基于异同移动平均线指标的氨氮厌氧工艺诊断研究

合理的诊断方法和控制策略是实现厌氧处理工艺安全性和稳定性的必要手段。为了对氨氮厌氧工艺的处理过程进行准确的诊断与控制,基于在线监测系统对氨氮扰动冲击情境下上流式厌氧污泥床(Up-flow Anaerobic Sludge Blanket,UASB)反应器的气液相参数进行实时监测,并根据指数平滑异同移动平均算法,建立各参数相对应的异同移动平均线指标。根据各参数的指标响应特征与反应器之间的状态关系,通过建立诊断规则,构建氨氮厌氧工艺诊断推理数据库。诊断推理数据库结果显示,气相参数指标整体上比液相参数指标响应快,适合作为识别氨氮扰动抑制发生的敏感性指标;综合气相和液相多参数异同移动平均线指标的响应特征,不仅能够对扰动抑制程度和厌氧生化系统的恢复情况做出准确、全面的诊断,还能够提供快速的预警和有效的控制策略。

基于移动平均滤波的高水头水电站压力钢管应力测试研究

压力钢管作为水电站关键设备之一,其应力状态的准确检测对保障结构安全至关重要。而实际应力测试中,受噪声干扰会影响测试数据的准确度,进而影响对压力钢管的安全评估。为解决该问题,提出一种基于移动滤波技术的数据分析方法,对原始应力测试数据进行分析处理,并用于计算某水电站1号机甩50%负荷、甩100%负荷工况下压力钢管的应力变化。结果表明:该方法具备很好的适用性,能有效减少由噪声引起的波动,恢复了信号的真实特性并保持峰值部分,计算得出的钢管静态应力和动态应力减小,安全裕度提升,对提高压力钢管安全评估准确性具有重要的应用价值。图4幅,表1个。

基于移动平均趋势剔除法对海南旅游业的实证研究

海南旅游业容易受到各种因素影响,为了更好地掌握旅游业发展规律,本文依据2013—2022年数据,应用移动平均趋势剔除法对近十年数据进行实证分析,并预测出2023—2025年的旅游总人数和总收入的数据,得出2023—2025年海南旅游指标预测处于上升趋势、海南淡旺季旅游可塑性较强、增强海南旅游产业危机可抗性的结论。

基于二次移动平均法估计背景光照的二值化方法

针对不均匀光照图像的阈值分割问题,提出一种基于二次移动平均法估计背景光照的改进二值化方法。首先,利用二次移动平均预测法对一维图像空间的灰度序列进行趋势预测,根据预测趋势寻找前景与背景的分界点以此进行背景估计,然后利用背景差法分离出目标图像,最后采用最大类间方差法进行全局分割获得分割结果。为验证算法的有效性,实验采用50幅非均匀光照条件下的图像作为测试样本,并与几种局部阈值分割算法进行了对比。实验结果表明,与传统阈值分割算法相比,该算法能够在减少光照影响获取较为完整的图像信息的同时,在处理速度上也具有明显的提升。

借助自回归移动平均模型构建儿童口服退烧药消耗量的预测模型

目的 使用自回归移动平均(ARIMA)模型对医院口服退烧药消耗量进行预测,旨在为医院药品供应提供参考。方法 收集某儿童医院2013年1月—2018年12月全院每月口服退烧药的消耗量建立ARIMA模型,预测2019年1—12月口服退烧药的消耗量,以2019年1—12月实际消耗量数据评价预测模型是否合适。结果 2013年1月—2018年12月每月口服退烧药消耗量的时间序列呈现明显的季节性,在每年1月、5—7月及12月出现消耗量峰值。该时间序列经季节性分解后拟合ARIMA(1,1,1)(1,1,1)_(12)模型,拟合效果较好,经过对比发现除2019年1月和2019年12月两个月外,其余月份预测值与实际值的相对误差均在20%以内。结论 依照2013年1月—2018年12月全院每月口服退烧药消耗量建立的ARIMA模型能够较好地预测口服退烧药消耗量,可为医院科学的药品供应提供一定参考。

