期刊文献+
共找到262篇文章
< 1 2 14 >
每页显示 20 50 100
基于多尺度健康因子-BEAST分解和SARIMA模型结合的锂离子电池剩余使用寿命预测
1
作者 姚芳 韩永康 +2 位作者 李谦 汤雨 张正宣 《天津大学学报(自然科学与工程技术版)》 北大核心 2026年第1期77-89,共13页
锂离子电池的剩余使用寿命(RUL)预测对电池管理和安全性至关重要.现有的RUL预测方法多依赖大量历史数据,且在复杂工况下精度较低,计算负担重.为解决这些问题,本文结合健康因子(HI)、贝叶斯时序分解估计器(BEAST)和季节性差分自回归移动... 锂离子电池的剩余使用寿命(RUL)预测对电池管理和安全性至关重要.现有的RUL预测方法多依赖大量历史数据,且在复杂工况下精度较低,计算负担重.为解决这些问题,本文结合健康因子(HI)、贝叶斯时序分解估计器(BEAST)和季节性差分自回归移动平均模型(SARIMA),提出了一种新颖的RUL预测方法.与传统方法不同,本文创新性地采用HI替代最大可放电容量,能够更精确地反映电池衰退过程;同时,结合贝叶斯时序分解估计器对HI进行分解与重构,提高了预测精度,减少了对大量历史数据的依赖;最后,利用季节性差分自回归移动平均模型对电池衰退的时序数据进行建模,显著提高了预测精度和计算效率.实验结果表明,以动态工况电池(CS#7)为例,所提方法在电池衰减5%时,最大相对误差小于2%,衰减10%时小于4.31%;相比LSTM和LSSVM方法,本文方法在MAE上分别降低了16.6%和25.9%,计算效率分别提高了55.2%和22.8%. 展开更多
关键词 锂离子电池 剩余使用寿命 健康因子 BEAST分解 sarima模型
在线阅读 下载PDF
基于SARIMA-LSTM组合模型的北极航道冰情预测与适航性分析 被引量:1
2
作者 胡麦秀 胡若兰 《极地研究》 北大核心 2025年第3期585-602,共18页
本文基于1991—2021年北极航道海冰密集度和厚度的观测数据以及国际海事组织(International Maritime Organization,IMO)最新发布的极地操作限制评估风险指数系统(POLARIS),对北极航道的综合航行风险值进行分析,并运用SARIMA-LSTM组合... 本文基于1991—2021年北极航道海冰密集度和厚度的观测数据以及国际海事组织(International Maritime Organization,IMO)最新发布的极地操作限制评估风险指数系统(POLARIS),对北极航道的综合航行风险值进行分析,并运用SARIMA-LSTM组合模型对北极航道冰情开展中长期变化趋势预测,同时评估两种具有代表性船型在航道上的通航能力。结果表明:(1)2022—2035年北极航道的冰情与前10年相比,呈现一定程度的减轻,包括海冰密集度和厚度均值分别下降了11.31%和4.82%,夏秋两季冰情变化更为明显;(2)基于IMO最新发布的POLARIS冰区航行风险评估系统,IACS PC7冰级船与IACS PC3冰级船的综合航行风险均不断下降;7—12月IACS PC7冰级船在北极航道各海区风险指数结果大于0,船舶在此期间航行风险是可控的和可正常操作的;而IACS PC3冰级船则在全年各海区风险指数结果大于0,全海域航行风险是可控的和可正常操作的;(3)基于船舶航行实际模拟设定的通航标准,对于不同冰级船在北极航道的可通航时间预测则存在着较大差异性,其中IACS PC7冰级船的可通航时间没有出现明显变化,依然为每年8—11月;而IACS PC3冰级船的可通航时间则从每年7月至翌年1月延长到每年6月至翌年2月。 展开更多
关键词 北极东北航道 冰情预测 适航性 sarima-LSTM组合模型
