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4,950篇文章
< 1 2 … 248 >
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：
长白落叶松人工林径向生长情景的ARIMA模型构建
1
作者 贺思雨 金星姬 +1 位作者 童茜坪 李凤日 《东北林业大学学报》 北大核心 2026年第4期1-8,共8页
以黑龙江省孟家岗林场的长白落叶松(Larix olgensis)人工林为研究对象,基于树木生长轮宽度数据构建ARIMA模型,以解析径向生长的时间序列特征并模拟其动态过程。通过对167根树芯样本进行COFFCHA交叉定年法与年表建立,利用相关性分析量化... 以黑龙江省孟家岗林场的长白落叶松(Larix olgensis)人工林为研究对象,基于树木生长轮宽度数据构建ARIMA模型,以解析径向生长的时间序列特征并模拟其动态过程。通过对167根树芯样本进行COFFCHA交叉定年法与年表建立,利用相关性分析量化生长轮宽度与气候要素的关系。经ADF单位根检验得到平稳时间序列后,依据AIC和BIC准则确定最优模型为ARIMA(2,1,0),并引入基于残差方差的蒙特卡洛模拟方法,构建未来50 a径向生长的多情景预测,以反映气候变化背景下的生长波动。最终保留139条有效序列,主序列年限为62 a,相关系数为0.493,平均敏感度为0.303。模型在2022—2023年预测中表现良好,均方根误差为0.1319,平均绝对误差为0.1015,平均绝对百分比误差为15.52%,所有预测值均落入90%置信区间,拟合效果优良。Ljung-Box检验进一步验证残差序列为白噪声,模型无遗漏结构。研究结果表明:该模型能够在不依赖大量外部气候数据的情况下,实现对林分未来径向生长的有效中长期预测,适用于数据相对有限的人工林经营实践。结合随机扰动模拟生成多种生长情景,有助于评估未来不同气候条件下林分生长的波动性与潜在风险,从而为人工林抚育、轮伐期确定及碳汇动态管理等提供量化支持。 展开更多
关键词 长白落叶松 arima 树木生长轮 随机性 时间序列 情景模拟
在线阅读 下载PDF
ARIMA模型在新疆2004-2025年流行性脑脊髓膜炎发病情况预测中的应用
2
作者 哈力木别克·那扎尔别克 符文慧 +5 位作者 兰兆国 田甜 叶斯泰·木黑牙提 乌其尔加甫·才媲丽玛 张永帅 谢娜 《热带医学杂志》 2026年第1期93-96,129,F0004,共6页
目的通过分析新疆地区流行性脑脊髓膜炎(流脑)的发病数据,筛选出最合适的自回归求和移动平均(ARIMA)模型。利用该模型观察流脑的流行趋势,并预测潜在的疫情发展,为流脑的预防和控制措施提供科学依据。方法研究选取了中国疾病预防控制信... 目的通过分析新疆地区流行性脑脊髓膜炎(流脑)的发病数据,筛选出最合适的自回归求和移动平均(ARIMA)模型。利用该模型观察流脑的流行趋势,并预测潜在的疫情发展,为流脑的预防和控制措施提供科学依据。方法研究选取了中国疾病预防控制信息系统中,新疆地区2004-2024年的流脑发病数据作为分析对象。利用SPSS 26.0软件,对2004年1月-2024年12月252个月发病数据,应用ARIMA模型进行建模分析。随后,使用2024年1-12月的12个月数据对模型进行验证,最终选定最佳模型,以预测2025年1-12月新疆地区流脑的流行趋势。结果新疆地区流脑的流行模式已从周期性高发转变为以散发病例为主。对2004-2023年发病数据的序列分析显示,发病具有明显的季节性,每年3-5月为高峰,并表现出明显的非平稳特征。为消除季节影响,进行了第一阶差分和季节性差分,得到平稳序列。使用增广DF检验确认其平稳性,ARIMA模型中d值和D值均为1。经过自相关函数和偏自相关函数分析,最终确定ARIMA(0,0,3)(1,0,1)为最佳模型,BIC值为3.630,平稳R^(2)为0.493。预测2025年流脑将以季节性散发病例为主。结论新疆地区流脑的发病趋势在选定的ARIMA模型下得到了有效的预测。该模型不仅能够为流脑的短期预测提供支持,而且有助于深入分析流脑的发病动态,为疫情防控的决策过程提供有力的数据支持。 展开更多
关键词 arima模型 脑膜炎奈瑟菌 流行性脑脊髓膜炎
