动态三次指数平滑法及应用实例

传统的指数模型多用于处理线性趋势的时间序列,本文在此基础上建立了可以处理非线性时间序列数据的动态三次指数平滑模型.以拟合值与源数据误差的平方和为评价指标,通过使得该指标最小来计算最优时间序列系数,建立三次动态指数平滑模型.评价指标类似于评价函数,对模型自动评价,从而提高模型的适应能力,提高模型的计算精度.通过对实际时间...     

动态三次指数平滑法及应用实例

传统的指数模型多用于处理线性趋势的时间序列,本文在此基础上建立了可以处理非线性时间序列数据的动态三次指数平滑模型。以拟合值与源数据误差的平方和为评价指标,通过使得该指标最小来计算最优时间序列系数,建立三次动态指数平滑模型。评价指标类似于评价函数,对模型自动评价,从而提高模型的适应能力,提高模型的计算精度。通过对实际时间序列的分析,进一步证明通过误差评价指标评价的方法建立的动态指数平滑可以降低误差,使预测更加精确。     

指数平滑法及其在负荷预测中的应用

指数平滑法是电力系统负荷预测的主要方法之一,该方法的准确性取决于平滑系数α.对采用厚近薄远原则与远近相同原则优选α进行对比研究,结果表明采用厚近薄远原则优选α有更好的结果.在此基础上,结合相关分析,给出了厚近薄远的具体方案,并给出了负荷预测的具体实例.     

基于三次指数平滑法的沪牌拍卖月均价预测

随着人们生活水平的提高以及国内外人才向上海的大量涌入,上海车牌拍卖竞争越发激烈,因此对拍牌成交月均价的短期预测具有较高的现实意义.通过对投放数量、投标人数、历史数据等影响因素与成交月均价进行相关性分析发现,利用历史数据进行短期预测最为有效.据此,基于传统的三次指数平滑法和动态三次指数平滑法,利用2016年1~10月上海车牌拍卖成交月均价的历史数据,预测了2016年11月和12月沪牌拍卖成交月均价.同时,通过对预测误差进行分析得到动态三次指数平滑法要优于三次指数平滑法.从而得出,基于动态三次指数平滑法,利用历史数据对车牌月均价进行短期预测,能为车牌拍卖出价提供有效指导.     

三次指数平滑法在基坑地表沉降变形分析中的应用

根据某地铁车站基坑施工过程中地表沉降监测的实测资料,应用三次平滑指数法进行沉降变形的预测,充分证实了在地表沉降变形分析中该预测法的可行性;研究结果表明:在现有地铁车站基坑地表沉降14期观测数据参与建模条件下,三次指数平滑法与时间序列ARIMA(1,1,1)模型相比,其均方误差MSE较小,模型的预测值与吻合较好,平均残差值为-0.010 1,平均相对误差为-0.219 0,确保了地铁车站的正常施工及安全使用,为后续工程建设提供保障。     

三次指数平滑模型在短期铁路旅客发送量预测的应用

本文主要介绍了三次指数平滑预测法、的数据原理及在短期铁路旅客发送量预测中的应用,并利用Excd进行建模,分析该方法在数据拟合、预测方面的适用性。最后本文以某企业城际列车旅客发送量为对象,对该预测方法进行实例说明。     

一次指数平滑模型预测法及实际应用

本文分析了一次指数平滑模型预测法的计算原理、计算方法及其应用,该方法有易掌握、易操作、计算方法呈规律性等特点,在日常生活、生产及统计工作的预测研究中具有极其重要的作用,用Turbo c等计算机语言设计成程序后,可广泛应用于研究工厂生产的发展趋势,并对今后产值进行预测。该方法具有较高理论和应用价值。     

基于平滑指数法的我国铜材产量预测

铜是用途广泛且较为贵重和稀缺的有色金属.科学预测我国铜材产量,是制定行业发展规划的基础,对指导企业有序、有效生产经营,保持我国促进我国铜产业健康发展具有重要的现实意义.平滑指数法是时间序列预测常用的方法,预测值是以前观测值的加权和,且对不同的数据给予不同的权数,新数据给予较大的权数,旧数据给予较小的权数.运用三次平滑指数法预测我国铜材产量,取得了理想的效果,平均预测仅为1.658 8%.由模型预测得到2017年6月我国铜材产量为178.356万t.     

