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84篇文章
< 1 2 … 5 >
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：
基于ARIMA算法的玉米籽粒储藏温度预测研究 被引量：1
1
作者 陈思羽 徐爱迪 +3 位作者 刘春山 王淑铭 马浏轩 韩雪双 《农机化研究》 北大核心 2025年第9期171-177,186,共8页
外界环境变化对粮堆内部温度的影响较大,针对夏季温度高、湿度大、易发生腐烂霉变的特点,利用夏季高温试验周期内储粮仓各层的温度数据,基于ARIMA算法进行玉米籽粒储藏短期温度预测。利用差分法、ACF图、PACF图确定模型中d、p、q等参数... 外界环境变化对粮堆内部温度的影响较大,针对夏季温度高、湿度大、易发生腐烂霉变的特点,利用夏季高温试验周期内储粮仓各层的温度数据,基于ARIMA算法进行玉米籽粒储藏短期温度预测。利用差分法、ACF图、PACF图确定模型中d、p、q等参数,依据确定的温度预测模型对未来7 d仓内各粮层的温度进行预测,并将预测值与试验值进行对比,通过绝对误差MAE、相对误差MSE评价指标对模型进行评估,结果表明:第1层模型预测值与实际值的绝对误差MAE的平均值为2.96℃,相对误差MSE的平均值为11.37%;第2层模型预测值与实际值的绝对误差MAE的平均值为0.5℃,相对误差MSE的平均值为1.80%;第3层模型预测值与实际值的绝对误差MAE的平均值为0.57℃,相对误差MSE的平均值为1.91%;第4层模型预测值与实际值的绝对误差MAE的平均值为0.28℃,相对误差MSE的平均值为1.02%,各层相对误差均控制在16%以内。试验结果表明建立的ARIMA温度预测模型较适合玉米籽粒储藏短期温度预测,为保障储粮品质提供了理论依据。 展开更多
关键词 玉米籽粒 储藏 arima算法 温度预测
在线阅读 下载PDF
基于ARIMA与GGACO算法的ETL任务调度机制研究
2
作者 周金治 刘艺涵 吴斌 《控制工程》 北大核心 2025年第2期208-215,共8页
随着抽取-转换-加载(extraction-transformation-loading,ETL)系统的ETL任务量增多,任务复杂度和波动性也随之提升,现有的ETL任务调度机制难以满足调度需求,如时间片轮转法受限于弹性调度能力弱、效率低下等缺点。为研究如何提升ETL任... 随着抽取-转换-加载(extraction-transformation-loading,ETL)系统的ETL任务量增多,任务复杂度和波动性也随之提升,现有的ETL任务调度机制难以满足调度需求,如时间片轮转法受限于弹性调度能力弱、效率低下等缺点。为研究如何提升ETL任务调度机制的弹性调度能力以及执行效率,提出了一种基于整合移动平均自回归(autoregressive integrated moving average,ARIMA)模型与贪心-遗传-蚁群优化(greedy-genetic-ant colony optimization,GGACO)算法的ETL任务调度机制。初期,建立ARIMA模型并弹性地结合贪心算法计算初始解;中期,利用遗传算法的全局快收敛的特性结合初始解圈定最优解的大致范围;最后,利用蚁群优化算法的局部快速收敛性进行最优解搜索。实验结果表明:该调度机制能够弹性地指导任务调度尽可能地找到最优解,减少任务的执行时间,以及尽可能实现更高效的负载均衡。 展开更多
关键词 弹性调度 arima 贪心算法 遗传算法 蚁群优化算法
原文传递
基于集成学习的ARIMA-LSTM模型在棉粕价格预测中的应用 被引量：1
3
作者 吴展 王春晓 《饲料研究》 北大核心 2025年第2期227-231,共5页
