期刊文献+
共找到91篇文章
< 1 2 5 >
每页显示 20 50 100
ARIMA-SVR组合方法在水质预测中的应用 认领
1
作者 罗学科 何云霄 +1 位作者 刘鹏 李文 《长江科学院院报》 CSCD 北大核心 2020年第10期21-27,共7页
针对复杂水域水质变化机理难以掌握、水质预测建模困难且预测精度低的问题,将时间序列分析方法与机器学习方法引入水质预测领域,提出了基于差分自回归移动平均(ARIMA)与支持向量回归(SVR)组合模型的水质预测方法。数据经过预处理后先由A... 针对复杂水域水质变化机理难以掌握、水质预测建模困难且预测精度低的问题,将时间序列分析方法与机器学习方法引入水质预测领域,提出了基于差分自回归移动平均(ARIMA)与支持向量回归(SVR)组合模型的水质预测方法。数据经过预处理后先由ARIMA模型对其进行线性拟合,然后通过SVR模型预测残差以补偿其中的非线性变化。选择巢湖水域2004—2015年间的pH和溶解氧监测数据作为试验样本,通过Hodrick-Prescott(HP)滤波方法分析,结果表明2组数据具有不同的趋势特性和波动特性。根据精度评价指标对比分析模型的预测效果,结果表明组合模型预测精度显著提高,pH和溶解氧预测值与观测值间的相关系数均达到了0.99,均方根误差分别为0.20和0.61,平均绝对百分比误差分别为2.2%和6.6%。本研究所建立的组合预测方法具有较高的预测精度和较强的泛化能力,适用于复杂水域的水质预测。 展开更多
关键词 水质预测 差分回归移动平均 支持向量回归 组合模型 溶解氧
在线阅读 免费下载
基于改进EMD-ARIMA的光伏发电系统短期功率预测 认领
2
作者 仇琦 杨兰 +3 位作者 丁旭 董志强 苏然 郑凌蔚 《电力科学与工程》 2020年第8期42-50,共9页
光伏发电功率的准确预测对于提高电网和微电网的供电质量和降低运行成本具有重要意义。针对光伏发电时间序列的非线性和非平稳特征,在传统基于经验模态分解(EMD)方法的基础上,加入白噪声检验环节,提出一种基于改进EMD和差分自回归移动平... 光伏发电功率的准确预测对于提高电网和微电网的供电质量和降低运行成本具有重要意义。针对光伏发电时间序列的非线性和非平稳特征,在传统基于经验模态分解(EMD)方法的基础上,加入白噪声检验环节,提出一种基于改进EMD和差分自回归移动平均(ARIMA)相结合的光伏发电系统短期功率预测方法。首先利用EMD将原始光伏发电系统功率序列分解为多个具有不同频率的固有模态函数(IMF)分量,并对各IMF分量进行白噪声检验,筛选出不含白噪声的IMF分量;然后,对分量进行平稳性检验,对非平稳分量进行平稳化处理;最后对平稳的分量序列分别建立ARIMA预测模型,将各分量预测值进行叠加得到最终预测值。为验证方法的有效性,利用实证系统对3种天气条件下共15天的光伏发电功率进行了预测,并与传统的ARIMA、EMD-AR和EMD-ARIMA等方法进行了对比。误差统计结果表明,在相同样本数据量的前提下,该方法预测误差普遍低于其它方法。 展开更多
关键词 光伏发电系统功率预测 时间序列 经验模态分解 差分回归移动平均 白噪声检验 平稳性检验
在线阅读 下载PDF
一种短期风电功率组合预测方法 认领
3
作者 曹权 李岩 李双明 《电气自动化》 2020年第3期28-30,67,共4页
为提高风电功率的短期预测精度,对组合预测进行了研究。选用差分自回归移动平均模型(ARIMA)与埃尔曼神经网络(Elman)模型,建立新的组合预测模型。首先,用单一的ARIMA预测模型和Elman预测模型对风电功率进行预测;然后,在单独模型预测的... 为提高风电功率的短期预测精度,对组合预测进行了研究。选用差分自回归移动平均模型(ARIMA)与埃尔曼神经网络(Elman)模型,建立新的组合预测模型。首先,用单一的ARIMA预测模型和Elman预测模型对风电功率进行预测;然后,在单独模型预测的结果上,再次利用Elman神经网络进行预测;最后,将组合预测的结果与两单一模型的预测结果进行分析比较。结果表明,组合预测模型比各自单一预测模型有更高的预测精度。 展开更多