季节性指数平滑法在城市用水量预测中的应用研究

针对季节性平滑指数方法对于异常数据适应能力较差的特点,对该方法进行优化改进,建立更加可靠的数据模型,并通过实际监测数据检验,得出改进后的季节性平滑指数法在北方地区预测用水量具有更高的精度,满足给水系统的仿真要求。     

指数平滑结合条件Markov预测模型研究——基于新疆货运量预测

建立了一个时间序列预测模型。以三次指数平滑模型为基本预测模型,并基于马尔科夫链定义了误差修正模型--条件马尔科夫链。条件马尔科夫链的特点在于将传统马尔科夫链中的一步状态转移概率矩阵变成条件一步状态转移概率矩阵,即在条件马尔科夫链的状态转移概率矩阵中,每个元素的意义为:在已知t-1时刻的状态下,t时刻的状态转向t+1时刻状态的概率:即P{(E_t→E_(t+1))/E_(t-1)}。在文章中以新疆货运量为实验对象,通过对新疆货运量这一指标用三次指数平滑模型,用三次指数平滑模型结合马尔科夫链和三次指数平滑模型结合条件马尔科夫链三个模型进行预测,结果显示,经过条件马尔科夫链修正后的预测结果误差最小,证明文中模型可以有效提高预测精度。     

基于指数平滑与曲线拟合的交通违法预测方法研究

为了更加准确地估计交通违法数据的变化趋势,针对交通违法预测需求分析,设计了一种基于指数平滑与曲线拟合方法结合的组合预测方法。算法公式简单、易实现,可移植性较强,具有普适性。利用实际数据对该方法进行了数据验证,并与对比算法进行了效果对比。验证结果表明,本文中提出的方法预测效果较好,具有一定实用性。     

最优组合预测及其在短时交通流预测中的应用

交通流量预测结果的好坏直接关系到交通控制与诱导的效果,因此,短时交通流预测是先进交通管理信息系统中关键技术问题之一。在简要介绍最优组合预测模型基础上,以预测误差平方和最小为准则确定最优组合预测模型中的权系数,实现交通流预测模型的最优组合,并利用实际数据通过与单一时间序列模型、线性回归模型、卡尔曼滤波模型及人工神经网络模型的预测精度比较分析,验证了交通流最优组合预测模型的有效性和实用性。     

基于混沌理论的局域网流量预测

局域网业务流中广泛存在自相似为特征的现象,并且自相似现象与混沌现象间存在紧密联系.通过采用局域网流量对应的时间序列分析的方法进行研究,基于相空间重构思想,通过C-C算法计算嵌入维和延迟时间;利用小数据量法计算局域网流量时间序列的最大Lyapunov指数来判断其混沌特性;针对基于最大Lyapunov指数的预测方法中只考虑中心点的最邻近点对预测的决定性作用,而忽略了其邻近点邻域内其他各点对预测结果的影响的特点,提出了基于最大Lyapunov指数的加权邻域预测法;最后通过实测局域网流量预测验证方法的有效性.      

生态环境数据预测方法研究

大规模生态环境数据的处理和统计分析为环境保护和预测提供重要依据,其分析和预测方法成为数据处理的研究重点。在对海量生态环境数据的分类整理和综合处理基础上,基于时间序列的指数平滑法建立了一种动态二次指数生态环境数据预测模型。该模型针对生态环境的实时变化特征,利用二次指数平滑方法实现了静态参数的动态优化处理。以云南大理生态环境数据为样本,通过实验仿真测试和模型分析,结果验证了该模型的适用性和准确性。     

支持向量回归的网络流量预测模型

为了提高网络流量的预测精度,准确描述网络流量变化规律,提出了一种基于向量回归的网络流量预测模型,它能全面刻画网络流量变化趋势.     

基于小波消噪和混沌时间序列的交通流预测研究

基于实际交通流变化的不确定性和交通系统时变复杂的特征,应用小波分析理论,对原始交通流数据进行消噪处理,使消噪后的数据更能反映交通流的本质及变化规律。再针对交通流的非线性特征及其短期可预测性,应用混沌时间序列预测模型来预测短时交通量。结果表明:先进行小波消噪再进行预测所得的结果与实测值有更高的拟合度,可以用于短时交通流的预测。     

河南省2012—2020年交通客运量预测与分析

以1998—2011年河南统计年鉴中列出的河南省历年交通客运量数据为研究对象,运用时间序列模型(指数平滑和ARIMA模型)和非线性回归方法,对河南省2012—2020年的交通客运总量以及各交通运输方式客运量做出预测.预测结果显示:未来几年公路交通客运在河南省仍占主导地位,河南省交通客运总量2012年达到215 219.29万人,其中公路、铁路、民航、水运客运总量分别为204 873.13、9493.39、526.99、313.61万人,2020年客运总量将达到579 099.71万人.     

用周期模型和近邻算法预测话务量时间序列

客服中心话务量虽然具有周期性,但在不同时间遵循不同变化规律,这是话务量预测的难点。针对这个问题,以某电信公司一年的实际话务数据为基础,分别采用周期模型和基于实例的近邻算法进行话务量时间序列预测,并对比分析了两种预测方法的效果。实验数据表明,对工作日话务量的预测,周期模型的预测效果优于近邻算法;对非工作日话务量的预测,近邻算法的预测效果优于周期模型。为取得更好的预测效果,实现了周期模型和近邻算法相结合的预测方法。结果表明,在最好的情况下,该方法的预测精度比周期模型提高约19.7%,比近邻算法提高约48.8%。