一种基于经验模态分解的时间序列预测方法

针对来源于实际问题的时间序列非线性、非平稳、多尺度复合的特点建立了一种基于经验模态分解(EMD)的ARIMA时间序列预测模型,即EMD-ARIMA模型.首先,借助经验模态分解将时间序列分解为多个不同时间尺度的内在模函数和一个趋势项,并确定每个内在模函数的季节性趋势;其次,对每个内在模函数使用季节性ARIMA模型进行预测,对趋势项使用趋势移动平均模型进行预测;最后,将所有内在模函数和趋势项的预测结果进行复合得到原时间序列的预测结果.数值实验结果表明,EMD-ARIMA方法能够揭示真实时间序列内在的多尺度复合特征和季节性变化规律;与经典的ARIMA模型和人工神经网络(ANN)模型相比,EMD-ARIMA模型明显提高了预测精度,因而是一种可靠的非线性、非平稳时间序列预测方法.     

基于经验模式分解与LSTM神经网络的短期电价预测模型

在开放的电力市场中,日前电价预测是个重要的研究方向。本文提出了一种基于经验模式分解(EMD)与长短期记忆神经网络(LSTM)的序列电价预测模型,使用EMD提取电价序列中的周期分量与趋势分量,利用LSTM分别对周期分量与趋势分量进行序列预测,输出各分量的预测结果,通过支持向量机回归(SVR)叠加各分量的预测序列生成预测价格序列。最后,以美国PJM电力市场的电价数据为算例,与ARIMA模型、单一LSTM神经网络模型的预测结果进行比较,验证了EMD-LSTM-SVR模型能够提高短期电价预测精度。     

基于灰色关联分析的季节性民航货运量预测

为更精确地预测月度航空货运量,提出组合模型预测方法.该模型由季节GM(1,1)和季节ARIMA乘积模型构成,它结合了该2种模型中时间序列预测的优点.灰色模型GM(1,1)能准确反映时间序列的增长趋势;ARIMA乘积模型对季节特征有较好的拟合效果.依据霍尔特温特预测模型计算季节性GM(1,1)模型的季节指数,并用灰色关联分析求出组合预测中的权值.组合预测模型的平均相对误差为0.62%,而季节性GM(1,1)模型和ARIMA乘积模型的平均相对误差分别为4.49%和-3.16%.预测分析结果说明,该模型的非线性曲线拟合精度和预测精度明显高于单个模型,可较好地反映系统的动态性和运量的季节时序关联性,为季节性时间序列预测提供了新的途径.     

基于时间序列的娘子关泉降水及径流变化分析

为了研究及预测娘子关泉域降水及径流的变化趋势,采用时间序列分析方法,通过SPSS软件建立ARIMA模型对降水和径流序列进行分析,并预测后续11年的变化趋势,得出预测值的95%置信区间.结果表明,ARIMA(6,1,0)模型是年降水序列的有效拟合模型,ARIMA(10,2,0)模型是年径流序列的有效拟合模型.相比娘子关泉域的年降水序列,年径流序列的下降趋势更为显著,且从2017年开始,年径流序列预测值的95%置信区间开始包含负值,说明可能受人为因素的影响,需要引起人们的重视.     

乘积ARIMA模型的建立及应用

ARIMA模型作为统计预测中的一种重要模型,被广泛运用于各个领域中。本文在非季节性及季节性ARIMA模型的基础上介绍了乘积ARIMA模型的一般表达式,提供了建立这类模型及使用其进行预报的一般过程,并以某超市月顾客量数据进行了实例分析。分析结果表明,当一时间序列不仅含有季节性成分,还混有非季节性成分时,用乘积ARIMA模型的预测精度较高。但该模型只适用于短期预测。     

基于时间序列ARIMA模型的高职高专院校生师比预测

为促进高职高专教育的教学质量提高和可持续发展,提出一种基于时间序列ARIMA模型的高职高专院校生师比预测法.简要介绍了时间序列ARIMA模型,并探讨了初始数据的平稳化过程,利用自相关系数和偏自相关系数分析了模型参数的选择过程,利用该模型对高职高专院校生师比进行预测.结果表明:未来几年内高职高专院校生师比呈上升趋势,2020年将达到20.32∶1,超出合格标准。该结果为师资队伍建设及制定招生计划提供理论参考.     