关键词 风电功率短期预测 差分回归移动平均 埃尔曼神经网络法 组合预测模型 预测精度
在线阅读 下载PDF
基于ARIMA与SVM混合模型的连续血压预测 认领 被引量:1
4
作者 朱海龙 袁贞明 俞凯 《杭州师范大学学报:自然科学版》 CAS 2018年第5期555-560,共6页
由于血压时间序列数据受到多种因素影响,具有时变性、非线性和非平稳性特征,因此利用单一的时序预测模型难以准确描述血压的复杂变化规律.为了提高模型的预测精度,本文提出一种基于差分自回归移动平均(ARIMA)和支持向量机(SVM)的混... 由于血压时间序列数据受到多种因素影响,具有时变性、非线性和非平稳性特征,因此利用单一的时序预测模型难以准确描述血压的复杂变化规律.为了提高模型的预测精度,本文提出一种基于差分自回归移动平均(ARIMA)和支持向量机(SVM)的混合预测模型,并利用粒子群优化(PSO)算法优化SVM模型参数.利用养老院血压历史数据对模型进行验证.实验结果表明,基于ARIMA与SVM的混合模型预测精度高,更能全面描述血压时间序列的变化趋势. 展开更多
关键词 差分回归移动平均 支持向量机 混合预测 血压预测
在线阅读 下载PDF
基于组合优化理论的建筑施工事故预测模型 认领
5
作者 陈程 史桂桃 《内蒙古师范大学学报:自然科学汉文版》 CAS 2018年第2期117-120,共4页
为了提高建筑施工事故的预测精度,设计了基于组合优化理论的建筑施工事故预测模型.首先采用差分自回归移动平均(ARIMA)法对建筑施工事故进行预测,得到建筑施工事故的线性预测结果,然后采用支持向量机(SVM)法对建筑施工事故进行预测... 为了提高建筑施工事故的预测精度,设计了基于组合优化理论的建筑施工事故预测模型.首先采用差分自回归移动平均(ARIMA)法对建筑施工事故进行预测,得到建筑施工事故的线性预测结果,然后采用支持向量机(SVM)法对建筑施工事故进行预测,得到建筑施工事故的非线性预测结果,最后对它们的结果进行融合,得到建筑施工事故预测值.实验结果表明,融合ARIMA和SVM的组合预测方法可以实现建筑施工事故的高精度预测. 展开更多
关键词 建筑施工事故 组合预测模型 差分回归移动平均 支持向量机
在线阅读 下载PDF
进口检品数量的预测分析研究 认领
6
作者 庞青云 赵蔷蔷 +3 位作者 唐伟红 张玉歌 郭洪祝 丛骆骆 《中国药事》 CAS 2017年第9期1060-1066,共7页
目的:根据历史数据对未来3年的进口检品数量进行预测,为领导决策和业务规划提供依据。方法:采用目前较为成熟的4种预测分析模型:三次指数平滑预测法、灰色模型、一元线性回归组合预测法、差分自回归移动平均(以下简称ARIMA)模型,... 目的:根据历史数据对未来3年的进口检品数量进行预测,为领导决策和业务规划提供依据。方法:采用目前较为成熟的4种预测分析模型:三次指数平滑预测法、灰色模型、一元线性回归组合预测法、差分自回归移动平均(以下简称ARIMA)模型,选择适当参数进行预测和方法评价。结果:预测2016年、2017年、2018年的进口数量分别为30544件(30327~31730件)、32844件(32616~34097件)、35144件(34905~36465件)。结论:4种分析模型中,ARIMA模型对2011年至2015年的预测结果与实际数据的偏差相对最小,预测准确度相对较高。 展开更多
关键词 进口检品 数量 预测分析 三次指数平滑预测法 灰色模型 一元线性回归组合预测法 差分回归移动平均
在线阅读 下载PDF
基于ARIMA-SVM的体育彩票销售量预测 认领 被引量:1
7
作者 鄢正纲 《周口师范学院学报》 CAS 2017年第2期123-126,共4页