原文传递
基于VMD-ARIMA的螺杆空压机轴承磨损预测模型
3
作者 周亚东 《液压气动与密封》 2026年第2期110-117,共8页
轴承是现代机械设备的核心部件之一,在润滑不充分的情况下,轴承接触面易出现磨损退化,为设备运行带来极大安全隐患。为定量评估螺杆空压机轴承磨损状态,提出一种分解方法和时间序列模型结合的螺杆空压机轴承磨损预测模型。首先,基于VMD(... 轴承是现代机械设备的核心部件之一,在润滑不充分的情况下,轴承接触面易出现磨损退化,为设备运行带来极大安全隐患。为定量评估螺杆空压机轴承磨损状态,提出一种分解方法和时间序列模型结合的螺杆空压机轴承磨损预测模型。首先,基于VMD(Variational Mode Decomposition)方法对螺杆空压机轴承摩擦系数试验数据进行分解,然后通过时间序列分析方法构建VMD-ARIMA(Auto Regressive Integrated Moving Average)模型预测摩擦系数。结果表明:基于VMD-ARIMA模型的预测结果与3组试验数据的平均绝对百分比误差小于0.89%,比传统时间序列模型预测结果的平均绝对百分比误差减少了1.30%,因此,VMD-ARIMA模型在螺杆空压机轴承磨损预测方面具有较好的准确性。 展开更多
关键词 螺杆空压机 磨损预测 VMD分解 arima模型
在线阅读 下载PDF
武咸城际铁路客流时空分布特征与ARIMA客流预测
4
作者 王芹芹 《铁道运营技术》 2026年第1期22-26,共5页
客流分析是合理设计列车开行方案和列车运行图的基础与依据。科学合理的列车开行方案与运行图对于提升旅客服务水平,降低运营部门运营成本具有重要意义。以武咸城际铁路为研究对象,旨在系统揭示其客流分布与变化规律,并为运营优化提供... 客流分析是合理设计列车开行方案和列车运行图的基础与依据。科学合理的列车开行方案与运行图对于提升旅客服务水平,降低运营部门运营成本具有重要意义。以武咸城际铁路为研究对象,旨在系统揭示其客流分布与变化规律,并为运营优化提供预测支持。通过分析其开通运营以来的旅客发送量、车站客流分布及列车客座率等指标,重点对比分析了2023年7月运行图调整前后的客流变化。从时间(工作日、周末、节假日)和空间(站间客流OD分布)两个维度梳理了客流分布特征。在此基础上,利用2023年武汉东站(武咸方向)日均客流数据,构建ARIMA时间序列预测模型,并对2024年1月至6月客流进行了短期预测。通过将预测值与实际值对比验证,结果显示模型预测平均相对误差为7%,表明ARIMA模型在城际铁路短期客流预测中具有较高的可靠性,能为列车开行方案优化与运营策略调整提供数据支撑和科学依据。 展开更多
关键词 城际铁路 客流预测 客流特征 arima模型
在线阅读 下载PDF
2012—2024年灵武市手足口病流行病学特征及ARIMA模型预测分析
5
作者 吴亚楠 杨晓燕 +2 位作者 李建鹏 杨帆 张坤 《中华卫生杀虫药械》 2026年第1期119-123,共5页
目的分析宁夏灵武市手足口病流行病学特征及发病趋势,并提出科学防控策略。方法收集灵武市2012—2024年手足口病病例资料,采用描述性流行病学方法,分析灵武市手足口病三间分布特征,并构建自回归移动平均模型(ARIMA)进行预测分析。结果2... 目的分析宁夏灵武市手足口病流行病学特征及发病趋势,并提出科学防控策略。方法收集灵武市2012—2024年手足口病病例资料,采用描述性流行病学方法,分析灵武市手足口病三间分布特征,并构建自回归移动平均模型(ARIMA)进行预测分析。结果2012—2024年灵武市手足口病报告发病率呈波动性,年均报告发病率为77.94/10万,2022年报告发病率最低,为6.06/10万,2019年报告发病率最高,为224.32/10万。全年均有病例报告,发病高峰期主要集中在5—7月和9—11月;从人群分布来看,易感人群以5岁及以下的散居和幼托儿童为主,男童报告发病率高于女童。ARIMA模型显示,2012—2024年手足口病的拟合值与实际观测值高度吻合,平均绝对误差(MAE=18.78)和均方根误差(RMSE=34.79)较小,表明模型拟合效果好,能有效捕捉数据的趋势和季节性特征;预测显示,2025—2027年手足口病仍存在季节性波动,且发病数平稳。结论灵武市手足口病防控应构建以“重点人群、关键时期、科学预警”为核心的联防联控体系,以5岁以下散居与幼托儿童防控为重点,在夏秋季年度双流行高峰来临前做好防控资源调配与应急行动,要强化教育和卫生部门间联动,发挥预警效能。 展开更多
