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.     

GPS系统SA误差模型的分析和建立

将采集的GPS数据进行处理，获得GPS的误差数据，使用非平稳时间序列数据的建模方法对其进行分析，首先通过直观检验方法判断误差数据具有非平稳特性，而后对误差数据进行一次差分处理，得到差分数据序列，通过系数检验方法证明此数据序列是平稳的。使用平稳信号建模方法确定差分数据序列的模型结构、类别、阶数以及模型系数，建立了AR(2)模型。最后对此模型进行检验，结果表明此模型的效果较好。     

基于ARIMA模型的大坝滑坡体表面位移监测分析预报

大坝滑坡体变形监测是水电站施工建设和分期蓄水阶段安全性的重要保障,监测数据分析和处理的方法又会直接影响到变形预报的质量。以某水电站坝址下游滑坡体为例,应用时间序列分析法中的ARIMA模型,构建非平稳时间序列模型对表面监测数据进行分析处理,比较模型预测数据与实际位移数据之间的差异。试验表明,ARIMA模型在滑坡体表面位移分析和预报方面具有较高的精度和可靠性。     

时间序列预测模型及其应用

预测预报是时间序列分析的应用之一，人们根据大量的观测数据对系统进行分析，主要原因是为了能够预测出系统在未来的特性，以便对系统的特性进行处理或控制．文章给出了自回归-滑动评价混合模型（ARMA模型）、平稳序列模型、差分序列模型（ARIMA模型）三种时间序列预测模型，并给出了具体的例子．     

联合经验正交分解和ARIMA模型的中国地区电离层短期预报

针对电离层垂直总电子含量(Vertical Total Electron Content,VTEC)具有非平稳和季节性变化的特性,结合经验正交分解(EOF)能够对非平稳时间序列进行简化和剔除冗余信息的优势,该文探索联合EOF和自回归移动平均模型(ARIMA)作为FOE-ARIMA,对中国地区电离层VTEC进行短期预报。采用IGS(International GNSS Service)中心提供的中国地区电离层格网数据(Global Ionospheric Maps,GIM),对不同季节前10天GIM数据进行EOF分解,使用ARIMA模型对主分量进行预报,通过重构获取未来5天VTEC值,并将EOF-ARIMA模型预报结果与ARIMA模型进行对比、分析。结果表明：EOF-ARIMA模型平均相对精度为83.3%,平均标准差为3.51 TECu,较ARIMA模型其平均相对精度提高了3.3%,平均标准差降低了0.16 TECu;EOF-ARIMA模型预测结果无明显季节差异,ARIMA模型秋季预报精度明显低于其它季节;EOF-ARIMA模型在赤道异常处预报精度未受影响。由此表明EOF-ARIMA模型在中国地区进行电离层短期预报具有较高的精度和稳定性。     

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.     

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,...     

交通流的时间序列建模及预测

采用时间序列ARMA模型进行交通流量趋势预测，建模时利用现场测得的交通流非平稳时间序列进行差分变换及标准化处理，从而转化成标准正态平稳时间序列；模型参数估计采用极大似然估计法，并根据AIC准则为模型定阶；最后通过实测数据进行验证．结果表明该ARMA模型能够较好地拟合交通流时间序列并可获得较高的中短期预测精度，因而可用于动态交通信号控制．     

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。     

基于多尺度主成分分析的ARIMA原油价格预测方法

石油作为"工业芯片",原油价格波动会对全球的经济与政治安全造成影响,准确地预测原油价格未来信息一直备受各方关注。提出基于多尺度主成分分析(MSPCA)的ARIMA原油价格预测方法,考虑原油期货价格与现货价格之间的相关性,采用原油期货价格和现货价格序列组成的二维数据作为原始数据,数据经过MSPCA后利用ARIMA进行预测。该方法利用了小波变换的多尺度分析能力,PCA的降维统计能力和ARIMA模型对非平稳时间序列的预测能力,实验证实该预测方法优于经典ARIMA方法和Holt′s指数平滑法,有效地提高原油价格预测精度。     

函数1nf（x）展开幂级数定理及其应用

本文获得函数 Inf(x)展开幂级数的一个定理,应用上分为函数展开幂级数和导出恒等式两类问题。O前言无穷级数是高等数学中一个重要组成部分,它是表示函数、研究函数性质以及进行数值计算的一种工     

对数值级数重组的注记

讨论了数值级数重排及加括号重组对其敛散性及和的影响．即不改变级数顺序，只对其加括号重组和改变顺序重组，以及既改变顺序又加括号重组对其敛散性及和的影响     

Erdos—Turan型级数

用初等的方法彻底解决了Ｅｒｄｅ－Ｔｕｒｎ型级数的求和问题，从而推广和改进了ＢｕｎｄｓｃｈｕｈＰ．和ＬｉＪｉａｎＬｉｎ等人已有的结果。     

基于形态拟合的时间序列距离计算

针对现有的距离度量方法度量准确度低且计算效率低的问题,提出了基于形态拟合的距离度量算法.该算法使用滑动聚集平均近似方法对序列进行分段降维处理,计算降维后的分段序列的动态弯曲路径,并计算处于动态弯曲路径上的分段序列之间的欧式距离,以所有分段序列的欧式距离的累积值作为最终的距离计算结果.实验表明基于形态拟合的距离度量算法具有度量准确度高且计算效率高的优点.     

关于双级数与级数一个新的联系

利用实变函数理论中可列集合的性质,给出了双级数与普通级数(单级数)的内在联系,表明双级数可以转化为普通级数讨论.     

Cantor级数的无理性

主要研究Cantor级数Σ∞ n=1bn/a1…an.其中a1,a2,…为大于1的整数,b1,b2,…为正整数并使得Cantor级数Σ∞ n=1bn/a1…an收敛.     

包含Lucas序列的无穷级数和

利用一些函数的Fourier级数展开式求出了包含Lucas序列的若干无穷级数和.     

一类收敛级数的余项估值的方法

在D'Alembert和Cauchy判别法基础上,用初等方法推出收敛级数的两个余项估值公式,从而给出了一类收敛级数的余项估值的方法.     

证明调和级数sum from n=1 to ∞()1/n发散的7种方法

从五个方面着手 ,给出了证明调和级数发散的 7种方法     

自然指数函数展开式的多重分割法（九）——应用部分

对于一般常数项级数运用多重分割法获得两个求和的定理,在特殊常数项级数求和上出现相映成趣的组合恒等式.