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526篇文章
< 1 2 … 27 >
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
SARIMA模型在城区月度降水预测中的应用研究
2
作者 徐勇 张振杰 +1 位作者 李洋 段路松 《水利技术监督》 2026年第2期252-257,共6页
为了探究SARIMA模型在城区月度降水预测中的应用,对临翔主城区2013年至2024年的月度降水数据进行时间序列分析,建立SARIMA模型,分析模型的适用情况。结果表明,SARIMA模型对于符合当地历史降水规律和常年季节性特征的年份,能够有效捕捉... 为了探究SARIMA模型在城区月度降水预测中的应用,对临翔主城区2013年至2024年的月度降水数据进行时间序列分析,建立SARIMA模型,分析模型的适用情况。结果表明,SARIMA模型对于符合当地历史降水规律和常年季节性特征的年份,能够有效捕捉降水数据的季节性和趋势性特征,具有很高的精度和适用能力,能够为城区降水预测提供可靠支持,而对于降水异常的年份,拟合效果并不是很理想。模型预测2025年临翔主城区的降水规律符合当地历史性季节特征,降水主要集中在7月和8月。 展开更多
关键词 sarima模型 降水预测 时间序列分析 拟合 2025年 历史性季节特征
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
3
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-LSTM组合模型的北极航道冰情预测与适航性分析 被引量：1
4
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
SARIMA模型在北京市东城区水痘发病趋势预测的应用
5
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
深圳市登革热新发病例及蚊媒密度SARIMA预测模型分析
6
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模型对冷沉淀凝血因子临床需求量的应用
7
作者 关晓梅 黄洁 +3 位作者 王琼 甘庭安 王玲 潘登 《甘肃医药》 2025年第8期720-724,共5页
目的:探索构建适用于兰州地区冷沉淀凝血因子临床需求量预测的SARIMA模型,科学合理制定匹配临床发展需求的成分血制备计划和血液库存管理。方法:以兰州地区2012年1月至2022年7月的冷沉淀凝血因子临床供血数据构建最优SARIMA模型,用所构... 目的:探索构建适用于兰州地区冷沉淀凝血因子临床需求量预测的SARIMA模型,科学合理制定匹配临床发展需求的成分血制备计划和血液库存管理。方法:以兰州地区2012年1月至2022年7月的冷沉淀凝血因子临床供血数据构建最优SARIMA模型,用所构建模型预测2022年10月至2023年9月的冷沉淀凝血因子临床供血量,并与实际临床供血量进行比较,评价模型拟合效果。结果:建立的最优模型为SARIMA(0,1,1)(0,1,1)12,残差序列ACF图和PACF图均落在95%CI内,Ljung-Box Q统计量为19.672(P=0.235),说明残差序列通过白噪声显著性检验,拟合模型有效。用该模型进行拟合及外推预测应用,结果显示模型预测的兰州地区2023年2~7月冷沉淀凝血因子临床供血量曲线趋势、季节效应均与实际值基本一致,平均相对误差值为0.1558,预测拟合效果较好。结论:SARIMA模型可用于兰州地区冷沉淀凝血因子临床需求量的预测。根据模型预测结果,兰州地区冷沉淀凝血因子临床供血需求呈现出上升趋势,提示本地区采供血机构应提前做好冷沉淀凝血因子制备计划,加强库存管理。基于冷沉淀凝血因子保存期较长、制备灵活这个优势,血站可以以模型预测值的95%CI上限制定应急储备计划,作为不可预测突发事件下的血液应急管理保障。 展开更多
关键词 血站服务 冷沉淀凝血因子 临床需求量 sarima模型 预测 应急管理
暂未订购
基于SARIMA模型的民航货邮运输量预测
8
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IMVMD和BiLSTM-SARIMA组合模型的台区光伏短期发电功率预测 被引量：1
9
作者 李承皓 杨永标 +2 位作者 宋嘉启 张翔颖 徐青山 《太阳能学报》 北大核心 2025年第2期433-440,共8页