在线阅读 下载PDF
深圳市登革热新发病例及蚊媒密度SARIMA预测模型分析
3
作者 林良强 孔东锋 +5 位作者 项兰斌 陈志高 秦彦珉 刘阳 李剑锋 李苑 《中华卫生杀虫药械》 2025年第2期210-216,225,共8页
目的运用季节性差分求和自回归移动平均模型(SARIMA)分析和预测深圳市登革热发病和白纹伊蚊诱蚊诱卵指数(MOI)的变化趋势。方法收集2011年1月1日至2018年12月31日每月登革热发病和MOI数据,运用SPSS 20.0和Eviews 9.0统计软件拟合SARIMA... 目的运用季节性差分求和自回归移动平均模型(SARIMA)分析和预测深圳市登革热发病和白纹伊蚊诱蚊诱卵指数(MOI)的变化趋势。方法收集2011年1月1日至2018年12月31日每月登革热发病和MOI数据,运用SPSS 20.0和Eviews 9.0统计软件拟合SARIMA模型,并利用2018年1—12月的实际观测值与预测值进行分析比较,评估模型预测效果。结果深圳市登革热发病率与MOI均呈现明显的周期性和季节性,利用SARIMA(0,0,1)(0,1,1)12和SARIMA(1,1,0)(0,1,1)12分别预测了每月登革热发病率及MOI水平。2种不同SARIMA模型产生的预测值与实际值基本一致,其中登革热发病率预测模型中平均绝对误差百分比(MAPE)为175.74%,平均绝对误差(MAE)为10.59;而MOI预测模型中MAPE为41.63%,MAE为1.538。结论SARIMA(0,0,1)(0,1,1)12和SARIMA(1,1,0)(0,1,1)12模型可用于预测深圳市登革热的发生和传播风险。 展开更多
关键词 登革热 诱蚊诱卵指数(MOI) sarima模型 时间序列分析
原文传递
SARIMA模型在北京市东城区水痘发病趋势预测的应用
4
作者 白宏伟 汪静 +1 位作者 孙昊 翟力军 《首都公共卫生》 2025年第4期247-250,共4页
目的 探讨季节性差分自回归移动平均(SARIMA)模型在北京市东城区水痘发病趋势预测中应用的可行性,构建东城区水痘发病趋势预测系统,为水痘疫情早期预警和精准防控提供科学依据。方法 收集2013—2023年中国疾病预防控制信息系统中报告的... 目的 探讨季节性差分自回归移动平均(SARIMA)模型在北京市东城区水痘发病趋势预测中应用的可行性,构建东城区水痘发病趋势预测系统,为水痘疫情早期预警和精准防控提供科学依据。方法 收集2013—2023年中国疾病预防控制信息系统中报告的北京市东城区水痘病例,利用R软件进行时间序列分析并建立SARIMA乘法模型,利用该模型对2024年东城区水痘发病情况进行预测。结果 东城区水痘发病有明显的季节性,每年均有1个小高峰(4—5月)和1个大高峰(10—12月)。通过模型识别选定ARIMA(1,0,0)(0,1,1)[12]模型,模型的预测发病数据与实际发病数据趋势基本一致,均方根误差(RMSE)为4.38%,平均绝对百分比误差(MAPE)为21.72%,且实际发病数据均落在预测数据的95%CI范围内,表明模型拟合效果较好。利用该模型预测2024年东城区水痘的发病情况,全年发病251例,有4—5月、10—12月两个发病高峰,与往年发病趋势一致。结论 ARIMA(1,0,0)(0,1,1)[12]模型在东城区水痘发病趋势短期预测中表现出了较好效果。 展开更多
关键词 水痘 发病趋势 预测 风险评估 sarima模型 R语言
暂未订购
基于SARIMA-SVM模型的季节性PM_(2.5)浓度预测 被引量:1
5
作者 宋英华 徐亚安 张远进 《计算机工程》 北大核心 2025年第1期51-59,共9页