准确预测棉粕价格对于稳定畜产品供给、促进饲料加工业可持续发展以及保障国家粮食安全至关重要。研究旨在基于长短期记忆神经网络(LSTM)的深度学习机制,构建棉粕价格预测模型。首先利用差分自回归移动平均(ARIMA)模型预测时间序列数据... 准确预测棉粕价格对于稳定畜产品供给、促进饲料加工业可持续发展以及保障国家粮食安全至关重要。研究旨在基于长短期记忆神经网络(LSTM)的深度学习机制,构建棉粕价格预测模型。首先利用差分自回归移动平均(ARIMA)模型预测时间序列数据中线性变化,并应用LSTM算法估计棉粕价格序列的非线性效应。运用集成学习极限梯度提升(XGBoost)算法来确定残差序列滞后长度作为LSTM模型中的输入节点。最后,将拟合的线性和非线性变化之和作为ARIMA-LSTM组合模型的最终预测值。研究表明,基于XGBoost的ARIMA-LSTM混合模型优于单一的ARIMA时间序列预测模型,具有良好的预测性能。 展开更多
关键词 深度学习 棉粕价格预测 集成学习 arima模型 XGBoost算法
原文传递
结合CatBoost算法与ARIMA模型的电池健康状态预测与优化
4
作者 马玲琦 邹海荣 李兴家 《电器与能效管理技术》 2025年第3期31-37,75,共8页
针对电池健康状况(SOH)的预测,提出一种集成分类提升(CatBoost)算法和自回归差动平均(ARIMA)模型的SOH估算方法。通过时间序列分析提取特征并获取ARIMA模型残差,将其作为额外特征经CatBoost算法处理,构建增强数据集进行预测。实验结果表... 针对电池健康状况(SOH)的预测,提出一种集成分类提升(CatBoost)算法和自回归差动平均(ARIMA)模型的SOH估算方法。通过时间序列分析提取特征并获取ARIMA模型残差,将其作为额外特征经CatBoost算法处理,构建增强数据集进行预测。实验结果表明,所提方法显著提升了预测性能,最佳均方根误差(RMSE)达到0.0046,平均绝对误差(MAE)达到0.0034,拟合度(R^(2))达到0.9994,相比仅使用初始数据的模型具有更高的准确性和稳定性。 展开更多
关键词 电池健康状态 CatBoost算法 arima模型 残差 增强数据集
在线阅读 下载PDF
基于MPA-BPNN和ARIMA的港口货物吞吐量预测
5
作者 戴红伟 王博文 《上海海事大学学报》 北大核心 2025年第3期95-103,共9页
为提高港口货物吞吐量预测的准确性,分别构建由海洋捕食者算法(marine predators algorithm,MPA)优化的反向传播神经网络(back-propagation neural network,BPNN)预测模型(记为MPA-BPNN模型)和自回归综合移动平均(autoregressive integr... 为提高港口货物吞吐量预测的准确性,分别构建由海洋捕食者算法(marine predators algorithm,MPA)优化的反向传播神经网络(back-propagation neural network,BPNN)预测模型(记为MPA-BPNN模型)和自回归综合移动平均(autoregressive integrated moving average,ARIMA)预测模型。在灰色关联分析和Spearman相关分析的基础上,利用MPA-BPNN模型对宁波港港口货物吞吐量进行预测。对时间序列进行平稳性检验和自相关检验后,利用ARIMA模型对宁波港港口货物吞吐量进行预测。分别以2021—2022年、2015—2022年为预测区间,比较BPNN、MPA-BPNN和ARIMA模型的预测效果。结果表明:地区生产总值等因素对宁波港港口货物吞吐量具有重要显著影响;MPA-BPNN模型具有一定的寻优能力,其预测准确性比BPNN的高;在数据序列整体波动不剧烈的情况下,短期预测更适用ARIMA模型,中长期预测更适用神经网络模型。 展开更多