针对台区分布式光伏短期发电功率预测精度低的难题,提出一种基于增强型鲸鱼优化算法的多元变分模态分解方法,并结合反向传播神经网络耦合双向长短期记忆网络和季节性差分自回归滑动平均的组合模型,实现台区分布式光伏短期发电功率预测... 针对台区分布式光伏短期发电功率预测精度低的难题,提出一种基于增强型鲸鱼优化算法的多元变分模态分解方法,并结合反向传播神经网络耦合双向长短期记忆网络和季节性差分自回归滑动平均的组合模型,实现台区分布式光伏短期发电功率预测。首先对鲸鱼优化算法的收敛因子、权重等进行改进,然后用它去优化多元变分模态分解方法中的通道数量和惩罚因子,得到最佳分解效果的参数值。再针对与外界气象等因素强相关的光伏发电功率时间序列数据,利用改进多元模态分解将序列最优分解。将分解后的各模态分量输入到单独构建的双向长短期记忆网络和季节性差分自回归滑动平均模型中,获取分量预测值,两个模型得到的分量预测值分别叠加得到各自的完整预测结果。将它们分别乘以权重后相加即为最终预测结果,权重通过反向传播神经网络进行修正。仿真结果说明相比于其他方法,所提模型能有效提高光伏短期发电的预测精度。 展开更多
关键词 模态分解 神经网络 光伏发电 预测 BiLSTM sarima
原文传递
基于SARIMA模型的临沂市布鲁氏菌病月发病数预测分析
10
作者 杨海波 任泽香 +5 位作者 李超 王济忠 于小舟 李阳 王国政 高中华 《中国卫生统计》 北大核心 2025年第6期882-884,共3页
目的应用SARIMA模型对临沂市布鲁氏菌病月发病数进行分析并做进一步预测,为相关部门制定防控策略提供参考依据。方法收集并分析临沂市2014—2023年布鲁氏菌病患者信息,建立最优SARIMA模型对2024年月发病情况进行预测和比较,评估拟合效果... 目的应用SARIMA模型对临沂市布鲁氏菌病月发病数进行分析并做进一步预测,为相关部门制定防控策略提供参考依据。方法收集并分析临沂市2014—2023年布鲁氏菌病患者信息,建立最优SARIMA模型对2024年月发病情况进行预测和比较,评估拟合效果,并进一步预测2025年和2026年每月发病情况。结果临沂市2014—2023年共报告3365例,年均报告发病率为3.10/10万。病例主要分布在3—8月份,总体呈波动上升趋势并存在较为明显的季节性和周期性。预测模型SARIMA(3,0,1)(1,1,1)_(12)较好地拟合了十年间布鲁氏菌病月发病例数,2024年预测效果较为理想。模型预测2025年总数为508例,2026年为544例,未来两年月发病情况仍将延续以前态势。结论本研究建立的SARIMA模型可用于临沂市布鲁氏菌病月发病数的短期预测,建议未来两年进一步加强布鲁氏菌病的宣传、监测和防治工作。 展开更多
关键词 sarima模型 布鲁氏菌病 月发病数
暂未订购
基于SARIMA和Prophet模型的流行性感冒流行趋势预测与分析
11
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
基于SARIMA-SVM模型的季节性PM_(2.5)浓度预测 被引量：1
12
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
13
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
14
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
15
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
16
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
高校用电碳排放核算及基于SARIMA模型预测
17
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
SARIMA模型在大连市梅毒发病预测中的应用
18
作者 孙巍 白金剑 +3 位作者 安庆玉 熊帮洁 郭俐男 吴隽 《公共卫生与预防医学》 2025年第3期60-63,共4页
目的 探讨季节性差分自回归滑动平均模型(SARIMA)在大连市梅毒发病预测中的应用,为该市梅毒防控提供参考依据。方法 应用SPSS 25.0软件对大连市2010—2019年梅毒月报告监测数建立SARIMA模型,用该模型对2020年1~12月梅毒发病数进行预测,... 目的 探讨季节性差分自回归滑动平均模型(SARIMA)在大连市梅毒发病预测中的应用,为该市梅毒防控提供参考依据。方法 应用SPSS 25.0软件对大连市2010—2019年梅毒月报告监测数建立SARIMA模型,用该模型对2020年1~12月梅毒发病数进行预测,并与实际报告数进行比较,以评价模型预测结果。结果 SARIMA(2,1,0)×(0,1,1)_(12)为最优预测模型(P<0.001),统计量遵循贝叶斯信息准则(BIC)值最小原则,白噪声检验Liung-Box统计量差异均无统计学意义,残差为白噪声序列,以此模型预测的2020年各月发病数与实际发病数比较,平均绝对百分比例误差MAPE=8.93%,模型预测效果较好。结论 SARIMA(2,1,0)×(0,1,1)_(12)模型能较好拟合大连市梅毒发病情况,可用于大连市梅毒发病数的预测。 展开更多
关键词 梅毒 季节性差分自回归滑动平均模型 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 … 27 下一页 到第 页
使用帮助 返回顶部