基于神经网络的VBR视频流量建模及预测

为解决视频流量预测问题,结合神经网络和小波技术建模IP(Internet Protocol)网络视频流,提出了利用神经网络预测尺度因子的预测算法.对可变比特率的压缩视频流完成小波分解,得出尺度因子.通过对尺度因子的预测和小波重建,完成视频流量预测.尺度因子的归一化特性简化了神经网络处理过程.对真实VBR(Variable Bit Rate)视频流的流量预测实验表明,模型对IP网络普遍应用的高压缩比视频流具有良好的预测能力.     

基于季节ARIMA模型的电力负荷建模与预报

电力负荷是影响电网寿命和可靠度的一个重要因素，将季节ARIMA模型引入电力负荷的建模及预报，为电力资源分配的宏观调控及电网改造提供了一种可靠的方法和途径，文中用频谱分析的方法检验电力负荷的季节性并求出一个周期；介绍了具有一个周期的季节ARIMA模型的一般表达方式，并给出进行建模及预报的一般过程，以天津市华苑小区的电力负荷为例，进行了季节ARIMA模型的建模及预报。     

基于时间序列ARIMA模型的电力负荷短期预测分析

科学的预测电力负荷数据可以更有效地进行电力生产规划和电力供需调整。本文基于代顿市2017年度电力负荷数据构建ARIMA模型,并使用该模型预测2018年的第一个月。并与1月份的实际数据进行比较,验证了模型的真实性和可靠性。研究结果表明:ARIMA(1,1,1)具有良好的预测结果和准确的预测精度。平均预测误差约为4.00%,达到了最小误差的预测效果。     

基于ARIMA模型的国内生产总值预测

本文通过对1952年以来的各年度GDP数据进行数学建模,利用ARIMA模型对年度GDP进行了预测。实验结果表明：ARIMA模型对GDP年度数据预测的一步预测相对误差可以保持在3%以内,具有较高的预测精度。     

基于PLC技术的电力视频服务器设计

本文介绍了基于电力线通信PLC(Power Line Communication)技术在视频监控网络拓扑结构,重点介绍在其系统中的关键设备:基于TMS320DM642和PLC技术设计的电力视频服务器。     

下一代网络信令流量分析

经过研究下一代信令网的系统构成，分析了下一代网络(NGN)信令流量的特性，对比相关网络的流量特性，并分析自相似流量产生的原因，通过仿真下一代网络的信令流量，验证了下一代网络信令流量具有自相似、多分形的特性。还分析了自相似流量对下一代网络信令所产生的影响。     

基于ARIMA的居民消费价格指数建模与预测

根据我国2007～2010年的实际居民消费价格指数,建立了基于ARIMA的物价指数预测模型。实验结果表明,该模型的绝对误差以及百分比绝对误差都控制在了一定范围之内,因此该模型拟合效果较好,预测值接近实际值。最后,应用该模型对我国2011年1月至5月的居民消费价格指数进行了预测。     

基于ARIMA模型对上证指数的预测

股票价格涉及很多不确定因素,且各个因素之间的相关关系错综复杂, 因此要从理论上彻底弄清楚股市的变化机理十分困难.然而股市是一个运动的、特殊的系统, 它必然存在着规律.以上证综合指数为例,利用EVIEWS软件对其股票价格建立ARIMA模型,提出了股票价格序列的一步向前静态预测方法,用于股票价格序列的建模及股价短期预测,希望为企业和投资者在进行相关决策时提供有益的参考.     

基于ARIMA模型对上证指数月度时间序列的分析和预测

股票价格指数的影响因素错综复杂,现阶段影响我国股票价格的主要领域是银行储蓄、债券市场、期货市场、房地产,汇率等,从目前金融学发展的趋势和广大投资者对股票市场众多金融工具迫切的需求来看,通过建立恰当的时间序列模型可以达到对股票价格整体走势进行大致的预测的目的.本文选取了从2011年12月我国加入WTO至2014年7月以来的上证综合指数的月度数据,通过建立ARIMA模型采用一步向前静态预测的方法对我国股市2014年8月的上证综合指数进行了预测,发现我国2014年前两个季度以来整体股市呈现上升的趋势.本文的创新之处在于对样本数据取了对数,从而消除了时间序列中的自相关和异方差,同时使得预测值接近实际值,效果良好,希望对广大股民提供借鉴参考.     

