期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于CEEMDAN-SE-ARIMA组合模型的东北夏季降水预测 被引量:4
1
作者 吴香华 陈以祺 +2 位作者 官元红 田心童 华亚婕 《大气科学学报》 CSCD 北大核心 2023年第2期205-216,共12页
针对传统时间序列模型无法有效预测模态混叠数据的不足,本文提出了一种基于CEEMDAN-SE-ARIMA的组合模型,并且对东北地区2016—2020年夏季降水量进行了实证分析。首先,基于完全自适应集合经验模态分解方法,将降水时间序列分解为多个本征... 针对传统时间序列模型无法有效预测模态混叠数据的不足,本文提出了一种基于CEEMDAN-SE-ARIMA的组合模型,并且对东北地区2016—2020年夏季降水量进行了实证分析。首先,基于完全自适应集合经验模态分解方法,将降水时间序列分解为多个本征模态分量,并根据不同分量样本熵的计算结果进行分量序列重构。然后,针对每一个重构分量,构建自回归移动平均预测模型。最后,将各分量的预测值进行叠加,得到组合模型的预测值。此外,还构建了ARIMA单一模型和其他组合模型,旨在与CEEMDAN-SE-ARIMA组合模型对比。结果表明:CEEMDAN-SE-ARIMA组合模型考虑了时间序列的模态混叠特征,能有效提高东北地区夏季降水时序模型的预测能力,具有良好的预测应用价值。预测结果较单一模型和其他组合模型均有所提高,MASE降低了0.02~0.91 mm,RMSE降低了0.80~130.49 mm,MAE降低了2.52~129.84 mm,MAPE降低了1.08~35.53 mm。CEEMDAN-SE-ARIMA模型在降水变率较小的西北部区域预测效果更好,对东南部区域的极值分布中心预测较为准确。 展开更多
关键词 东北夏季降水 模态混叠 CEEM DaN 样本熵 arim a
在线阅读 下载PDF
Prediction and Analysis of O3 Based on the ARIMA Model 被引量:2
2
作者 FENG Dengchao LIANG Lishui LI Chunjiao 《Instrumentation》 2017年第2期44-52,共9页
Despite of the small amount in the atmosphere,ozone is one of the most critical atmospheric component as it protects human beings and any other life on the earth from the sun's high frequency ultraviolet radiation... Despite of the small amount in the atmosphere,ozone is one of the most critical atmospheric component as it protects human beings and any other life on the earth from the sun's high frequency ultraviolet radiation. In recent decades,the global ozone depletion caused by human activities is w ell know n and produces an " ozone hole",the most direct consequence of w hich is the increase in ultraviolet radiation,w hich w ill affect human survival,climatic environment,ecological environment and other important adverse impacts. Due to the implementation of the M ontreal protocol and other agreement,the total amount of ozone depleting substance in the atmosphere has been prominent reduced,w hich w ill lead to a new round of regional climate change.Therefore,predicting the changes of the total ozone in the future w ill have an important guiding significance for predicting the future climate change and making reasonable measures to deal w ith the climate change. In this paper,based on the ozone data of 1979 to 2016 in the southern hemisphere and ARIM A model algorithm,using time series analysis,w e obtain prediction effect of ARIM A model is good by Ljung-Box Q-test and R^2,and the model can be used to predict the future ozone change. With the help of SPSS softw are,the future trend of the total ozone can be predicted in the future 50 years. Based on the above experiment results,the global ozone change in the future 50 years can be forecasted,namely the atmospheric ozone layer w ill return to its 1980's standard by the middle of this century at the global scale. 展开更多
关键词 OZONE Ozone Hole arim a Model Prediction analysis
原文传递
基于改进SEIR算法的疫情传播趋势检测方法 被引量:3
3
作者 燕杨 郭皓钰 +3 位作者 魏宇航 尤紫如 肖志强 黄文博 《吉林大学学报(理学版)》 CAS 北大核心 2021年第6期1511-1516,共6页
通过对传统SEIR(susceptible-exposed-infectious-removed)算法进行优化重建,提出一种改进的SEIR算法.该算法通过为感染率β添加衰减函数,对数据拟合得到随时间增长而改变的β.仿真实验结果表明,该算法在测试集上的平均MSE(mean square ... 通过对传统SEIR(susceptible-exposed-infectious-removed)算法进行优化重建,提出一种改进的SEIR算法.该算法通过为感染率β添加衰减函数,对数据拟合得到随时间增长而改变的β.仿真实验结果表明,该算法在测试集上的平均MSE(mean square error)只有0.11,相比于目前已有的其他算法,误差值显著降低. 展开更多
关键词 SEIR算法 衰减函数 arim算法 传播趋势检测
在线阅读 下载PDF
知识资本对企业经营效率的影响机理——基于上市制药企业的实证分析 被引量:5
4
作者 陈恒 徐睿姝 《系统工程》 CSSCI CSCD 北大核心 2015年第2期74-81,共8页
从企业长期发展角度,考虑相连时期间的结转变量,利用DSBM方法测度34家上市制药企业2006~2011年的经营效率,结果表明观察期内企业经营效率值整体较高,变动相对平稳;利用ARIM模型从人力资本,结构资本和关系资本三个维度测量企业知识资本存... 从企业长期发展角度,考虑相连时期间的结转变量,利用DSBM方法测度34家上市制药企业2006~2011年的经营效率,结果表明观察期内企业经营效率值整体较高,变动相对平稳;利用ARIM模型从人力资本,结构资本和关系资本三个维度测量企业知识资本存量;回归分析探究知识资本对制药企业长期效率的影响,实证表明知识资本对提高企业效率具有显著作用,为决策者知识资本策略的制定提供参考依据。 展开更多
关键词 知识资本 经营效率 DSBM模型 arim模型
原文传递
美国陆军档案信息管理系统建设的原则与特点 被引量:1
5
作者 周胜利 《档案与建设》 北大核心 2012年第10期22-25,共4页
文章介绍了美国陆军档案信息管理系统(ARIMS)的用途与功能,探讨了该系统建设中所遵循的实用性、开放性和安全性原则,分析了该系统基于Web设计、操作灵活便捷及用户分级管理的特点,最后归纳了对我国档案信息管理系统建设具有借鉴与启示... 文章介绍了美国陆军档案信息管理系统(ARIMS)的用途与功能,探讨了该系统建设中所遵循的实用性、开放性和安全性原则,分析了该系统基于Web设计、操作灵活便捷及用户分级管理的特点,最后归纳了对我国档案信息管理系统建设具有借鉴与启示意义的若干建议。 展开更多
关键词 arimS 档案管理 信息系统 原则与特点
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部