关键词 手足口病 流行特征 arima模型 防控对策
原文传递
基于ARIMA模型的湖北省山地区建设项目耕地占用比例预测研究
6
作者 李荆荆 邓惠芬 +3 位作者 李彦丹 祝君君 黄凡 匡颖 《湖北大学学报(自然科学版)》 2026年第2期153-165,共13页
湖北省山地区面积占全省土地总面积的56%,山地区的耕地面积仅占全省耕地总面积的12%,耕地资源在山地区尤为稀缺,然而,诸多建设项目由于选址的特殊性,不可避免地面临耕地占用情形。因此,为实现生态优先战略下的土地资源优化配置,亟需探... 湖北省山地区面积占全省土地总面积的56%,山地区的耕地面积仅占全省耕地总面积的12%,耕地资源在山地区尤为稀缺,然而,诸多建设项目由于选址的特殊性,不可避免地面临耕地占用情形。因此,为实现生态优先战略下的土地资源优化配置,亟需探明山地区建设项目占用耕地比例的合理阈值,以达到平衡该区域耕地资源保护和建设项目节约集约用地的目标。基于湖北省2013—2022年交通、能源、水利建设项目以及“十四五”规划建设项目数据,构建自回归移动平均数(ARIMA)时间序列模型来预测建设项目占用耕地比例;结合预测值、历史均值及置信区间上限设定动态阈值;通过“项目通过率—耕地节约率”综合得分来量化评估管控效能。研究结果表明,交通项目未来趋势呈周期性波动,推荐采用预测均值阈值(35.44%),并建议阈值压缩至40%以下;能源项目趋势性上升,推荐采用预测均值阈值(29.67%)作为核心管控基准;水利项目预测值稳定在低位,优先推荐预测均值阈值(5.58%),对新增项目建议上限不超过20%。在耕地保护优先情景下,交通、能源和水利三类项目阈值上限应分别控制在40%、35%、10%;经济发展优先情景下可放宽至45%、38%、15%;平衡发展情景下则建议维持动态阈值策略。本研究构建的建设项目与耕地占用的“预测—校准—反馈”动态框架,希冀为长江经济带生态敏感区内耕地保护目标提供政策依据。 展开更多
关键词 山地建设项目 耕地占用 动态阈值 耕地节约率 arima模型
在线阅读 下载PDF
基于ARIMA模型的全球航空碳排放量预测
7
作者 王琦 田利军 《中外能源》 2026年第2期8-16,共9页
为应对全球气候变暖背景下航空业碳排放管控需求,把握未来全球航空碳排放趋势,采用自回归差分移动平均模型(ARIMA),对全球航空业未来二氧化碳排放进行建模和预测。基于1940~2024年全球航空碳排放量时间序列数据,采用指数平滑法修复2020~... 为应对全球气候变暖背景下航空业碳排放管控需求,把握未来全球航空碳排放趋势,采用自回归差分移动平均模型(ARIMA),对全球航空业未来二氧化碳排放进行建模和预测。基于1940~2024年全球航空碳排放量时间序列数据,采用指数平滑法修复2020~2022年疫情异常值,构建ARIMA模型并经平稳性与残差检验,确定ARIMA(1,2,1)为最优预测模型。2025~2050年排放趋势多情景预测结果显示:基准情景下2050年排放量达1390.58×10^(6)t,不符合温控目标要求;政策驱动情景在2035年左右达峰,但受SAF产能等限制减排不足;净零情景2050年排放量为278.12×10^(6)t,契合温控要求,但需突破零碳技术商业化和碳移除技术成本瓶颈。未来全球航空业应努力构建跨国协同的政策框架,强化零碳技术研发与产业化支持,完善SAF产业链保障机制,最终实现净零排放目标。 展开更多
关键词 航空碳排放 arima模型 多情景预测 零碳技术 碳移除 净零排放
原文传递
基于ARIMA模型的浙江省农产品物流需求分析研究
8
作者 余子豪 周志丹 《物流科技》 2026年第3期21-25,共5页
随着经济的不断增长,人们对于健康绿色农产品的需求也在不断增加,农产品物流需求预测对于保障区域农产品供应链的稳定性和效率至关重要。文章旨在通过分析浙江省近40年的农产品产量和产值数据,利用ARIMA模型预测未来10年的产量和产值,... 随着经济的不断增长,人们对于健康绿色农产品的需求也在不断增加,农产品物流需求预测对于保障区域农产品供应链的稳定性和效率至关重要。文章旨在通过分析浙江省近40年的农产品产量和产值数据,利用ARIMA模型预测未来10年的产量和产值,并通过计算物流运输量、冷链物流需求、物流服务价值等指标,分析浙江省农产品未来的物流需求,对于提升浙江省农产品物流系统规模以及促进浙江省冷链物流发展具有重要的参考。 展开更多