关键词 港口货物吞吐量预测 反向传播神经网络(BPNN) 海洋捕食者算法(MPA) 自回归综合移动平均(arima)
在线阅读 下载PDF
基于ARIMA-PSO-LSTM的太阳能预测 被引量：2
6
作者 沈露露 黄晋浩 +1 位作者 花敏 周雯 《无线电通信技术》 北大核心 2024年第4期771-778,共8页
太阳能是新兴的可再生能源之一,可将其转化为电能以供无线传感器网络(Wireless Sensor Networks, WSN)使用,对太阳能进行预测可以有效地利用能量,从而达到节省能源、维持网络持续稳定运行的目的。提出了一种新的组合预测模型来预测太阳... 太阳能是新兴的可再生能源之一,可将其转化为电能以供无线传感器网络(Wireless Sensor Networks, WSN)使用,对太阳能进行预测可以有效地利用能量,从而达到节省能源、维持网络持续稳定运行的目的。提出了一种新的组合预测模型来预测太阳能辐照强度,其中改进的粒子群优化(Particle Swarm Optimization, PSO)算法被引入寻找长短期记忆(Long Short Term Memory, LSTM)神经网络模型的最优参数。选取自回归差分移动平均(Auto-Regressive Integrated Moving Average, ARIMA)模型来预测太阳辐照数据中的线性分量;采用PSO算法来优化LSTM神经网络模型的超参数,有助于提高模型预测的精度和鲁棒性;采用优化的LSTM神经网络模型来预测数据中的非线性分量;最后将两个模型的预测结果进行叠加。实验结果表明,新的组合模型比ARIMA、LSTM等模型,具有更高的预测精度。 展开更多
关键词 自回归差分移动平均模型 长短期记忆神经网络模型 粒子群优化算法 能量预测算法
在线阅读 下载PDF
基于ARIMA-LSTM算法的母猪妊娠期饲喂量预测 被引量：2
7
作者 岳宝昌 樊晓宇 +3 位作者 凌丽 谭飞飞 王洋 任国栋 《安徽科技学院学报》 2024年第4期110-116,共7页
目的:针对母猪妊娠期饲喂问题,对妊娠母猪饲喂量进行预测,以精确控制妊娠母猪所需要的饲料量,有助于母猪精准饲喂,节约养殖成本。方法:结合ARIMA和LSTM算法的各自优势,利用融合ARIMA和LSTM的ARIMA-LSTM优化算法,对妊娠期母猪饲喂量进行... 目的:针对母猪妊娠期饲喂问题,对妊娠母猪饲喂量进行预测,以精确控制妊娠母猪所需要的饲料量,有助于母猪精准饲喂,节约养殖成本。方法:结合ARIMA和LSTM算法的各自优势,利用融合ARIMA和LSTM的ARIMA-LSTM优化算法,对妊娠期母猪饲喂量进行精准预测,以控制智能饲喂器精准下料。结果:ARIMA-LSTM优化算法对母猪饲喂量的预测精度最高,相比ARIMA和LSTM算法,均方根误差分别降低48.74%和17.22%,平均绝对偏差分别降低48.70%和27.37%。结论:ARIMA-LSTM优化算法能够提高母猪妊娠期饲喂量的预测精度,能够控制智能饲喂器精准下料,为妊娠母猪饲喂量预测提供较好的依据。 展开更多
关键词 妊娠母猪 arima算法 LSTM算法 arima-LSTM优化算法
在线阅读 下载PDF
预测动车组牵引系统故障率的TSOBP-ARIMA-Prophet组合模型 被引量：1
8
作者 张雨晨 戴贤春 +2 位作者 刘敬辉 李秋芬 代成烨 《中国铁道科学》 EI CAS CSCD 北大核心 2024年第4期147-157,共11页
