基于鲁棒双参数指数平滑法的BDS卫星钟差预报

为提高北斗(BDS)卫星钟差预报精度与稳定性,基于BDS卫星钟工作原理与数据特征,提出了一种基于鲁棒双参数指数平滑法的BDS卫星钟差预报方法。将双参数指数平滑法引入BDS钟差预报,并通过鲁棒化建模与优化初始值选取方式提升了双参数指数平滑法的抗差与适应能力,减小了数据异常干扰对钟差预报性能的影响。与常用的多项式模型、谱分析模型、灰色预测模型及超快速钟差预报产品进行对比分析,结果表明:所提方法适用于不同BDS轨道与类型的卫星钟差预报,取得了良好的预报精度与稳定性,其对BDS卫星钟的6h平均预报精度分别提升了40.3%、31.7%、63.6%和36.6%,预报稳定性分别提升了43.8%、38.9%、65.4%和33.1%。

基于二次指数平滑和多元线性回归的宁波市港口物流需求预测分析

随着经济全球化的发展,港口作为物流发展的重要环节,港口物流需求已经成为港口资源配置规划和进出口贸易的重要依据。为对宁波市港口物流需求进行科学合理的预测,文章借助SPSS等数据分析软件,使用二次指数平滑和多元线性回归分别对其物流需求进行预测,通过对比两种预测方法的精度,最后发现,二次指数平滑法的预测精确度要优于多元线性回归法,并通过二次指数平滑法预测宁波市未来五年的港口物流需求量。

小波变换-指数平滑法预测西藏畜牧业产值

运用小波变换和指数平滑法相结合对西藏畜牧业产值进行了预测。首先对原始时间序列进行小波变换,通过信号重构去除原始信号中的噪声信号,然后利用3次指数平滑法对无噪信号进行预测,最后将指数平滑法的预测值与噪声信号相加,还原对原始时间序列的预测。结果显示:小波变换-指数平滑法的平均误差为0.715 6%,比传统3次指数平滑法的平均预测误差1.499 5%减小了52.277 4%,由模型预测得到2023年西藏自治区畜牧业产值为142.702 8亿元。

基于核空间联合稀疏表示和指数平滑的多基地水下小目标识别

针对多基地水下小目标分类识别问题,本文提出了一种基于核空间联合稀疏表示和指数平滑的多基地水下小目标识别方法 .对水下目标多角度散射信号提取6种典型的具有信息互补性和关联性的特征,提出一种随机森林(Random Forest,RF)和最小冗余最大相关(minimum Redundancy and Maximum Relevance,mRMR)相结合的特征选择方法(RF-mRMR),得出综合的特征重要性排序结果 .通过实验得出分类模型所需的最优特征子集,达到降低数据处理复杂度和提高目标分类结果的目的 .为了捕捉到数据中的高阶结构,在联合稀疏表示模型的基础上,使用核函数将线性不可分的特征数据映射到高维核特征空间.为了充分挖掘稀疏重构后包含在残差波段中的有用信息,使用指数平滑公式对具有一定意义的残差信息进行再利用,最后由核特征空间下的最小误差准则判定目标的类别.应用本文提出的方法对4类目标的海试数据进行识别,结果表明,相较于其他7种对比算法,本文提出的改进方法具有更好的分类性能,而且大多数情况下,本文提出的算法在双基地声呐模式下具有比单基地声呐更高的识别准确率和更低的虚警率.