体育彩票销售量受到多种综合因素影响,呈现出复杂的、非线性的动态变化特性.为了准确刻画体育彩票销售量的变化特征,提出差分自回归移动平均和支持向量机相融合的体育彩票销售量预测模型.首先根据体育彩票销售量时间序列建立ARIMA模... 体育彩票销售量受到多种综合因素影响,呈现出复杂的、非线性的动态变化特性.为了准确刻画体育彩票销售量的变化特征,提出差分自回归移动平均和支持向量机相融合的体育彩票销售量预测模型.首先根据体育彩票销售量时间序列建立ARIMA模型,拟合体育彩票销售量的线性变化部分,然后采用支持向量机对差分自回归移动平均的预测残差进行建模,拟合体育彩票销售量的非线性变化部分,最后采用具体体育彩票销售量数据进行仿真实验.仿真结果表明,相对于其它模型,该模型具有更高的预测精度,可以更准确反映体育彩票销售量的变化趋势. 展开更多
关键词 体育彩票销售量 差分回归移动平均 支持向量机 组合预测
在线阅读 下载PDF
基于ARIMA与SVM的国际铀资源价格预测 认领 被引量:9
8
作者 郑荣 颜七笙 《计算机工程与应用》 CSCD 北大核心 2016年第1期146-150,共5页
由于国际铀资源价格时间序列数据的非线性性与非平稳性,使用单一的预测模型很难捕捉到其综合趋势。为了进一步提高模型的预测精度,建立了基于差分自回归移动平均(ARIMA)和支持向量机SVM的组合预测模型,并用PSO算法对SVM模型中的参数... 由于国际铀资源价格时间序列数据的非线性性与非平稳性,使用单一的预测模型很难捕捉到其综合趋势。为了进一步提高模型的预测精度,建立了基于差分自回归移动平均(ARIMA)和支持向量机SVM的组合预测模型,并用PSO算法对SVM模型中的参数进行优化。将该方法应用于实际铀资源价格预测,并与单一的ARIMA模型和SVM模型进行比较。仿真实验结果表明,该组合预测模型实现了对铀资源价格数据更为准确的预测。 展开更多
关键词 差分回归移动平均 支持向量机 组合预测 国际铀资源价格
在线阅读 下载PDF
基于自适应粒子群优化的ARIMA-SVM光功率趋势预测 认领 被引量:3
9
作者 陈晓娟 李思洋 王圣达 《光通信技术》 北大核心 2015年第4期22-25,共4页
为实现光纤线路未来状态趋势预测,提出基于自适应粒子群优化(APSO)的ARIMA-SVM光功率趋势预测法。利用小波变换对光功率数据进行预处理,设计APSO算法优化SVM模型参数,构建了优化后的ARIMA-SVM模型,实现了光功率趋势预测。
关键词 光功率预测 适应粒子群优化 动态距离 差分回归移动平均 支持向量机
在线阅读 下载PDF
基于R的江西省肺结核发病率ARIMA-SVM组合预测模型 认领 被引量:8
10
作者 谢骁旭 袁兆康 《中国卫生统计》 CSCD 北大核心 2015年第1期160-162,共3页
目的在ARIMA和SVM基础上,提出一种肺结核发病率组合预测方法。方法以2004年至2012年江西省肺结核月发病率资料为例,利用R中的forecast包、e1071包,拟合ARIMA-SVM模型实现对肺结核发病率的预测。结果ARIMA-SVM组合预测模型的预测精度优... 目的在ARIMA和SVM基础上,提出一种肺结核发病率组合预测方法。方法以2004年至2012年江西省肺结核月发病率资料为例,利用R中的forecast包、e1071包,拟合ARIMA-SVM模型实现对肺结核发病率的预测。结果ARIMA-SVM组合预测模型的预测精度优于单纯ARIMA模型。结论 ARIMA-SVM组合预测模型是一种切实可行的肺结核发病率预测方法。 展开更多
关键词 支持向量机 差分回归移动平均 组合预测 肺结核发病率
在线阅读 下载PDF
基于ARIMA-SVM组合模型的光功率趋势预测新方法 认领 被引量:1
11
作者 王林 郭健 +1 位作者 刘静 李思洋 《电力信息与通信技术》 2015年第12期94-99,共6页