关键词 arima模型 农产品物流需求 产量预测 产值预测
在线阅读 下载PDF
基于ARIMA模型的小型变速水力发电机功率预测
9
作者 衣志冲 曾小勇 +1 位作者 刘志国 胡文华 《信息技术》 2026年第2期192-197,共6页
小型变速水力发电机的功率受水流速度、水位等因素影响,且这些因素之间存在复杂的非线性关系,导致预测功率易出现误差。为此,文中提出新的功率预测方法。获取区域控制偏差信号,利用等效控制率及切换控制率控制负荷波动。将现场采集的功... 小型变速水力发电机的功率受水流速度、水位等因素影响,且这些因素之间存在复杂的非线性关系,导致预测功率易出现误差。为此,文中提出新的功率预测方法。获取区域控制偏差信号,利用等效控制率及切换控制率控制负荷波动。将现场采集的功率时间序列组建成自回归积分滑动平均(Autoregressive Integrated Moving Average,ARIMA)模型,利用气象相似日的预测残差组建支持向量回归(Support Vector Regression,SVR)模型,完成发电机功率预测。实验结果表明,采用所提方法进行小型变速水力发电机功率预测后,预测精度得到显著提升,且相关系数最高为0.993。 展开更多
关键词 负荷波动 arima模型 小型变速水力发电机 功率预测
在线阅读 下载PDF
基于ARIMA模型的中国人口老龄化趋势预测及老年文娱需求演变探析
10
作者 卓雯雯 罗元梅 +2 位作者 段胡杰 杨坤 陈锐 《商展经济》 2026年第3期32-35,共4页
当前,中国人口老龄化进程持续加快,老年人口规模持续扩大,这一趋势也为养老产业、银发经济带来新的发展机遇,其中老年文娱消费市场潜力巨大。本文运用ARIMA模型预测未来五年65岁及以上老龄人口数量,系统分析老年文娱消费特点及影响因素... 当前,中国人口老龄化进程持续加快,老年人口规模持续扩大,这一趋势也为养老产业、银发经济带来新的发展机遇,其中老年文娱消费市场潜力巨大。本文运用ARIMA模型预测未来五年65岁及以上老龄人口数量,系统分析老年文娱消费特点及影响因素,并针对养老产业发展问题提出相关建议,以期推动产业发展,满足老年人文娱需求,应对老龄化挑战。 展开更多
关键词 arima模型 人口老龄化 老年娱乐 文娱消费 娱乐设施
在线阅读 下载PDF
基于DPSIRM-TOPSIS-ARIMA模型的甘肃省水资源承载力评价与预测
11
作者 高秉俊 刘飞 +2 位作者 程雯嘉 李建玲 李慧 《水利规划与设计》 2026年第1期7-11,41,共6页
为缓解甘肃省水资源短缺问题,构建以“驱动-压力-状态-影响-响应-管理”为准则的综合评价指标体系,文章利用TOPSIS模型和ARIMA预测模型对甘肃省2009—2030年水资源承载力进行综合评价和预测。结果表明:权重占比最大的子系统为驱动力子系... 为缓解甘肃省水资源短缺问题,构建以“驱动-压力-状态-影响-响应-管理”为准则的综合评价指标体系,文章利用TOPSIS模型和ARIMA预测模型对甘肃省2009—2030年水资源承载力进行综合评价和预测。结果表明:权重占比最大的子系统为驱动力子系统,权重占比前三的指标是生态环境用水量X17、人口自然增长率X1和城镇居民可支配收入X15;2009—2022年承载力呈波动上升趋势;预测2023—2030年承载力总体呈上升趋势,均处于弱承载水平。该研究结果可为甘肃省水资源发展提供科学依据。 展开更多
关键词 水资源承载力 DPSIRM模型 arima模型 评价与预测
在线阅读 下载PDF
基于ARIMA算法的玉米籽粒储藏温度预测研究 被引量：2
12
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算法的地铁乘客流量预测 被引量：1
13
作者 海玲 刘文 +2 位作者 刘岩 谷峥 刘智勇 《计算机与数字工程》 2025年第3期666-670,共5页