空气污染是城市环境治理的主要问题之一,而PM_(2.5)是影响空气质量的重要因素。针对传统时间序列预测模型对PM_(2.5)浓度预测缺少季节性因素分析,预测精度不够高的问题,提出一种基于机器学习的季节性差分自回归滑动平均-支持向量机(SARI... 空气污染是城市环境治理的主要问题之一,而PM_(2.5)是影响空气质量的重要因素。针对传统时间序列预测模型对PM_(2.5)浓度预测缺少季节性因素分析,预测精度不够高的问题,提出一种基于机器学习的季节性差分自回归滑动平均-支持向量机(SARIMA-SVM)融合模型。该融合模型为串联型融合模型,将数据拆分为线性部分与非线性部分。SARIMA模型在差分自回归滑动平均(ARIMA)模型的基础上增加了季节性因素提取参数,能有效分析PM_(2.5)浓度数据的季节性规律变化趋势,较好地预测数据未来的线性变化趋势。结合SVM模型对预测数据的残差序列进行优化,利用滑动步长预测法确定残差序列的最优预测步长,通过网格搜索确定最优模型参数,实现对PM_(2.5)浓度数据的长期预测,同时提高整体预测精度。通过对武汉市近5年的PM_(2.5)浓度监测数据进行分析,结果表明该融合模型的预测准确率相较于单一模型有很大提升,在相同的实验环境下比单一的ARIMA、Auto ARIMA、SARIMA模型分别提升了99%、99%、98%,稳定性也更好,为PM_(2.5)浓度预测研究提供了新的思路。 展开更多
关键词 季节性差分自回归滑动平均 支持向量机 融合模型 PM_(2.5)浓度 季节性预测
在线阅读 下载PDF
基于SARIMA模型的民航货邮运输量预测
6
作者 罗凤娥 朱子垚 +2 位作者 郭玲玉 杜裕鑫 吴小林 《舰船电子工程》 2025年第9期137-140,共4页
为了帮助航空公司更加精准地了解未来的运输需求,促进民航物流业务的发展,推进航空公司运行管理,优化飞机、人力和物流设施等资源配置。论文将1999年1月至2023年12月的中国民航货邮运输量当月值作为原始数据集,基于季节性自回归积分滑... 为了帮助航空公司更加精准地了解未来的运输需求,促进民航物流业务的发展,推进航空公司运行管理,优化飞机、人力和物流设施等资源配置。论文将1999年1月至2023年12月的中国民航货邮运输量当月值作为原始数据集,基于季节性自回归积分滑动平均模型对2024年~2026年民航货邮运输量进行预测。通过对民航货邮运输量的预测进而方便航空公司、物流公司和相关部门企业提前规划航线、航班频率和货物处理能力,提高民航货邮行业的整体运营效率,促进航空公司对民航物流业务风险的预测,进而提升民航运输的稳定性和可靠性。 展开更多
关键词 sarima模型 预测 民航货邮运输量
在线阅读 下载PDF
基于SVM-SARIMA-LSTM模型的城市用水量实时预测 被引量:2
7
作者 李轩 吴永强 +2 位作者 王佳伟 杨伟超 张天洋 《水电能源科学》 北大核心 2025年第3期36-39,6,共5页
为提高气象波动下城市用水量预测精度,通过季节性分解的趋势—季节性—残差程序(STL)将城市时用水量分解为趋势分量、季节性分量和残差分量3部分,使用季节性自回归移动平均模型(SARIMA)对季节性部分进行捕捉,利用支持向量机(SVM)提取趋... 为提高气象波动下城市用水量预测精度,通过季节性分解的趋势—季节性—残差程序(STL)将城市时用水量分解为趋势分量、季节性分量和残差分量3部分,使用季节性自回归移动平均模型(SARIMA)对季节性部分进行捕捉,利用支持向量机(SVM)提取趋势部分与气温、降水、风速、气压和相对湿度5个气象因素之间的关系,利用长短时记忆网络(LSTM)对波动性明显的残差部分进行关系捕捉,构建了SVM-SARIMA-LSTM用水量实时预测模型,并利用衡水市3个月时用水量数据和气象数据训练SVM-SARIMA-LSTM模型,以随后1周的实测数据作为验证集对模型预测性能进行评估。