基于BP神经网络和二次指数平滑法组合预测模型的安徽省物流需求预测

为准确预测安徽省的物流需求,从经济发展、产量结构、地区贸易和消费水平4方面选取安徽省的地区生产总值,第一、二、三产业产值,社会消费品零售总额,固定资产投资,人均消费性支出7个影响因素作为安徽省物流需求评价指标,以安徽省货运量作为物流需求规模输出指标,采用灰色关联分析计算安徽省物流需求评价指标与物流需求规模间的关联度,判断评价指标的合理性。通过夏普利值法将BP神经网络预测模型和二次指数平滑法预测模型组合,预测2017—2021年安徽省物流需求。结果表明:BP神经网络预测模型、二次指数平滑法预测模型及二者的组合预测模型预测结果的平均相对误差分别为4.58%、6.70%、3.99%,组合预测模型的平均相对误差最小。通过组合预测模型预测2022—2024年安徽省物流需求分别为405 004.96万t、407 142.09万t、409 108.95万t,安徽省货运量呈持续增长趋势,但增幅降低。安徽省应加快传统物流向智慧物流的转移速度,扩大内需,加强物流枢纽城市间的联系,加速区域一体化发展步伐,确保物流高质量发展。

基于季节性指数平滑法的电能表需求预测分析

随着智能电能表大规模普及应用,电能表需求数量日益庞大,采用经验人工估计容易造成电能表临时短缺和库存积压等问题。基于计量系统中的电能表历史安装数据,采用简单季节性模型、Winters加法模型和Winters乘法模型,并结合LSTM模型对结果进行对比分析,比较不同模型的优劣,确定电能表需求预测最优方法。实证结果表明:Winters乘法模型预测效果最好,预测值平均误差为2.46%,预测趋势符合实际情况。Winters乘法指数平滑法能够对电能表需求变化趋势进行科学合理预测,可以协助供电公司更加高效开展电能表运营管理,提高计量资产利用效率。

基于指数平滑的农产品价格预测大数据平台设计

文中针对庞杂的农产品市场价格信息,设计了基于指数平滑的农产品价格大数据平台,通过构建Hadoop、Hive和Spark大数据框架,在Spark-SQL内完成了农产品价格信息的数据清洗工作;并利用改进的指数平滑法模型,实现了农产品价格预测功能;借助SpringMVC、Ajax、Echarts等技术实现了农产品价格数据统计、分析、预测等功能的图形化显示。数据平台的应用在帮助用户直观准确地获取农产品价格信息、分析农产品价格发展趋势、预判农产品的市场前景、规划农业种植等方面均具有较为重要的参考价值和现实意义。

指数平滑-SVR模型对新能源电动汽车销量的预测

新能源汽车行业呈现快速发展的态势。首先,文章基于指数平滑模型对2016—2023年新能源电动汽车销量进行了拟合分析,其次探讨了针对残差序列如何利用SVR模型来得到串联组合模型,最后利用指数平滑-SVR组合模型对未来10年新能源电动汽车的销量进行了预测。

基于指数平滑的ARIMA模型预测河流水质研究

依托于上海市嘉定区横沥河2009年~2022年高锰酸盐指数和总磷数据,构建ARIMA模型并预测未来数值,加入指数平滑预处理,对比处理前后ARIMA模型表现。结果表明:ARIMA模型对高锰酸盐指数预测结果相对较为准确,对总磷预测结果相对误差较大。指数平滑预处理能增强ARIMA模型拟合度和预测精度,相较于单一ARIMA模型,指数平滑-ARIMA模型表现明显改善,可将高锰酸盐指数和总磷预测模型拟合优度R^(2)分别提高0.511和0.397,显著降低总磷预测值相对误差,最大可减少52.94%。