物流预测技术中的移动平均线方法

在讨论移动平均值的基础上 ,提出了物流预测技术中的移动平均线方法 .介绍了移动平均线的构造方法 ,论述了不同时间跨度的移动平均线的特点 ,讨论了选取时间跨度所要考虑的一些主要因素 ,并介绍了确定不同“时期”的方法 .文中结合实例对物流预测技术中的移动平均线方法进行介绍 .结果表明 ,此方法既能预测销售物流短期、中期和长期变化趋势 。

移动平均法的滞后问题

文章首先列举了分析时间序列方法中最常用的移动平均法的类型,然后详细介绍了该方法在预测时的滞后现象,举出修正移动平均法的公式和指出其错误的地方并加以证明,最后用实例有力的证明了自己的观点,列举了方法的优点。

移动平均线在合肥市肺结核疫情监测预警中的应用

移动平均法就是将数据按照时间排列,以一定的跨越期进行移动平均得出平均值进行预测的一种方法。该方法能够消除时间序列中的偶然因素对预测结果的影响,突出反映趋势性和周期性的变动,适用于一年期等短期预测,现已被广泛应用于各种疾病及医院统计预测中。本研究探讨如何采用Excel函数的方法计算移动平均数（预测值）,并绘制移动平均线,进行肺结核疫情预警分析。

物流需求预测中移动平均法应用分析

本文首先说明了物流需求的相关概念,解释了物流需求预测的重要性。然后列举了分析时间序列方法中最常用的移动平均法的类型,详细介绍了分析线性趋势的主要方法:中心化移动平均法和二次移动平均法。

经济预测讲座(四) 经济预测中的移动平均法

一、平均数预测法的意义 在同质总体中,各单位按照某一数量标志计算的不同标志值的一般水平,被称为平均数。它表明大量现象和过程的一种集中趋势,消除了其中的偏大或偏小、偏高或偏低、偏上或偏下等离散情况,从而能说明其一般水平或本质水平,便于人们认识客观事物。从计算平均数的方法来看,常用的有算术平均数、几何平均数、调和平均数、移动平均数、指数平滑平均数等多种。在经济预测中,这些方法如果运用得当,都能得到较好的结果。例如,有些商品的销售量就可以采用简单算术平均法进行预测。

二次移动平均预测模型的建立方法

二次移动平均法是对一次移动平均值再进行移动平均，并根据实际值、一次移动平均值和二次移动平均值之间的滞后关系，建立预测模型进行预测的方法。二次移动平均法是时间序列预测法的重要方法之一，它是移动平均法的高级形式，能克服一次移动平均法的不足，提高预测效果。

基于移动平均法的汽车4S店新车销售需求预测分析

需求预测是4S库存管理重要组成部分,建立科学库存既能满足消费者需求,又能节约商家资本,因此选择合理的预测方法,准确预测需求十分重要。本文采用三种方法即简单移动平均法、加权移动平均法、一次指数平滑法对4S店汽车销量进行需求预测,用均方差值进行精度比较,采用均方差最小的为需求预测值以保证精度,从而使预测值更为准确,为4S店合理库存提供参考。

关于移动平均法的探讨

移动平均法是时间序列预测法中一类主要方法。在市场较稳定,短期内趋势变化不大情况下,是一种有效的预测方法。通过移动平均,就可以得出一个由移动平均数构成的新的时间序列,它把原有历史统计数据中的随机因素加以过滤,消除数据中的起伏波动状况,使不规则的数据大致规则化,以显示出预测对象的发展变化方向和趋势,根据这个演变规律就可以预测未来。由于其方法简单,容易掌握,适用于很多经济现象,因此,它做为一种主要的市场预测方法,被广泛使用。且每本教科书中都要介绍它,可见其实用性多么广泛。一般介绍使用的是一次移动平均法,二次移动平均和加权移动平均法,但有些书在介绍这些预测方法时,没有对这些方法的适用性作必要说明,也没有仔细研究预测结果佳否,笼统给以介绍。