针对单一模型预测故障率时的适用性差异问题,在考虑动车组牵引系统故障率数据特点的基础上,提出TSOBP-ARIMA-Prophet组合模型。首先,针对动车组牵引系统故障率的复杂非线性,引入金枪鱼群算法(TSO)优化BP模型,训练出TSOBP预测模型;其次,... 针对单一模型预测故障率时的适用性差异问题,在考虑动车组牵引系统故障率数据特点的基础上,提出TSOBP-ARIMA-Prophet组合模型。首先,针对动车组牵引系统故障率的复杂非线性,引入金枪鱼群算法(TSO)优化BP模型,训练出TSOBP预测模型;其次,针对故障率的非平稳波动性,选取ARIMA预测模型;然后,针对故障率的季节周期性,选取Prophet预测模型;最后,运用方差倒数法对3个模型的预测结果赋权,得到TSOBP-ARIMA-Prophet组合模型的预测结果。以某动车组牵引系统为例,采用该组合模型预测故障率,并与3个单一模型及TSOBP-ARIMA组合模型对比验证其预测能力。结果表明:该组合模型预测时均方误差为0.0752,较TSOBP,ARIMA和Prophet模型单独预测时分别降低了45.83%,61.65%和53.42%,预测精度显著提高,且较TSOBP-ARIMA组合模型对数据趋势的感知力更优,可有效提升对动车组牵引系统故障率的预测能力。 展开更多
关键词 动车组牵引系统 故障率预测 组合模型 BP模型 金枪鱼群算法 arima模型 Prophet模型
在线阅读 下载PDF
基于ARIMA和模拟退火算法的电商包裹调运问题研究 被引量：2
9
作者 郭锋 彭金龙 +2 位作者 陈鹏 尤硕 李天博 《现代工业经济和信息化》 2024年第7期251-254,共4页
随着网络购物方式的日益普及和互联网经济的发展,因促销活动和物流场地停用所导致的运输和分拣包裹成本上升的问题也随之而来。为了降低运营成本、提高运营效率,预测物流场地和运输线路的货物量,为货物调运选择最优路线和方案尤为重要... 随着网络购物方式的日益普及和互联网经济的发展,因促销活动和物流场地停用所导致的运输和分拣包裹成本上升的问题也随之而来。为了降低运营成本、提高运营效率,预测物流场地和运输线路的货物量,为货物调运选择最优路线和方案尤为重要。基于此,建立了ARIMA时间序列预测模型,对物流场地和线路未来的货运量进行预测研究,建立线性规划模型,优化调整突发情况下的货运线路,利用模拟退火算法进行求解,选择影响程度较小的最优线路,降低运输成本。 展开更多
关键词 arima时间序列预测模型 线性规划模型 模拟退火算法
在线阅读 下载PDF
陕西省月用水量预测方法研究 被引量：1
10
作者 陈星 沈紫菡 +2 位作者 许钦 刘睿佳 蔡晶 《水利水电科技进展》 北大核心 2025年第1期73-78,共6页
基于国家水资源管理信息系统的月用水量数据分析,选用ARIMA模型、BP神经网络模型以及经过遗传算法(GA)优化的BP神经网络模型(GA-BP神经网络模型)进行月用水量模拟。在构建BP神经网络模型过程中,通过多源社会经济数据的整合与分析,采用... 基于国家水资源管理信息系统的月用水量数据分析,选用ARIMA模型、BP神经网络模型以及经过遗传算法(GA)优化的BP神经网络模型(GA-BP神经网络模型)进行月用水量模拟。在构建BP神经网络模型过程中,通过多源社会经济数据的整合与分析,采用平均影响值算法(MIV)和皮尔逊相关系数联合方法筛选月用水量的关键影响因子。研究结果表明,三种模型在陕西省月用水量预测中均表现出较高的精度,其中GA-BP神经网络模型的预测精度最高。为进一步验证影响因子对模拟结果的影响,采用不同方法筛选影响因子作为GA-BP神经网络模型的输入,模拟结果表明,MIV和皮尔逊相关系数联合方法提高了影响因子的选取精度,能够有效提升GA-BP神经网络模型的模拟性能。 展开更多
关键词 月用水量预测 arima模型 遗传算法 神经网络模型 因子筛选 陕西省
在线阅读 下载PDF
利用遗传算法优化的ARIMA-BP组合模型预测手足口病发病趋势 被引量：11
11
作者 吴文博 李虹艾 +1 位作者 万鹏程 袁秀琴 《中南医学科学杂志》 CAS 2014年第6期572-576,共5页