结果表明,SVM-SARIMA-LSTM模型的平均绝对百分比误差(E_(MAP))比SARIMA模型低4.502%,均方根误差(E_(RMSE))降低了39.084%,确定系数R^(2)提高了9.965%,最大绝对误差(E_(maxA))减小了55.946%,具有较好的应用价值。所建模型通过整合关键气象因素,准确地捕捉到城市用水量的季节性趋势及非季节性波动,展现了优良的泛化性。 展开更多
关键词 sarima模型 支持向量机 长短时记忆神经网络 SVM-sarima-LSTM模型 STL分解程序 气象因素 用水量预测
原文传递
基于SARIMA和Prophet模型的流行性感冒流行趋势预测与分析
8
作者 董贝贝 孙亚敏 +3 位作者 华伟玉 李梦瑶 何斌 刘锋 《首都公共卫生》 2025年第2期80-84,共5页
目的分析中国全国流感样病例(ILI)流感阳性率的变化趋势,比较季节性差分自回归移动平均模型(SARIMA)和Prophet模型的预测效果,为流感的防控提供科学依据。方法由于流感在中国南北方的流行特征具有差异,利用中国全国(以下简称全国)、南... 目的分析中国全国流感样病例(ILI)流感阳性率的变化趋势,比较季节性差分自回归移动平均模型(SARIMA)和Prophet模型的预测效果,为流感的防控提供科学依据。方法由于流感在中国南北方的流行特征具有差异,利用中国全国(以下简称全国)、南方地区和北方地区2015—2024年每周ILI的流感阳性率,构建SARIMA和Prophet模型进行预测,训练集为2015—2023年第1—52周数据,测试集为2024年第1—52周数据。使用平均绝对百分比误差(MAPE)评价预测效果。SARIMA模型采用AIC值确定参数,Prophet模型采用MAPE值确定最优参数。结果SARIMA模型对2025年全国ILI流感阳性率年度长期预测最好,MAPE为2.640%(南方:6.983%,北方:12.676%)。Prophet模型对全国ILI流感阳性率预测最好,MAPE为4.534%(南方:9.250%,北方:42.643%)。Prophet模型对2025年第1—10周全国流感阳性率预测MAPE为0.317%(SARIMA:0.483%)。结论SARIMA模型和Prophet模型预测各有优势,SARIMA在年度长期预测能力优于Prophet模型;在多周中长期预测能力劣于Prophet模型;在短期单点预测能力优于Prophet模型。 展开更多
关键词 流感样病例 流行性感冒 sarima模型 Prophet模型 预测
暂未订购
SARIMA模型在重庆市水痘发病率预测中的应用
9
作者 王菊 李柏松 +5 位作者 彭杨 熊宇 杨举乐 李知晋 漆莉 龙江 《保健医学研究与实践》 2025年第4期35-41,共7页
目的 基于重庆市水痘监测数据,探讨季节性差分自回归移动平均(SARIMA)模型在重庆市水痘发病趋势预测中的应用。方法 从传染病报告信息管理系统查询2015年1月—2024年12月重庆市水痘个案和人口数据,采用R软件对重庆市水痘月报告发病率构... 目的 基于重庆市水痘监测数据,探讨季节性差分自回归移动平均(SARIMA)模型在重庆市水痘发病趋势预测中的应用。方法 从传染病报告信息管理系统查询2015年1月—2024年12月重庆市水痘个案和人口数据,采用R软件对重庆市水痘月报告发病率构建最优SARIMA模型,利用该模型对2024年1—12月水痘报告发病率进行预测,并与实际值进行比较,用平均绝对误差等指标评价模型的拟合效果,并预测2025年1—12月水痘发病情况。