短时间序列集的一种预测调和方法

由于互联网以及大数据产业的高速发展,各行业产生了大量的短时间序列数据。因此,对这些数据进行分析进而预测其未来趋势成为了重要的生产和管理的手段。短时间序列以单个序列的观测数量少为特征,是时间序列分析的一个难点。如果预测对象是短时间序列数据集,就可以利用其总量的预测值去调节各分量的预测值。文章提出了一种时间序列的预测调和方法,并通过此方法去调节ARIMA模型对一个短时间序列数据集的建模预测结果,与ARIMA的预测结果相比,调和后的预测精度得到了提高。     

时间序列分析方法及人民币汇率预测的应用研究

在简要介绍时间序列模型的基础上,使用人民币／美元的日汇率值进行实证研究,建立相应的ARIMA模型和EGARCH模型并进行预测和评价。研究结果表明,EGARCH模型的预测结果较ARIMA模型理想,适合描述人民币／美元汇率的变动趋势。     

季节ARIMA模型在我国肺结核发病率预测中的应用

目的探讨应用季节ARIMA模型对我国肺结核发病率进行预测的可行性.方法对我国2005年1月-2010年12月肺结核逐月发病率建立季节ARIMA模型,并对预测效果进行评价.结果 ARIMA（3,1,0）×（0,1,1）12模型很好地拟合了既往数据,对2011年1月-9月发病率的预测值符合实际发病率变动趋势.结论季节ARIMA模型能很好地模拟我国肺结核发病率的变动趋势,将其应用于肺结核发病率预测是可行的.     

基于分形插值的ARIMA大坝预警模型

针对ARIMA模型对含有缺失值的时间序列进行拟合预测会产生较大的误差,将分形插值与ARIMA模型相结合运用在大坝安全监测中.首先利用分形插值能通过分形物体的部分信息得出其整体形态的特点,对原始数据进行插值计算,然后建立ARIMA时间序列模型并进行预测.以小湾坝顶某监测点径向位移为例,建立基于分形插值的ARIMA模型,并与实测值比较.计算结果表明,插值后的ARIMA模型较原始模型的拟合和预测精度更高.     

SNA技术在机构关系分析中的应用

为获取同类机构的关系信息,设计一种基于社会网络分析(SNA)技术的机构关系分析过程.以社会科学院机构为例,构建社会关系网络,定量和定性描述机构的学科特性,在此基础上分析机构在学科归属上的共现关系,再通过分层聚类,展现所有机构的关系分布状态和整体网络属性.实施过程表明,SNA技术在机构关系分析中具有良好的应用价值.     

基于小波变换的振动测试分析系统

在振动测试系统中,经常需要Fourier变换对相关信号进行分析．但对于突变信号,传统的Fourier变换因在时域不能实现局部化,就显得无能为力．小波具有时窗和频窗宽度可调节以及多尺度分析等优点,在特殊信号采集及分析中加入小波分析,会取得更加良好的效果．为此,在振动测试系统中采用小波变换方面进行了大量的工作．     

函数性数据分析中的主成分分析

通过对比多元统计分析方法与函数性数据分析方法,分析函数性主成分分析的原理、方法,并在此基础上通过实例来说明函数性数据分析的应用,其中的数据分析结果使用MATLAB软件编程所得.     

谱分析基础CAI系统分析

谱分析基础ＣＡＩ系统是数字信号处理ＣＡＩ系统的子系统,该系统具有易操作,随机输入参数,动态图形,图形丰富等特点。介绍了应用该系统分析频谱泄漏及栅栏效应的原理及实例,该系统用于课堂插播教学和实验教学,都收到了很好的效果。     

试卷分析系统的研究与分析

论述了试卷分析系统开发的意义、目标,分析了衡量试卷质量的各种指标以及系统功能和性能方面的需求,为试卷分析系统的研究提供了参考．     

事件树与故障树相结合的系统可靠性分析法

事件树分析和故障树分析都是系统可靠性分析方法，各有长短，相辅相成，互相结合可以取长补短和提高可靠性分析质量，本文提出了ＥＴＡ与ＦＴＡ结合的依据，方法，步骤与应用范围，并分析了ＳＮ１０－１０型断路器操作过程的可靠性，作为这种结合的示例。     

文体分析理论与高级英语语篇分析

文体学是研究语言使用风格的一门科学。文体分析就是应用语言学理论揭示语篇的文体风格与特征。使用文体分析法可以将语篇分析由表层结构分析推进到深层结构分析,由语言形式的分析推进到语言功能的分析,并由此推导语篇的语用功能和语用效果。阐述文体分析的相关理论以及如何将其应用于高级英语语篇分析。更好地提高学生的语篇理解和文学欣赏能力,尤其是得体使用语言的能力。     

及物性分析、作格分析与文学批评

本文运用系统功能语言学有关及物性和作格的理论分析了蕴含在文学语篇———《我的儿子是凶手》中的深层意义。通过分析再现了语言模式是怎样与其功能交织在一起的 ,从而说明及物性分析法和作格分析法可以成为文学批评和语言教学的客观分析工具。     

成本费用管理探析

本文对成本费用管理进行了论述，并提出了若干值得思考的问题．     

网络分析的一种改进的回路分析法

回路分析法是电路分析的一种基本方法．但是基本的回路分析法不能用于处理含有电流源支路的回路分析问题．本文导出了一种改进的回路方程，提出了改进的回路法．这种方法减少了回路方程的维数和求解回路方程计算．该方法适用于计算机辅助电路分析(CACA)．