目的 探讨ARIMA模型及遗传算法优化的ARIMA-BP神经网络组合模型在传染病预测与预警中的应用,为相关部门制定防治措施提供参考. 方法 选择某市2009～ 2013年的手足口病发病数作为研究对象,首先建立ARIMA模型,得到的拟合值作为神经网络输... 目的 探讨ARIMA模型及遗传算法优化的ARIMA-BP神经网络组合模型在传染病预测与预警中的应用,为相关部门制定防治措施提供参考. 方法 选择某市2009～ 2013年的手足口病发病数作为研究对象,首先建立ARIMA模型,得到的拟合值作为神经网络输入值,真实观测值作为输出值,带入通过遗传算法优化的BP神经网络中训练,并比较两种模型的预测精度. 结果 对建立的ARIMA（1,0,0）（1,1,0）12模型预测的相对误差为39.89％,决定系数为0.786,经统计检验残差为白噪声序列;组合模型预测的相对误差为26.25％,决定系数为0.852. 结论 该组合模型的预测精度高于ARIMA模型,且对于极值的预测较为精确,可以为其他传染病的预测及建立统计预警提供参考. 展开更多
关键词 arima 遗传算法 BP神经网络 组合模型 手足口病
暂未订购
基于ARIMA模型的Ad-hoc网络节点位置预测加权分簇算法 被引量：3
12
作者 沙毅 杨艳 +2 位作者 黄烨 朱丽春 张志伟 《计算机科学》 CSCD 北大核心 2012年第3期47-50,共4页
在加权分簇算法(WCA)中引入预测机制,即在算法的路由维护阶段嵌入时间序列模型(ARIMA),用以预测网络节点的地理位置。利用ARIMA模型实时预测出节点下一时刻的地理位置,并以此计算出节点的累计保持时间预测值。将通过预测得到的累计保持... 在加权分簇算法(WCA)中引入预测机制,即在算法的路由维护阶段嵌入时间序列模型(ARIMA),用以预测网络节点的地理位置。利用ARIMA模型实时预测出节点下一时刻的地理位置,并以此计算出节点的累计保持时间预测值。将通过预测得到的累计保持时间值与时间预警阈值进行比较,在簇结构即将不稳定时,即在链路断开之前,提前启动预修复过程,寻找新的路由,降低网络拓扑动态变化的影响,维护簇结构的稳定。仿真结果表明,相对于LO-WID以及没有加入预测机制的RLWCA,ARP-LWCA算法大幅度提高了网络的分组投递率,降低了网络的归一化开销,并且使得路由中断次数有了明显减少,改善了网络的整体性能。 展开更多
关键词 AD-HOC网络 arima预测 分簇算法 CBRP
在线阅读 下载PDF
基于ARIMA与WASDN加权组合的时间序列预测 被引量：6
13
作者 张雨浓 劳稳超 +2 位作者 丁玮翔 王英 叶成绪 《计算机应用研究》 CSCD 北大核心 2015年第9期2630-2633,2638,共5页
为了提高时间序列预测方法的预测精度以及增强其适用性,提出一种ARIMA-WASDN加权组合方法。该方法同时使用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型与配备权值及结构确定(weights and structure determ... 为了提高时间序列预测方法的预测精度以及增强其适用性,提出一种ARIMA-WASDN加权组合方法。该方法同时使用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型与配备权值及结构确定(weights and structure determination,WASD)算法的幂激励前向神经网络(WASDN)对时间序列进行建模、测试以及预测。根据测试结果,将ARIMA与WASDN进行加权组合。数值实验结果显示,所提出的ARIMA-WASDN加权组合方法的预测精度高于ARIMA或WASDN单独使用时的预测精度,验证了该方法在时间序列预测方面的有效性和优越性。 展开更多
关键词 差分自回归移动平均模型 权值与结构确定算法 幂激励前向神经网络 时间序列预测 加权组合