结果 2015—2019年,重庆市水痘报告发病率呈上升趋势,2020—2024年呈波动性变化,整体呈下降趋势。SARIMA(1,0,1)(0,1,2)12模型为最优模型,该模型拟合度R2=0.896,贝叶斯信息准则=475.356。该模型残差为白噪声序列,模型参数均通过检验。2024年1—12月水痘报告发病率真实值与拟合值平均绝对误差=1.182,均方根误差=1.660,平均百分比误差=-1.263%,平均绝对百分比误差=23.841%,提示构建的模型较为合理。结论 构建的SARIMA(1,0,1)(0,1,2)12模型拟合效果较好,可用于重庆市水痘发病趋势的短期预测,对重庆市水痘疫情防控措施的制定具有一定的指导意义。 展开更多
关键词 水痘 季节性差分自回归移动平均模型 时间序列分析 预测
暂未订购
基于SARIMA和XGBoost的加权组合模型在新疆布鲁菌病发病趋势预测中的研究
10
作者 黄冕 鲁晓擘 +2 位作者 郑嵘炅 杨圆圆 李树林 《热带医学杂志》 2025年第7期982-986,共5页
目的构建新疆维吾尔自治区布鲁菌病的发病预测模型,比较季节性差分自回归移动平均模型(SARIMA)、极端梯度提升(XGBoost)模型与SARIMA-XGBoost加权组合模型的预测效果,为布鲁菌病的发病预警和防控措施的制定提供科学依据。方法收集2009年... 目的构建新疆维吾尔自治区布鲁菌病的发病预测模型,比较季节性差分自回归移动平均模型(SARIMA)、极端梯度提升(XGBoost)模型与SARIMA-XGBoost加权组合模型的预测效果,为布鲁菌病的发病预警和防控措施的制定提供科学依据。方法收集2009年1月-2019年12月新疆维吾尔自治区布鲁菌病的月度发病人数数据,将2009年1月-2018年12月的数据用于训练集,2019年1-12月的数据用于测试集。分别构建SARIMA、XGBoost和SARIMA-XGBoost加权组合模型,并对3种模型的预测效果进行对比分析。结果SARIMA-XGBoost加权组合模型对新疆布鲁菌病月发病人数的预测效果最佳,其平均绝对百分比误差(MAPE)为8.59%,均方根误差(RMSE)为34.24,平均绝对误差(MAE)为27.51,均优于单一模型。该模型能够较为精准地捕捉布鲁菌病发病人数的变化趋势。结论SARIMA-XGBoost加权组合模型能够提升模型预测效果,对新疆布鲁菌病发病人数预测具有应用价值。 展开更多
关键词 布鲁菌病 时间序列分析 sarima模型 XGBoost模型
原文传递
基于SARIMA和季节指数模型的非职业性一氧化碳中毒事件预测研究
11
作者 韩宛彤 张永强 +9 位作者 杜世昌 王薇 曲凯 何欣 徐赐贤 孙秀梅 孙其然 张瑾瑶 卜凡 孙鑫贵 《公共卫生与预防医学》 2025年第6期12-16,共5页
目的旨在建立北京市非职业性一氧化碳中毒事件的预测模型,为中毒事件的预防和预警提供科学依据和理论支持。方法利用2016—2024年北京市非职业性一氧化碳中毒事件的监测数据,采用季节性ARIMA模型和季节指数模型对其对比分析和预测。结果... 目的旨在建立北京市非职业性一氧化碳中毒事件的预测模型,为中毒事件的预防和预警提供科学依据和理论支持。方法利用2016—2024年北京市非职业性一氧化碳中毒事件的监测数据,采用季节性ARIMA模型和季节指数模型对其对比分析和预测。结果2016—2024年北京市累计报告非职业性一氧化碳中毒事件436起,呈下降趋势。