基于季节自回归单整移动平均模型的电梯交通流递归预测方法

针对电梯交通流预测提出了一种基于季节自回归单整移动平均（SARIMA）模型的递归预测方法．通过离线分析,对电梯交通流利用时间序列分析得到初始的SARIMA模型,引入异常值检测对训练数据中的异常值进行修正,利用修正的序列得到电梯交通流SARIMA模型;在线预测时,将离线得到修正的SARIMA模型转化为状态空间形式．通过Kalman滤波实时调整状态向量,实现电梯交通流的实时在线预测仿真表明该方法具有很好的预测性能,且运行时间短,满足实时性的要求．     

ARIMA模型结合小波去噪的贵阳城市交通流预测

由于交通流量具有非线性和强干扰性的特征,在不同的时频域空间具有不同的特性;本文首先应用小波分析的方法,将含有综合信息的一组原始交通流信号分解为多组特征不同的时间序列信号,再利用ARIMA模型良好的线性拟合能力,将经过小波分析的时间信号通过ARIMA模型进行处理.利用Matlab和SPSS,对实测交通流数据进行了验证分析...     

基于时间序列分析的平顶山地区生产总值的变化趋势研究

利用1988--2008年平顶山地区及各县市区的生产总值的数据,建立自回归移动平均结合模型,对未来五年平顶山地区及各县市区的生产总值进行预测,并比较不同区域生产总值及其变化差异．     

基于奇异谱分析的上证指数预测模型

该文应用奇异谱分析(SSA)的方法,对一维时间序列--证券指数,构造延迟矩阵,运用时间经验正交函数(EOF),对原序列进行重构,有效地提取序列中隐含的波形信号;利用自回归移动平均模型(ARMA模型)对原序列和重构结果分别进行预测,并进行比较.     

电熔镁砂企业生产计划多目标优化

针对大部分电熔镁砂生产企业都是产能有限的小工厂,在销售旺季时会损失超过自身产能的订单;在销售淡季时又容易积压库存的问题,提出了基于需求预测的多目标生产计划优化方法.该方法利用基于季节性自回归求和移动平均（ARIMA）模型向前多步预测市场的需求量,并建立销量与库存累积量的多目标优化模型.设计了关键月度产量计划后推法求解模型得到了决策者满意的优化目标.对预测过程中存在的偏差,利用实时反馈得到的真实销售数据修正预测结果,进而调整优化模型,校正后期产量计划.实际应用效果证明,按所提方法得到的产量计划能够实时地反映市场需求的动态变化,并实现了库存与销量的多目标优化.
     

基于ARIMA模型的福州市雷暴日趋势分析

在分析ARIMA(p,d,q)预测模型的基础上,以福州市1961-2006年的雷暴日为时间序列基础,通过对该序列进行平稳性分析、差分处理、自相关、偏自相关系数计算与绘图、ARIMA建模、参数估计、假设检验及模型预测,将ARIMA模型运用在雷暴日的趋势分析上.研究结果表明,ARIMA能很好地拟合计算出未来短时段内的数据,...     

基于快速路交通录像的交通流模型参数测量方法研究

提出一种利用城市快速道路交通录像资料测量交通流模型中各种参数的方法.以北京市一个路段的实际录像资料为例,通过测量和分析获得Kerner非线性模型中的临界密度、宽运动堵塞的传播速度和Greenshields模型中的畅行速度等参数.结果显示,这是一种操作性强、成本很低且有多种应用前景的交通流测量新方法.     

交通流的季节ARIMA模型与预报

使用季节ARIMA模型对交通流进行建模及预报为高速公路交通状况分析、道路设施建设、公路效益评价及控制策略设计等提供了一种可靠的方法和途径。介绍了具有周期的季节ARIMA模型的一般表达方式，并提供了使用这一模型进行建模和预报的一般过程。最后以某高速公路的实测数据为例，进行实证分析，得到了72步的长期预报结果，其相对误差为0．13。     

基于时间序列分析的独居老人活动量研究

为解决独居老人日常生活的监护问题, 提出一种基于时间序列分析与模糊模式识别的独居老人活动量研究方法。该方法将独居老人的日常活动量作为对独居老人生活状况监测的有效指标, 并利用时间序列分析对活动量时间序列建立预测模型, 利用模糊模式识别法鉴别活动量监测值与活动量预测值之间的差距, 当两者之间的差距超过正常范围时, 将预警信息反映给老人的监护人, 以便监护人对老人的生活状态是否异常予以关注。实验结果表明, 该方法对老人异常状态的识别准确率为96. 97%。从而为老人生活状况的研究提供了一种新的方法和途径。     

基于小波分析和ARIMA模型的交通流预测方法

针对实际交通系统时变复杂的特征和交通流变化的不确定性,应用小波分析理论,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律;采用综合自回归移动平均(ARIMA)时间序列模型对交通流进行预测;并对实测交通数据进行验证分析.结果表明,该方法具有较高的预测精度,可用于交通流的实时动态预测.