在线阅读 下载PDF
基于灰色-ARIMA的金融时间序列智能混合预测研究 被引量：10
14
作者 罗洪奔 《财经理论与实践》 CSSCI 北大核心 2014年第2期27-34,共8页
提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIM... 提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIMA的残差预测结果对灰色预测模型进行补偿。结果表明,以较好的精度拟合一段时期内MA<107的时间序列,预测误差控制在5%以上,与单纯的灰色预测算法和神经网络算法相比,在平均绝对误差、均方根误差和趋势准确率三项评价指标上,具有明显优势。 展开更多
关键词 金融时间序列 灰色预测 arima PSO 遗传算法
在线阅读 下载PDF
基于PSO-RVM-ARIMA的大坝变形预警模型 被引量：8
15
作者 屠立峰 包腾飞 +1 位作者 唐琪 李月娇 《中国农村水利水电》 北大核心 2015年第6期112-115,共4页
为克服支持向量机对核函数需满足Mercer条件的不足,学者们将相关向量机RVM引入大坝安全监测模型。为进一步提高RVM模型的预测精度,首先通过粒子群算法PSO对RVM的核参数寻优,再利用ARIMA模型对PSO-RVM模型的拟合残差项进行预测修正,建立P... 为克服支持向量机对核函数需满足Mercer条件的不足,学者们将相关向量机RVM引入大坝安全监测模型。为进一步提高RVM模型的预测精度,首先通过粒子群算法PSO对RVM的核参数寻优,再利用ARIMA模型对PSO-RVM模型的拟合残差项进行预测修正,建立PSO-RVM-ARIMA模型。通过实例分析,PSO-RVM-ARIMA模型的预测精度和泛化能力较RVM模型均有一定程度的提高。 展开更多
关键词 粒子群算法 相关向量机 arima 预警模型
在线阅读 下载PDF
基于历史发电及气象数据的双阶段风力发电量预测方法
16
作者 顾凌龙 何非 +1 位作者 龙苏岩 岳紫玉 《可再生能源》 北大核心 2025年第9期1213-1220,共8页
为准确、可靠地预测风力发电量,进一步保障电力系统安全稳定运行,文章针对仅使用历史发电数据或气象数据的预测模型存在的缺陷,提出了一种基于历史发电数据与气象数据的双阶段风力发电量预测模型。首先,利用历史发电数据并基于自回归移... 为准确、可靠地预测风力发电量,进一步保障电力系统安全稳定运行,文章针对仅使用历史发电数据或气象数据的预测模型存在的缺陷,提出了一种基于历史发电数据与气象数据的双阶段风力发电量预测模型。首先,利用历史发电数据并基于自回归移动平均模型(ARIMA)实现发电量的初步预测,并获取残差序列;然后,结合气象数据和残差序列,基于Bi LSTM模型对残差序列进行预测,同时,基于粒子群优化算法(PSO)实现ARIMA模型的定阶及Bi LSTM模型的超参数优化;最后,构建了包含训练、测试和优化在内的算法流程。实验结果表明,双阶段风力发电量预测模型的预测精度高于单一模型,R^(2)比其他模型提高了5.3%以上。 展开更多
关键词 风力发电 发电量预测 arima模型 PSO算法 BiLSTM算法
在线阅读 下载PDF
基于电力数据扩展面板的行业经济画像分析
17
作者 李强 范李平 +4 位作者 杜丰夷 黄宇 漆曾 杨家星 马辉 《电力学报》 2025年第2期95-104,共10页