基于指数平滑法的噪声污染预测及应用

选取2011~2022年四川省攀枝花市城市区域声环境(昼间)和道路交通声环境(昼间)监测数据,对攀枝花市声环境质量总体水平进行评价,同时建立和选取适合攀枝花市的指数平滑预测模型。结果表明,2014年以来,攀枝花市全市区域声环境质量(昼间)等级均为二级(较好),呈显著下降趋势;道路交通声环境质量(昼间)呈显著上升趋势,且在2021年达到最大值71.7dB(A),属于三级(一般)。当平滑系数α值为0.6时,RMSE值最低,道路交通声环境质量(昼间)预测模型适合一次平滑指数模型;当平滑系数α值为0.8时,RMSE值最低,城市区域声环境质量(昼间)预测模型适合一次平滑指数模型。经过实证,预测值与攀枝花市的声环境污染状况基本保持一致,预测效果相对可靠,因此该模型可用于攀枝花市声环境质量(昼间)短期预测,并运用该模型对2023年声环境污染水平进行预测。2023年,城市区域声环境质量(昼间)水平总体保持在55dB(A)以内,道路交通声环境质量水平总体保持在70dB(A)以内,预测结果可为相关管理部门开展噪声污染防治工作提供数据支撑。

基于三次指数平滑法的三峡-葛洲坝间水域水上交通事故险情预测

长江三峡—葛洲坝水利枢纽两坝间航道长约38km,两坝间航道受三峡电站调峰及葛洲坝电站反调节的影响呈现J级航道的特点,通航环境复杂。本文介绍了两坝间航道通航环境情况,详细分析了该水域近年来发生的各类水上交通事故险情情况,基于指数平滑法对两坝间航道2022年全年水上通航情况进行预测分析,并提出相应的监管对策及措施,减少水上交通事故发生频次。

动态平滑系数和参数的动态三次指数平滑法在火电厂发电量预测研究

考虑到发电量预测的复杂性和其在供需管理中的重要性,本文引入了动态三次指数平滑法并采用动态平滑系数进行优化,与传统的加权移动平均法和时间序列预测模型进行对比。基于实际采集的发电量数据,研究显示,该模型具备出色的预测精度和拐点预测能力。此研究成果为火电厂提供了一种具备高精度和实用性的预测工具,有望为火电厂发电量的供需平衡提供重要的决策支持。

基于指数平滑和PSO-BP混合模型的建筑工程造价指数预测

建筑工程造价指数是进行工程造价管理的重要依据。为了提高建筑工程造价指数预测的准确性,首先,利用HP滤波将造价指数分解为趋势序列和波动序列,然后采用指数平滑模型对趋势造价指数序列进行预测;其次,利用粒子群算法(PSO)优化的BP神经网络对建筑工程造价指数的波动序列进行预测,PSO-BP神经网络模型的输入指标为引起造价指数变化的4种材料价格;最后,叠加二者预测值即为建筑工程造价指数的预测值。实验结果表明:该混合模型对6个月的造价指数预测的平均相对误差为0.55%,取得了很好的效果,为准确预测建筑工程造价指数提供了一定参考。

二次指数平滑多目标组合模型电力负荷预测

为提高短期电力负荷预测精度,提出一种二次指数平滑多目标组合模型ES-BiLSTM-LSTM预测方法。通过获取负荷目标预测值和残差目标预测值,实现多目标负荷预测;利用Pearson相关系数,选取与电力负荷相关性较高的影响因素;采用双向长短期记忆神经网络(BiLSTM)和长短期记忆神经网络(LSTM)串行学习负荷数据的时序性特征和周期性特征;利用二次指数平滑法平滑处理负荷数据,获得残差项,通过LSTM模型训练和迭代,提取残差数据的波动性特征;将负荷预测值与残差预测值融合得到修正预测值。实验结果表明,该方法在MAE、MSE和RMSE上,对比3种负荷预测模型均有提升。