随着城市人口的日渐增加,带来的突出问题就是地铁线路运输的客流量激增,导致地铁的承载压力变大,给地铁管理部门的运营调度工作带来极大的挑战,针对上述问题,急需一种地铁乘客流量预测方法来解决地铁运管部门运营调度的难题。基于此,论... 随着城市人口的日渐增加,带来的突出问题就是地铁线路运输的客流量激增,导致地铁的承载压力变大,给地铁管理部门的运营调度工作带来极大的挑战,针对上述问题,急需一种地铁乘客流量预测方法来解决地铁运管部门运营调度的难题。基于此,论文在时间序列法预测地铁乘客流量的基础上,引用了ARIMA模型,基于数据分析筛选,通过对地铁客流历史数据的特征变化分析,进行了20条站点线路的数据稳定性优化及白噪声检验,使用自相关和偏相关图来对模型参数估值,最后测试ARIMA模型的拟合度,对20个站点线路进行预测,分析地铁的客流数据变化情况,从而得到一个模拟计算后的客观预测数据,为地铁运营调度部门提供科学决策。 展开更多
关键词 数据分析 乘客流量 arima模型
在线阅读 下载PDF
中国2025—2035年稀土需求预测——基于灰色关联分析和ARIMA-GM-BP神经网络的组合模型 被引量：1
14
作者 郑明贵 李丽 于明 《稀土》 北大核心 2025年第2期145-158,共14页
稀土供需矛盾日益尖锐,科学预测未来中国稀土需求量,对稀土合理开采利用、进出口计划以及国家产业政策制定具有重要意义。利用灰色关联分析,选取2003—2023年稀土价格、中国GDP、产业结构作为主要驱动变量,并构建了ARIMA-GM-BP神经网络... 稀土供需矛盾日益尖锐,科学预测未来中国稀土需求量,对稀土合理开采利用、进出口计划以及国家产业政策制定具有重要意义。利用灰色关联分析,选取2003—2023年稀土价格、中国GDP、产业结构作为主要驱动变量,并构建了ARIMA-GM-BP神经网络组合模型,采用情景分析法预测中国2025—2035年稀土需求。结果表明,所选取驱动变量与中国稀土需求具有较高的关联性,且组合模型较单一模型预测精度更高;2025—2035年中国稀土需求量和进口量将持续上升,但增长速度有所放缓;三种情景下预测2025年、2030年和2035年中国稀土需求量均值分别为28万吨、42万吨和47万吨;2025—2035年平均进口依存度为24.96%。据此提出针对性的政策建议。 展开更多
关键词 arima-GM-BP模型 中国稀土 情景分析 需求 预测
原文传递
基于ARIMA和LSTM的高性能计算平台资源使用的预测研究 被引量：1
15
作者 李思琪 俞琨 陈宇皓 《计算机科学》 北大核心 2025年第9期178-185,共8页
随着科学研究和工程模拟中数据规模和实验复杂度的不断提升,对高性能计算资源的需求日益增长。然而由于资源有限,如何高效利用现有计算资源成为亟待解决的问题。基于2022年1月至2023年11月期间华东师范大学高性能计算中心集群收集的40... 随着科学研究和工程模拟中数据规模和实验复杂度的不断提升,对高性能计算资源的需求日益增长。然而由于资源有限,如何高效利用现有计算资源成为亟待解决的问题。基于2022年1月至2023年11月期间华东师范大学高性能计算中心集群收集的40万条作业数据,整理得到集群每日运行作业数和CPU资源利用率,以表征计算资源的使用情况。采用ARIMA模型、由LSTM改进的2DLSTM模型和ARIMA-2DLSTM组合模型对历史数据进行拟合,实现了对集群计算资源使用情况的长短期预测。通过平均绝对误差(MAE)和均方误差(MSE)指标评估模型预测效果,实验结果表明,ARIMA-2DLSTM组合模型在预测准确性上优于单独使用ARIMA模型和2DLSTM模型,且能够精确预测趋势变化以及波峰与低谷出现的时间,为高性能计算中心的资源分配提供了有效支持。 展开更多
关键词 高性能计算 时间序列分析 arima模型 LSTM模型 arima-LSTM组合模型
在线阅读 下载PDF
基于ARIMA和IndRNN组合模型的数据中心CPU负载预测
16
作者 李国 王菁菁 李静 《计算机应用与软件》 北大核心 2025年第11期183-190,共8页