电力数据在很大程度上体现了社会经济发展和能源结构需求的变化,建立能源数据分析平台可辅助政府部门开展相关政策决策,推动社会经济结构的优化,为此,提出一种基于电力数据扩展面板的行业经济画像分析的方法。该方法对强周期性行业进行... 电力数据在很大程度上体现了社会经济发展和能源结构需求的变化,建立能源数据分析平台可辅助政府部门开展相关政策决策,推动社会经济结构的优化,为此,提出一种基于电力数据扩展面板的行业经济画像分析的方法。该方法对强周期性行业进行聚类分析,并利用基于扩展面板的电力经济景气指数计算模型评估产业生产运行状态。首先,利用ARIMA算法对电力负荷数据进行季节性调整,识别出行业负荷周期性变化趋势;其次,基于欧式距离的K‒means聚类对强周期性行业用电特征分类,探究行业负荷特性;然后,构建基于扩展面板的电力经济景气指数计算模型,从电力消费指标和经济指标等2个维度共同把控各行业经济发展趋势,构建行业电力经济景气指数;最后,以湖北省某市各行业用电量及经济数据为基准进行行业经济画像分析,结果表明所提方法能科学有效地描述行业经济走势。 展开更多
关键词 电力数据 负荷特性曲线分析 扩展面板 行业景气指数 arima算法 K‒means聚类 画像分析
在线阅读 下载PDF
基于ARIMA模型的时间序列建模算法和实证分析 被引量：11
18
作者 赵肖肖 朱宁 黄黎平 《桂林电子科技大学学报》 2012年第5期410-415,共6页
通过对时间序列ARIMA模型建模方法的研究,将方差分析运用于时间序列建模,对季节数据做方差检验并确定周期。基于统计软件SAS分析ARIMA模型建模方法的具体算法,绘制详细的建模流程图。从模型的识别、参数估计、建模和预测等各方面介绍了... 通过对时间序列ARIMA模型建模方法的研究,将方差分析运用于时间序列建模,对季节数据做方差检验并确定周期。基于统计软件SAS分析ARIMA模型建模方法的具体算法,绘制详细的建模流程图。从模型的识别、参数估计、建模和预测等各方面介绍了模型建立和预测的全过程。利用SAS软件,结合引入的方差检验方法和算法流程对1990年1月至2010年12月的中国消费者价格指数季节性时间序列建立了乘积ARIMA模型,预测并分析了CPI的基本走势。 展开更多
关键词 时间序列 arima模型 季节模型 预测 方差分析 算法 CPI
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：7
19
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
ARIMA-BP神经网络高速列车隧道压力波预测模型研究 被引量：7
20
作者 陈春俊 杨露 +1 位作者 何智颖 周林春 《中国测试》 CAS 北大核心 2021年第10期80-86,共7页
为更精准地进行车内压力波动控制,需要预测高速列车通过隧道时车外隧道压力波的实时变化值。在对列车历史运行重复隧道压力波数据的分析基础上,采用工况匹配(WCM)与加权K最近邻(WKNN)算法从数据库中选取若干与本次工况相接近的运行状态... 为更精准地进行车内压力波动控制,需要预测高速列车通过隧道时车外隧道压力波的实时变化值。在对列车历史运行重复隧道压力波数据的分析基础上,采用工况匹配(WCM)与加权K最近邻(WKNN)算法从数据库中选取若干与本次工况相接近的运行状态数据,并根据相似程度确定数据权重,构建预测用的历史数据。分别采用差分自回归滑动平均(ARIMA)与BP神经网络(BPNN)模型对隧道压力波进行预测,并将两种预测结果并联考虑,形成ARIMA-BPNN隧道压力波组合预测模型。利用武广客运专线某隧道压力波实测数据进行仿真。仿真结果表明:与WCM-WKNN-ARIMA及WCM-WKNN-BPNN单一预测模型以及WCM-ARIMA-BPNN组合预测模型相比,所建立组合模型能有效对隧道压力波进行预测,且能够取得更高精度的预测结果。 展开更多
关键词 高速列车 隧道压力波预测模型 差分自回归滑动平均-BP神经网络组合模型 工况匹配算法 加权K最近邻算法
在线阅读 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 … 5 下一页 到第 页
使用帮助 返回顶部