针对电力通信系统光纤线路未来状态趋势预测问题,提出一种基于自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)-支持向量机(Support Vector Machine,SVM)组合模型的光功率趋势预测法。根据光功率数据的... 针对电力通信系统光纤线路未来状态趋势预测问题,提出一种基于自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)-支持向量机(Support Vector Machine,SVM)组合模型的光功率趋势预测法。根据光功率数据的非线性和时变性特点,首先利用小波变换将其分解并重构,然后设计一种基于混合核函数的SVM预测模型,对重构后的数据分别构建ARIMA模型与基于混合核函数的SVM模型并预测,最后组合2种模型的预测结果实现光功率趋势预测。分别采用ARIMA模型、径向基函数(Radical Basis Function,RBF)模型、SVM模型、ARIMA-RBF模型与该模型进行实验并对比,结果表明,基于混合核函数的ARIMA-SVM组合模型对光功率趋势预测最为准确,其预测精度及计算速度都有了显著提高,为未来光功率趋势发展提供了一种有效可行的预测新方法。 展开更多
关键词 光功率预测 混合核函数 支持向量机 差分回归移动平均 小波变换
在线阅读 免费下载
基于ARIMA和GA-Elman神经网络的新疆年降水耦合预测研究 认领 被引量:2
12
作者 黄华 蔡仁 +1 位作者 努尔古丽·艾力 穆振侠 《新疆农业科学》 CAS CSCD 北大核心 2015年第6期1093-1098,共6页
【目的】提高降水预报的预测精度,准确预测一个地区未来的降水量,可以提高该地区防灾减灾的能力,更好地为工农业生产生活提供决策参考。【方法】以年降水时间序列为研究对象,利用差分自回归移动平均(ARIMA)和GA-Elman神经网络技术建... 【目的】提高降水预报的预测精度,准确预测一个地区未来的降水量,可以提高该地区防灾减灾的能力,更好地为工农业生产生活提供决策参考。【方法】以年降水时间序列为研究对象,利用差分自回归移动平均(ARIMA)和GA-Elman神经网络技术建立一种耦合预测模型。该模型首先根据年降水时间序列建立ARIMA模型,拟合它的线性结构部分,基于原始降水序列和ARIMA模型的预测值、残差序列,利用GA-Elman神经网络技术进行耦合建模。将该模型应用于新疆年降水量的预测预报,并与单一的ARIMA模型、GA-Elman神经网络模型进行比较。【结果】耦合模型的归一化均方误差、平均绝对误差、后验差比值及小误差概率分别为0.287,9.581,0.241和1,均优于ARIMA模型、GA-Elman神经网络模型,预测精度得到了明显的提高,预测精度等级为好。【结论】基于ARIMA和GA-Elman神经网络的耦合预测模型具有更高的预测精度,可用于新疆的年降水量预报。 展开更多
关键词 年降水 差分回归移动平均 神经网络 遗传算法 耦合预测
在线阅读 下载PDF
一种基于短期预测的业务弹性伸缩算法 认领 被引量:2
13
作者 郑鹏飞 尤佳莉 +1 位作者 王劲林 曾学文 《计算机工程》 CAS CSCD 2014年第12期6-11,共6页
针对地理分布云的业务部署问题,提出一种基于短期预测的业务弹性伸缩算法SPESS。该算法利用动态差分自回归移动平均模型对用户请求到达速度进行预测,综合考虑预测结果、业务的当前负载及处理速度,调整每个站点虚拟机的数量,从而在... 针对地理分布云的业务部署问题,提出一种基于短期预测的业务弹性伸缩算法SPESS。该算法利用动态差分自回归移动平均模型对用户请求到达速度进行预测,综合考虑预测结果、业务的当前负载及处理速度,调整每个站点虚拟机的数量,从而在保障服务质量的同时尽可能地降低运行成本。实验结果表明,该算法能够在保障服务质量和运行成本之间取得较好的平衡,且业务整体负载、传输延时、排队时间均控制在一个合理的范围内。 展开更多
关键词 云计算 地理分布云 业务弹性伸缩 时间序列 短期预测 差分回归移动平均