建立的SARIMA模型和季节指数模型分别为SARIMA(1,0,0)(1,1,0)_(12)、Y_(t)=(-0.0339 t+5.8863)×S_(t),平均相对误差分别为65.42%、29.19%;从月份来看,4月、夏季(6~8月)期间,SARIMA模型的预测效果更优,其余月份则是季节指数模型预测效果更优。结合两种模型对2025年事件数进行预测,各月的事件发生数为:3、2、2、3、1、5、2、7、1、1、1、2。结论季节指数模型对北京市全年非职业性一氧化碳中毒事件数的预测效果最优,SARIMA模型预测的夏季事件数更接近实际值,可综合两种模型对非职业性一氧化碳中毒趋势进行预测,为未来预防和控制中毒事件提供科学依据。 展开更多
关键词 sarima模型 季节指数模型 非职业性一氧化碳中毒 预测
原文传递
SARIMA与Prophet的混合算法在时间序列预测中的应用研究 被引量:1
12
作者 李长生 《软件》 2025年第1期7-9,共3页
本研究提出了一种基于SARIMA与Prophet模型的混合算法,以提升时间序列预测的精度。SARIMA模型擅长处理线性趋势和季节性变化,Prophet模型则适用于捕捉非线性趋势和异常波动。将两者结合后的混合算法能够更全面地对复杂数据进行预测。在... 本研究提出了一种基于SARIMA与Prophet模型的混合算法,以提升时间序列预测的精度。SARIMA模型擅长处理线性趋势和季节性变化,Prophet模型则适用于捕捉非线性趋势和异常波动。将两者结合后的混合算法能够更全面地对复杂数据进行预测。在零售、气象和金融市场等行业中的实验结果表明,混合算法在预测准确性上优于单一模型,误差率降低了15%以上。本文进一步探讨了混合算法的设计、优化和实际应用,为未来时间序列预测提供了新的思路和方法。 展开更多
关键词 时间序列预测 sarima模型 Prophet模型 混合算法 预测准确性
在线阅读 下载PDF
基于SARIMA模型和Holt-Winters指数平滑法的流行性出血热发病率预测
13
作者 代婷婷 刘静 《预防医学情报杂志》 2025年第8期1064-1072,共9页
目的 探讨SARIMA模型和Holt-Winters指数平滑法2种模型对流行性出血热发病率预测的应用价值。方法 基于中国2016年1月至2020年12月流行性出血热月度发病率数据,利用IBM SPSS 24.0软件中的时间序列预测模块分别建立SARIMA模型和Holt-Wint... 目的 探讨SARIMA模型和Holt-Winters指数平滑法2种模型对流行性出血热发病率预测的应用价值。方法 基于中国2016年1月至2020年12月流行性出血热月度发病率数据,利用IBM SPSS 24.0软件中的时间序列预测模块分别建立SARIMA模型和Holt-Winters指数平滑模型,对流行性出血热发病率进行预测,应用MAE、MAPE、RMSE等指标评价预测效果,检验水准α=0.05。结果 最佳的SARIMA模型为SARIMA(0,1,0)(0,1,0)12,R^(2)为0.856,标准化的BIC为-8.505,该模型通过了Ljung-Box Q检验(P>0.05);Holt-Winters相乘模型为最优的指数平滑模型,R^(2)为0.895,标准化的BIC为-8.830;2个模型中,Holt-Winters相乘模型的MAE、MAPE、RMSE值均低于SARIMA(0,1,0)(0,1,0)_(12)。结论 2个模型均可用于我国流行性出血热月度发病率预测,Holt-Winters相乘模型预测效果优于SARIMA(0,1,0)(0,1,0)_(12)模型。 展开更多
关键词 sarima模型 Holt-Winters指数平滑法 流行性出血热 发病率 预测
原文传递
2005-2024年大理州其他感染性腹泻发病长期变化趋势分析及SARIMA模型预测
14