针对数据中心的负载时间序列同时具有线性和非线性的复杂特性,单一模型在建模预测中常表现出一定的局限性。对此,提出一种融合小波分解的ARIMA(Auto Regressive Integrated Moving Average)和IndRNN(Independently Recurrent Neural Net... 针对数据中心的负载时间序列同时具有线性和非线性的复杂特性,单一模型在建模预测中常表现出一定的局限性。对此,提出一种融合小波分解的ARIMA(Auto Regressive Integrated Moving Average)和IndRNN(Independently Recurrent Neural Network)组合负载预测模型。通过哈尔小波将序列分解成趋势子序列和细节子序列,并分别利用ARIMA和IndRNN模型对两个子序列进行建模预测;将二者的预测结果重构,再通过IndRNN模型进行误差修正,进一步提高预测准确度。结果显示,所提的组合预测模型可靠,较其他方法精度更高。 展开更多
关键词 负载预测 时间序列预测 小波变换 arima IndRNN
在线阅读 下载PDF
基于ARIMA与GGACO算法的ETL任务调度机制研究
17
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
SBAS-InSAR与ARIMA模型在地铁沿线沉降监测中的应用——以乌鲁木齐为例
18
作者 邓文彬 邓刘洋 曹帅振 《都市快轨交通》 北大核心 2025年第6期55-62,共8页
为有效识别和防控地铁沿线及周边区域的地面沉降安全隐患,开展系统化的沉降监测工作至关重要。基于小基线集干涉测量(SBAS-InSAR)技术,获取乌鲁木齐市区地面沉降的时空演化特征,包括累积沉降量和沉降时间序列数据。同时,结合自回归积分... 为有效识别和防控地铁沿线及周边区域的地面沉降安全隐患,开展系统化的沉降监测工作至关重要。基于小基线集干涉测量(SBAS-InSAR)技术,获取乌鲁木齐市区地面沉降的时空演化特征,包括累积沉降量和沉降时间序列数据。同时,结合自回归积分滑动平均(ARIMA)预测模型,对重点沉降区域进行形变趋势预测,并针对地铁沿线典型沉降区段开展深入分析。研究结果表明:沙依巴克区、水磨沟区、乌鲁木齐县及新市区都有明显沉降,并有出现沉降漏斗区域,部分区域年沉降量达到7.3~31.4 mm。地铁1、2号线部分路段沉降明显,沉降区域面积大,需要重点关注这些路段。利用ARIMA模型对D4和D5两处沉降区域未来的12期进行预测且预测结果精度高,可为后期监测提供参考. 展开更多
关键词 城市轨道交通 INSAR 新疆地铁 arima模型 预测分析
在线阅读 下载PDF
基于ARIMA乘积季节模型的滨州市水痘发病趋势预测分析
19
作者 李阳 姜雪锦 +3 位作者 李承程 王孟杰 王春平 林韬 《华南预防医学》 2025年第9期1013-1016,共4页
目的构建求和自回归滑动平均(autoregressive integrated moving average,ARIMA)乘积季节模型,预测滨州市水痘发病趋势。方法收集2011—2024年滨州市水痘报告病例资料,基于2011—2023年月度数据构建水痘发病ARIMA乘积季节模型,采用2024... 目的构建求和自回归滑动平均(autoregressive integrated moving average,ARIMA)乘积季节模型,预测滨州市水痘发病趋势。方法收集2011—2024年滨州市水痘报告病例资料,基于2011—2023年月度数据构建水痘发病ARIMA乘积季节模型,采用2024年月度数据评价预测效果。采用最优的ARIMA乘积季节模型对2025年水痘月度数据进行预测。结果2011—2023年水痘月度报告病例存在季节性,水痘发病的最优预测模型为ARIMA(1,0,0)(0,1,1)_(12)。2024年水痘月度发病数实际值与预测值的平均绝对误差为-7.71、平均相对误差为-5.90%。预测2025年水痘月度发病例数40~134例,发病高峰与往年相似。结论ARIMA乘积季节模型可用于预测滨州市水痘发病数,水痘发病存在上升趋势,应加强相关措施的落实。 展开更多
关键词 水痘 发病趋势 arima乘积季节模型 预测
原文传递
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 … 248 下一页 到第 页
使用帮助 返回顶部