在线阅读 下载PDF
基于最优加权组合模型的枯季径流预测研究 认领 被引量:11
14
作者 孙惠子 粟晓玲 昝大为 《西北农林科技大学学报:自然科学版》 CSCD 北大核心 2011年第11期 201-208,共8页
【目的】研究最优的枯季径流预测模型,为流域水资源管理提供依据。【方法】建立基于差分自回归移动平均(ARIMA)、人工神经网络(ANN)和多元线性回归(MLR)3个单项模型的简单平均组合和最优加权组合预测模型,并将单项预报模型和组合... 【目的】研究最优的枯季径流预测模型,为流域水资源管理提供依据。【方法】建立基于差分自回归移动平均(ARIMA)、人工神经网络(ANN)和多元线性回归(MLR)3个单项模型的简单平均组合和最优加权组合预测模型,并将单项预报模型和组合模型应用到石羊河流域支流西营河的枯季径流预测中,采用相关系数、确定性系数以及均方根误差对各模型预测精度进行比较。【结果】单项预测模型中,仅ARIMA模型通过了确定性系数检验;最优加权组合模型的预测精度较简单平均组合模型高;组合预测模型中,仅ARIMA-MLR和ARIMA-ANN最优加权组合模型的确定性系数高于所有单项预测模型。【结论】最优加权组合模型的精度不但取决于各单项预测模型的精度,也与其之间的相关性有关,适合西营河枯季径流预测的最优加权组合模型是ARIMA-MRL和ARIMA-ANN组合模型。 展开更多
关键词 枯季径流预测 差分回归移动平均 人工神经网络 多元线性回归 组合预测模型 西营河
在线阅读 下载PDF
基于ARIMA和DSVM组合模型的松毛虫发生面积预测 认领 被引量:7
15
作者 向昌盛 周子英 武丽娜 《湖南农业大学学报:自然科学版》 CAS CSCD 北大核心 2010年第4期 430-433,共4页
提出一种基于ARIMA和动态ε支持向量机(ε-DSVM)的组合预测模型(ARIMA-ε-DSVM),预测松毛虫发生面积.先采用ARIMA模型进行时间序列线性趋势建模,为非线性部分确定输入阶数,根据确定的输入阶数进行时间序列样本重构,再采用ε-DSVM模... 提出一种基于ARIMA和动态ε支持向量机(ε-DSVM)的组合预测模型(ARIMA-ε-DSVM),预测松毛虫发生面积.先采用ARIMA模型进行时间序列线性趋势建模,为非线性部分确定输入阶数,根据确定的输入阶数进行时间序列样本重构,再采用ε-DSVM模型进行时间序列非线性特征建模,将这两模型预测值相加得到组合模型预测值.对辽宁省朝阳市松毛虫时间序列进行仿真试验,结果表明,ARIMA-ε-DSVM模型预测精确度比单一模型ARIMA和SVM及简单组合模型ARIMA-SVM要高,ARIMA-ε-DSVM模型大幅度改善预测效果,显著地减少预测误差,泛化能力强. 展开更多
关键词 支持向量机 松毛虫 时间序列 差分回归移动平均
在线阅读 免费下载
ARIMA与SVM组合模型的石油价格预测 认领 被引量:19
16
作者 吴虹 尹华 《计算机仿真》 CSCD 北大核心 2010年第5期 264-266,326,共4页
针对复杂时间序列预测困难的问题,在综合分析其线性和非线性复合特征的基础上,提出了一种基于ARIMA和SVM相结合的时间序列预测模型。首先采用ARIMA模型对时间序列进行线性建模,然后采用SVM对时间序列的非线性部分进行建模,最后得到... 针对复杂时间序列预测困难的问题,在综合分析其线性和非线性复合特征的基础上,提出了一种基于ARIMA和SVM相结合的时间序列预测模型。首先采用ARIMA模型对时间序列进行线性建模,然后采用SVM对时间序列的非线性部分进行建模,最后得到两种模型的综合预测结果。将组合模型应用于石油价格预测中,仿真结果表明组合模型相对于单模型的预测具有更高的精度,发挥了2种模型各自的优势,在复杂时间序列预测中具有广泛的应用前景。 展开更多
关键词 支持向量机 差分回归移动平均 组合预测 石油价格
在线阅读 下载PDF
基于SVR残差修正的光伏发电功率预测模型 认领