作者 徐然 马亚娇 +6 位作者 尤凤凤 陈玲 马依 赵润芳 赵静 吕世赛 何左 《数理医药学杂志》 2025年第7期500-507,共8页
目的分析2005—2024年大理州其他感染性腹泻发病率长期变化趋势,并对发病进行预测。方法基于中国疾病预防控制信息系统收集大理州2005—2024年其他感染性腹泻个案信息,采用Joinpoint回归分析发病率变化趋势,运用SARIMA模型预测发病趋势... 目的分析2005—2024年大理州其他感染性腹泻发病率长期变化趋势,并对发病进行预测。方法基于中国疾病预防控制信息系统收集大理州2005—2024年其他感染性腹泻个案信息,采用Joinpoint回归分析发病率变化趋势,运用SARIMA模型预测发病趋势。结果2005—2024年大理州累计报告其他感染性腹泻19953例,报告发病率为5.31/10万~143.64/10万,年均报告发病率为28.56/10万;确诊病例中病毒感染占比最高(97.70%),且以轮状病毒为主(87.67%)。Joinpoint回归分析结果显示,2005—2024年大理州其他感染性腹泻报告发病率总体呈上升趋势[平均年度变化百分比(average annual percent change,AAPC)=11.17%,95%置信区间(confidence interval,CI):8.01%~16.67%,P<0.001];大理州12县市发病率长期变化趋势各有特点,总体呈上升趋势,AAPC值为7.27%~37.15%,差异均有统计学意义(P<0.05);不同性别、年龄组间发病率总体均呈上升趋势,差异均有统计学意义(P<0.05)。构建的SARIMA(2,1,1)(0,1,0)12模型显示,预测相对误差为42.07%,预测2025年大理州其他感染性腹泻发病人数为5817,发病率呈上升趋势。结论大理州其他感染性腹泻发病率总体呈持续上升趋势,SARIMA(2,1,1)(0,1,0)12模型预测虽存在误差,但其预测结果仍可为疾病早期预警和精准防控提供参考。 展开更多
关键词 其他感染性腹泻 发病率 趋势 Joinpoint回归 sarima模型
暂未订购
融合突变点校正的PELT-GM-SARIMA公路货运周转量组合预测模型
15
作者 李晓为 侯树展 +1 位作者 牛文迪 崔娜 《山东科学》 2025年第5期93-103,共11页
为克服单一模型预测精度的不足以及组合模型处理数据异常波动时的窘境,提出了一种融合突变点校正的PELT-GM-SARIMA组合模型预测方法。该方法使用PELT算法检测货运周转量数据的波动性,并甄别出突变点;利用灰色GM(1,1)模型进行突变点异常... 为克服单一模型预测精度的不足以及组合模型处理数据异常波动时的窘境,提出了一种融合突变点校正的PELT-GM-SARIMA组合模型预测方法。该方法使用PELT算法检测货运周转量数据的波动性,并甄别出突变点;利用灰色GM(1,1)模型进行突变点异常值的修正,使数据更能满足SARIMA模型对数据平稳性和纯随机性的要求;最后以优化后的数据集为基础,利用SARIMA模型进行数值预测。该文以北京市的货运周转量数据为例,对比不同组合模型的预测结果发现,PELT-GM-SARIMA组合模型的均方误差值、平均绝对误差值均有所下降,决定系数也更接近1。PELT-GM-SARIMA组合预测模型结构简单,对数据缺失、异常值较多的时间序列数据具有更好的适应性,预测结果更精准,能够为公路交通规划、投资决策等过程的交通预测提供一个更优的途径。 展开更多
关键词 运输经济 PELT-GM-sarima模型 货运周转量 突变点校正 交通规划
在线阅读 下载PDF
高校用电碳排放核算及基于SARIMA模型预测
16
