚动预测,使用ARMA模型相应地对随机项进行预测,将预测值求和得到最终预测结果。以某地铁车站深基坑为案例,对3个监测点的支护桩深层水平位移进行预测分析,得到其一步预测的短期预测值和多步滚动预测的中长期预测值,并与单一采用GASVM模型得到的预测值进行对比。结果表明:组合模型有效减小了预测误差,在短期和中长期预测中均取得令人满意的结果。 展开更多
关键词 时间序列预测 深基坑变形 小波变换 支持向量机 遗传算法 自回归滑动平均模型
下载PDF
基于ARIMA结合ConvLSTM的燃气负荷预测 被引量：3
17
作者 海文龙 王亚慧 +1 位作者 宋洋 王怀秀 《微电子学与计算机》 2022年第1期62-70,共9页
燃气负荷预测对于燃气资源的优化调度至关重要.燃气负荷预测除了具有趋势性、周期性等时间特性外,相邻燃气调压站的负荷数据与温湿度数据之间也存在空间特性,导致燃气负荷预测机理建模困难且模型预测精度较低.针对以上问题,提出了一种... 燃气负荷预测对于燃气资源的优化调度至关重要.燃气负荷预测除了具有趋势性、周期性等时间特性外,相邻燃气调压站的负荷数据与温湿度数据之间也存在空间特性,导致燃气负荷预测机理建模困难且模型预测精度较低.针对以上问题,提出了一种基于自回归移动平均模型(ARIMA)与卷积长短时神经网络(ConvLSTM)结合的燃气负荷预测模型.首先,选取皮尔逊相关系数对燃气负荷数据进行分析,筛选与燃气负荷相关性强的变量作为模型的输入.其次,采用ARIMA模型去除数据的趋势性使其平稳化,利用ConvLSTM模型提取数据中的时空特征,并对ARIMA-ConvLSTM模型的参数进行寻优.最后,通过燃气负荷数据对模型进行训练和验证.实验结果表明,ARIMA-ConvLSTM模型的预测准确率为98.65%,在均方根误差、平均绝对误差、绝对误差百分比方面均优于ARIMA模型、ConvLSTM模型和CNN-LSTM并行组合模型. 展开更多
关键词 燃气负荷预测 自回归移动平均模型 卷积长短时神经网络 卷积神经网络 长短时记忆网络
下载PDF
基于自适应混合优化的电力数据预测方法
18
作者 曾朝晖 赵会勇 +3 位作者 罗恩韬 张英豪 杨阳 严一泰 《控制与决策》 EI CSCD 北大核心 2023年第12期3490-3498,共9页
电力数据易受气候、季节、节假日等因素影响,出现不同波动特征.针对不同特征电力数据预测精度不高、预测方法泛化能力弱等问题,提出基于自适应混合优化的电力数据预测方法.通过使用小波变换和平稳性分析,将电力数据自适应地分解为包含... 电力数据易受气候、季节、节假日等因素影响,出现不同波动特征.针对不同特征电力数据预测精度不高、预测方法泛化能力弱等问题,提出基于自适应混合优化的电力数据预测方法.通过使用小波变换和平稳性分析,将电力数据自适应地分解为包含趋势、季节和周期信息的非平稳序列和多个平稳序列;使用状态转移算法分别优化长短时记忆深度学习网络和自回归移动平均模型,对非平稳序列和平稳序列分别拟合、预测;对预测的各序列进行重构,得到最终预测结果.在电力系统数据上进行多步预测,对比实验表明:与其他方法相比,所提方法不仅具有更高的预测精度,还具有较强的泛化能力. 展开更多
关键词 电力数据预测 长短期记忆深度学习网络 自回归移动平均模型 小波分解 状态转移算法
原文传递
基于小波分解与ARMA-BayesLSTM组合模型的风向短期预测
19
作者 廖文宇 郭鹏 +1 位作者 赵冰 丁亮 《电力科学与工程》 2023年第5期17-23,共7页
针对风向的随机性、不稳定性、强相关性,提出了1种基于小波分解的自回归滑动平均模型(Autoregressive moving average,ARMA)与Bayes-LSTM(Long short-term memory,LSTM)组合的风向预测算法。首先对风向序列进行小波分解;然后使用ARMA与B... 针对风向的随机性、不稳定性、强相关性,提出了1种基于小波分解的自回归滑动平均模型(Autoregressive moving average,ARMA)与Bayes-LSTM(Long short-term memory,LSTM)组合的风向预测算法。首先对风向序列进行小波分解;然后使用ARMA与Bayes-LSTM算法分别对各分量进行预测;最后对预测结果进行重构,得到预测风向。与ARMA、LSTM、Bayes-LSTM预测方法进行对比,结果表明,所提出的组合算法对风向具有更好的预测精度。 展开更多
关键词 风力发电 风向预测 自回归滑动平均模型 贝叶斯优化 长短期记忆神经网络 小波分解
下载PDF
基于时间序列的微藻生长环境参数的预测模型 被引量：2
20
作者 聂磊 蔡文涛 +1 位作者 黄一凡 董正琼 《江苏农业学报》 CSCD 北大核心 2021年第5期1183-1189,共7页
掌握微藻生长环境中的温度、硝酸盐浓度、氧气浓度等参数的变化规律有利于提高生物产出量。本研究利用钝顶螺旋藻全生长周期中的大量环境参数,引入时间序列预测方法,通过极大似然估计,得到线性回归模型,同时引入状态空间预测方法,将低... 掌握微藻生长环境中的温度、硝酸盐浓度、氧气浓度等参数的变化规律有利于提高生物产出量。本研究利用钝顶螺旋藻全生长周期中的大量环境参数,引入时间序列预测方法,通过极大似然估计,得到线性回归模型,同时引入状态空间预测方法,将低维的线性模型映射到高维空间,以消除低维空间下模型的不准确性。为评估模型的有效性,采用了杜宾-瓦特森检验法、图像法、均方根误差、平均绝对误差和最大误差等评估方法和指标进行评估和验证。预测结果显示,自回归滑动平均模型和自回归滑动平均-卡尔曼滤波模型均可用于预测微藻生长的环境参数;与前者相比,后者预测误差更小,模型拟合更精确,能更好地揭示钝顶螺旋藻生长过程中环境参数的内在规律。 展开更多
关键词 钝顶螺旋藻 自回归滑动平均模型 自回归滑动平均-卡尔曼滤波模型 环境参数
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 14 下一页 到第 页
使用帮助 返回顶部