17
作者 刘家庆 张弘鹏 +3 位作者 郭希海 孙羽 徐峥 张平 《电力工程技术》 2020年第5期146-151,共6页
近年来,大规模光伏并网对区域电网的安全稳定运行造成了严重影响。光伏功率超短期预测可为区域电力调度提供必要的数据支撑,促进新能源消纳,但光伏自身的波动特性使光伏功率预测的精度难以提高。因此,文中提出考虑功率修正、基于差分自... 近年来,大规模光伏并网对区域电网的安全稳定运行造成了严重影响。光伏功率超短期预测可为区域电力调度提供必要的数据支撑,促进新能源消纳,但光伏自身的波动特性使光伏功率预测的精度难以提高。因此,文中提出考虑功率修正、基于差分自回归移动平均(ARIMA)和支持向量回归(SVR)的光伏发电功率预测模型。首先,以光伏电站现场采集的功率时间序列建立ARIMA模型,对日发电功率进行初步预测;其次,利用前一个气象相似日的预测残差数据建立SVR模型,对预测日的ARIMA残差进行预测;最后,对初步预测结果进行修正。利用现场实测数据建立典型日的光伏发电预测模型,测试结果表明在残差修正后,预测精度明显提升。 展开更多
关键词 光伏发电 功率预测 残差修正 支持向量回归(SVR) 差分回归移动平均(ARIMA)
在线阅读 下载PDF
面向多因素影响的混合预测模型 认领
18
作者 谢宇 王丽清 +1 位作者 徐永跃 姚寒冰 《计算机工程与设计》 北大核心 2020年第10期2758-2764,共7页
为解决在城市道路短时交通流量预测中,由于对复杂外部因素和突发事件的影响考虑不足导致预测误差增大的问题,构建一个多因素混合预测模型。基于ARIMA时序预测模型,通过结合CART模型树引入居民出行习惯、节假日、天气、突发事故等其它外... 为解决在城市道路短时交通流量预测中,由于对复杂外部因素和突发事件的影响考虑不足导致预测误差增大的问题,构建一个多因素混合预测模型。基于ARIMA时序预测模型,通过结合CART模型树引入居民出行习惯、节假日、天气、突发事故等其它外部影响因素,提高预测模型在复杂因素影响下的预测准确度和适应性。实验结果表明,该混合模型在面对节假日和突发事件时,能够得到更准确的预测结果。 展开更多
关键词 差分回归移动平均模型ARIMA 多因素 预测模型 混合 分类回归树CART
在线阅读 下载PDF
差分自回归移动平均模型在企业物资采购中的应用 认领
19
作者 张云 《设备管理与维修》 2020年第10期32-34,共3页
在分析企业采购数据特点的基础上,提出一种基于差分自回归移动平均模型的多模型预测方法。利用了数据的季节特性而不是剔除季节性数据的影响,使得物资的季节性需求得到更好的预测。该方法首先以历史的同比数据作为序列,建立纵向预测模型... 在分析企业采购数据特点的基础上,提出一种基于差分自回归移动平均模型的多模型预测方法。利用了数据的季节特性而不是剔除季节性数据的影响,使得物资的季节性需求得到更好的预测。该方法首先以历史的同比数据作为序列,建立纵向预测模型,再以环比数据作为序列建立横向预测模型,最后通过横纵向预测结果的加权平均实现数据的最终预测。通过近年来采购数据的预测和真值对比分析,验证了该方法的有效性,也为具有此类特征的数据预测提供了新的分析计算方法,可以用于各行业的预测分析。 展开更多
关键词 采购预测 差分回归移动平均模型 多模型
在线阅读 免费下载
基于干预ARIMA模型的中国GDP趋势分析 认领 被引量:1
20
作者 王国贤 范英兵 《河南建材》 2020年第3期72-74,共3页
文章通过时间序列分析采用ARIMA模型及干预模型对我国的GDP数据进行分析,引入干预变量,对其进一步建模,拟合出ARIMA(2,2,0)模型。利用干预模型来预测2017年中国GDP的均值。
关键词 国内生产总值 差分回归移动平均模型 干预模型 ARIMA模型 趋势分析
在线阅读 下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部 意见反馈