移动平均线交易规则的实证分析

股价的变化一直是投资者关注的焦点。移动平均线是预测股价趋势的技术分析方法。通过研究发现,采用移动平均线交易策略可以获得比买入——持有策略较高的收益率,为倡导理性投资提供了有力的证明。

基于加权移动平均的姿态角测量技术实现

在深入研究基于二维传感器测倾角技术的基础上,分析了利用三维传感器测姿态角的原理方法,该方法可减小因二维传感器单轴或双轴输出带来的随机性系统误差,可实现同时对倾角与滚转角的测量;在后续的数据处理方法选择上,运用了基于加权移动平均平滑滤波的修正方法,并在仿真与实验中得到了验证,提高了数据的精度,取得了较好的效果,为特殊行业的测姿提供了理论支持。

多元指数加权移动平均主元分析的微小故障检测

主元分析(principal component analysis,PCA)是一种有效的数据分析方法,在故障诊断与状态监测方面已得到广泛应用.多元指数加权移动平均–主元分析(multivariate exponentially weighted moving average principal component analysis,MEWMA–PCA)方法用于解决PCA不能有效检出微小故障的问题.本文深入研究了MEWMA–PCA中EWMA影响主元分析进行故障检测的机制,导出了MEWMA–PCA可检出微小故障的原因.本文确定了MEWMA–PCA中遗忘因子λ、单传感器故障幅值和迟延时间三者的关系,并进行了数值仿真和火电厂磨煤机组运行状态的仿真实验.实验结果验证了MEWMA–PCA中EWMA提高PCA的监测性能的机制,并给出了根据系统实际要求来选取合适的遗忘因子值,从而在规定的时间内检出微小故障的实例.

移动平均线在市场预测中的改进

在证券投资的二级市场上,把一天营业时间分成八个时间单位,利用新的移动平均法加权公式算出当天收盘价格取代原有的移动平均法中的收盘价进行一次移动平均,在市场预测中得到的数字比较精确,并在此基础上建立了其二次、三次移动平均法的预测模型.

基于自回归移动平均及支持向量机的中国棉花价格预测

文章通过对2008年至2011年间月度棉花价格数据进行分析,建立了基于自回归移动平均的棉花价格ARIMA(1,1,1)模型,结果显示,ARIMA(1,1,1)模型能够很好的模拟国内棉花价格,平均相对误差百分比低于4%,在ARIMA模型的基础上,对该模型残差建立支持向量机模型,将自回归移动平均模型与SVM模型组合对棉花价格进行了预测,比较预测结果,组合预测模型对自回归移动平均模型有一定改进。

自回归求和移动平均乘积季节模型在西安地区出生缺陷预测中的应用

目的应用自回归求和移动平均(ARIMA)乘积季节模型预测西安市出生缺陷的发生率。方法利用2009年10月至2015年8月出生缺陷监测数据对西安市出生缺陷发生率数据构建ARIMA乘积季节模型,同时利用2015年9月至12月实际出生缺陷发生率与模型拟合数据进行比较,评价模型的预测性能,并预测西安市2016年的出生缺陷发生率。结果西安市出生缺陷的发生率具有一定的趋势及季节性,建立了ARIMA(0,0,1)(0,1,1)12乘积季节模型,利用2015年9月至12月拟合值与实际出生缺陷发生率比较,绝对误差的平均9.5,相对误差的平均0.084,提示ARIMA(0,0,1)(0,1,1)12乘积季节模型具有较佳的预测能力。预测2016年西安市出生缺陷发生率与2015年接近,总体略有抬升,但峰值下降。结论 ARIMA(0,0,1)(0,1,1)12乘积季节模型可用于西安市出生缺陷发生率的预测。