作者 张淼晴 崔玉芳 王雪锦 《科技和产业》 2025年第21期106-112,共7页
校园是人才培养的重要场所,建设低碳校园能够为社会各界提供示范。校园碳排放总量中,电力消耗所产生的碳排放占据主导地位。以河北建筑工程学院为研究对象,对校园用电碳排放进行核算与分析。基于分析结果的量化评估,使用Python创建SARI... 校园是人才培养的重要场所,建设低碳校园能够为社会各界提供示范。校园碳排放总量中,电力消耗所产生的碳排放占据主导地位。以河北建筑工程学院为研究对象,对校园用电碳排放进行核算与分析。基于分析结果的量化评估,使用Python创建SARIMA(季节性差分自回归滑动平均)预测模型对基准情景、中间情景和理想情景下2025—2029年校园碳排放进行预测,并提出校园适用的减碳策略。 展开更多
关键词 低碳 碳排放核算 sarima(季节性差分自回归滑动平均)模型 预测
在线阅读 下载PDF
基于SARIMA预测的含分布式光伏主动配电网日前‒日内协同优化调度
17
作者 赵阳 郝志方 +4 位作者 王聪 檀晓林 赵子豪 郭伟 范文奕 《电力科学与技术学报》 北大核心 2025年第5期46-58,共13页
针对传统的含分布式光伏的主动配电网调度未能充分挖掘分布式光伏出力预测的历史数据,提出一种基于季节性自回归积分滑动平均(seasonal autoregressive integral moving average,SARIMA)区间预测模型的主动配电网日前‒日内两阶段优化调... 针对传统的含分布式光伏的主动配电网调度未能充分挖掘分布式光伏出力预测的历史数据,提出一种基于季节性自回归积分滑动平均(seasonal autoregressive integral moving average,SARIMA)区间预测模型的主动配电网日前‒日内两阶段优化调度方法,建立分布式光伏出力预测与配网优化调度之间的仿射调节关系。首先,利用分布式光伏出力的历史数据构建基于SARIMA预测置信水平的光伏出力区间边界,形成不确定性优化问题的寻优区间;然后,通过建立置信区间与决策变量之间的仿射机制,构建配电网的日前‒日内两阶段的优化调度模型,并通过对仿射变量进行线性松弛转化为混合整数规划问题求解;最后,通过改进的IEEE 33节点系统验证了所提方法的有效性,对比了不同置信度下的系统运行成本。 展开更多
关键词 配电网调度 sarima预测 仿射优化 可调鲁棒 模型预测控制
在线阅读 下载PDF
基于SARIMA模型的北京地铁进站客流量预测 被引量:57
18
作者 王莹 韩宝明 +1 位作者 张琦 李得伟 《交通运输系统工程与信息》 EI CSCD 北大核心 2015年第6期205-211,共7页
通过对北京地铁2013年5月-7月的进站客流量数据进行详细分析,总结北京地铁进站客流量以周为周期的波动规律,选用季节时间序列(SARIMA)模型对北京地铁进站客流量进行时间序列建模.利用符合要求的模型对北京地铁进站客流量进行预测,预... 通过对北京地铁2013年5月-7月的进站客流量数据进行详细分析,总结北京地铁进站客流量以周为周期的波动规律,选用季节时间序列(SARIMA)模型对北京地铁进站客流量进行时间序列建模.利用符合要求的模型对北京地铁进站客流量进行预测,预测结果能够较准确地描述北京地铁进站客流量的变化趋势,平均误差为0.3%.说明此模型适用于地铁进站客流量的短时预测,基于预测结果进一步分析北京地铁进站客流量的特点,为进一步优化进站设施布置、组织进站流线、高效安全的地铁运营组织提供参考建议. 展开更多
关键词 城市交通 客流量预测 sarima模型 进站客流量 时间序列
在线阅读 下载PDF
上一页 1 2 14 下一页 到第
使用帮助 返回顶部