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。     

泉水月流量预报模型研究

泉水系统属非线性动力系统,泉水月流量序列具有季节波动的特点.借助季节变动模型建模思想,采用灰色趋势预测模型与神经网络模型,分别对其长期变动趋势与季节变动的非线性进行估计,经实例验证,表明提出的灰色季节神经网络耦合模型,其拟合、预测精度均优于独立应用灰色季节模型或神经网络模型的精度.     

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。     

组合系统可靠性评估中的混合负荷模型

在分析目前负荷模型缺陷的基础上，文章提出了一种按季节、分地区考虑负荷相关性和预测不确定性的混合负荷模型，并讨论了其蒙特卡罗实现过程，使建模更为准确，更具实用价值。     

季节性商品销售量预测模型

利用两次回归分析、Fourier级数频谱分析、自回归模型的叠加建立了一类销售量的预测模型.对季节变化关联较强的商品的销售量,该模型有较高的预测精确度.不仅给出了模型中主要参数的估计方法,还给出了一个建模的实例。     

SARIMA模型的建模及其信贷预测分析

对自回归单整移动平均季节模型(SARIMA模型)的原理,以及建模思想进行诠释.指出在经济数据中普通存在的季节性问题,并在ARIMA模型基础上提出SARIMA模型.通过对中国人民银行的月度信贷总量资料的建模及预测分析,得到良好的效果.SARIMA(1,1,0)(1,1,1)12模型这一短期预测模型及其短期预测的结果,可为中国人民银行进行信贷政策的制订提供依据.     

基于时间序列分析方法在车队健康管理中的应用研究

运用时间序列来分析车队失效数据.根据收集的某巴士公司近175周的失效数据,应用分解分析法得到了车队失效次数的模型.结果发现,车队的长期失效趋势呈现劣化趋势,其失效随着季节的变化而变化.得到的模型具有较高的预测精度,证明时间序列分析适用于车队失效次数的建模及预测.最后,对车队失效次数建模及预测的潜在应用进行了讨论.     

中国民航货运量的时间序列模型

主要运用时间序列分析的方法及EViews与SPSS统计软件对时间序列建立乘积季节模型,并搜集了中国1993年1月～2000年12月的民航货运量数据,对其进行分析.根据Box-Jenkins的建模方法,建立了中国民航货运量的模型,并对模型进行适应性检验.同时通过比较预测数据与预留数据间的差别,表明模型较为合理.     

海运价格指数的波动规律

通过对波罗的海国际干散货运价指数分别提取长期趋势项、周期波动项和季节波动项以后，得到了一个符合ARMA模型建模要求的零均值平稳序列。对此序列建立的时间序列模型非常精确地模拟了波罗的海运价指数，并作出了误差极小的短期预测。     

基于时间序列分析的负荷预测方法的比较研究

电力系统负荷预测是电力系统规划和经济运行的基础.趋势移动平均方法和指数平滑方法可以对区域内不同种类负荷时间序列建模,趋势移动平均方法是对负荷时间序列历史数据进行处理,建立趋势分量以及季节分量模型,对残差进行平稳性检验后建立ARMA模型;指数平滑方法是建立Holt-Winter季节乘法模型.Eviews、Excel等软件可获得负荷未来值,并对模型预测功能进行评价,分析两种时间序列方法的差异性,结果表明采用时间序列分析的方法可以取得较好的预测效果.