指数平滑法在衢州市非免疫规划疫苗接种量预测的应用

目的建立适用非免疫规划疫苗接种量的最优预测模型,以及评估新冠疫情对2020年衢州市非免疫规划疫苗接种量的影响。方法收集衢州市2011-2020年非免疫规划疫苗月度接种量,采用时序图描述非免疫规划疫苗的时间分布情况,采用指数平滑法和ARIMA模型对2019年非免疫规划疫苗的实种数据与预测数据进行比较,并评价模型预测效果,结合模型拟合参数选出最优模型。通过最优模型预测2020年非免疫规划疫苗接种量,分析此次新冠疫情对2020年非免疫规划疫苗月度接种量的影响。结果衢州市非免疫规划疫苗接种量呈长期上升趋势且存在季节性特征,波谷多出现在第二季度,波峰多出现在第四季度。指数平滑法Winter相加模型拟合效果最优,决定系数R2为0.919,2019年的预测值平均相对误差为3.98%。受疫情影响,2020年1-3月实际接种量明显低于预测值,从4月份开始非免疫规划疫苗接种量开始攀升,全年实际值与预测值相差0.12万剂次,比预测值低0.71%。结论指数平滑法Winter相加模型较好拟合了衢州市非免疫规划疫苗接种量的变化趋势,尽管受新冠疫情影响,但非免疫规划疫苗需求较大,全年实际接种量与预测值持平。

基于指数平滑法对民航货运量的探究与应用

民航运输是国家重要的战略性资源,其发展水平与经济发展也有着密不可分的关系,由此对民航货运量的数据预测也就成为较为重要的研究热点。本文选用简单指数平滑预测法、Holt线性趋势指数平滑预测法和阻尼指数平滑预测法分别对民航货运量进行预测,并对比三种模型的优劣点,最终得到在民航货运量研究中,阻尼指数平滑预测法的预测精度最高,预计2025年我国民航货运量将高达959.4万吨。

基于指数平滑法的航材消耗定额预测研究

由于一次、二次和三次指数平滑法对不同消耗规律的航材预测拟合度不同,本文同时采用这三种指数平滑法进行航材消耗定额预测,其平滑系数采用使误差平方和最小的值,最后选择三种方法中误差平方和最小的结果作为航材消耗定额。预测结果表明综合利用三种指数平滑法进行预测要比单一方法预测更加准确,该研究方法具有较高的实用性和推广性。

指数平滑法模型与ARIMA模型在行业碳排放趋势预测中的综合应用实践分析

本文分析了直接测碳、卫星测碳、以能算碳三种碳监测方式。直接测碳是最直接也是最准确的,缺点是设备改造投资较高,并且非固定污染源以及中间过程的碳排放无法被监控到;卫星测碳是利用全球碳卫星,结合光谱温室气体探测技术,获得地区二氧化碳在大气中的含量,监测范围广,缺点是只能监测碳浓度状态,不能直接监测碳排放量;以能算碳是采用的能源消耗量和国家核算给定的排放因子相乘,得到碳排放量,缺点是存在能源基础数据不完备,统计数据是较为滞后的等问题。

基于自适应指数平滑法的甲醇价格预测

传统的指数平滑预测法难以适应时间,在数据变化较大的情况下,无法根据数据做出实时的改变。提出一种随预测时间与实际值变化幅度动态改变的自适应指数平滑法,根据历史数据预测了未来的甲醇价格波动。预测实验表明,所提出的方法可以有效提高预测的精准度,优于原先单一的指数平滑法,具有更好的预测性能。

基于ARIMA和指数平滑法的直流输电线路地面合成电场实测离群值的判别

直流输电线路地面合成电场是公众广泛关注的环境影响因子之一。合成电场极易受环境条件影响,实测结果波动较大,往往出现可疑异常值(离群值)。目前合成电场理论模型尚无法全面考虑环境影响,难以准确判别离群值。对此,从时间序列分析的角度,提出了基于自回归差分移动平均模型(auto regressive integrated moving average, ARIMA)和指数平滑法(exponential smoothing method, ETS)的离群值判别方法。经算例分析表明,该方法预测的均方根误差(root mean square error, RMSE)仅为1 kV/m左右,能全部判别算例中12处离群值,而经典数理统计方法仅能判别3处离群值。该方法可以有效处理相对平稳、具有固定趋势以及缓慢大幅波动等特征的数据序列,尤其是数据序列中有突然增大的非极端值离群值的情况。该方法比经典数理统计方法更适于判别合成电场实测结果的离群值。