基于自回归滑动平均模型的风力发电容量预测

利用时间序列分析法对富锦风电场风电机组发电容量时间序列进行分析,通过长自回归模型法建立了基于这些数据的自回归模型(AR)和自回归滑动平均模型(ARMA)。在建模过程中,采用3种定阶方法分别建立了不同的ARMA模型,并在对比分析了不同模型的优缺点之后对其进行加权平均综合处理,最终得到较理想的预测模型,使风力发电容量短期预测的归一化平均绝对误差降到7%以内。

统计模式识别和自回归滑动平均模型在设备剩余寿命预测中的应用

为了对设备预知性维护研究提供支持,采用统计模式识别(SPR)方法对设备进行性能评估,获取设备健康指标;再运用自回归滑动平均模型(ARMA)对设备剩余寿命进行预测,建立了基于设备健康状况的设备剩余寿命预测模型.对生产过程中刀具加工设备寿命预测进行分析和验证结果表明,该设备评估和预测方法是有效且实用的.

多元自回归滑动平均模型辨识与电力系统自适应阻尼控制

传统基于离线模型参数和典型运行方式设计的电力系统阻尼控制器存在适应性问题,提出一种基于辨识的自适应控制器设计方法,可解决一般自适应控制中快速性和准确性要求之间的矛盾。所用的多元自回归滑动平均模型(auto regressive moving averaging vector,ARMAV)辨识在电网正常运行过程中针对由负荷等随机扰动引起的类噪声信号进行;在综合考虑辨识误差、阻尼要求和稳定裕度基础上,提出阻尼控制零极点配置基本原则,并设计相应的遗传算法优化方法。为了充分检验上述辨识与控制系统的效果,基于广域测量平台对其进行软硬件实现,并在东北电网简化系统中进行实时数字仿真(real time digital simulation,RTDS)测试,实验结果说明了所提方法的可行性和有效性。

基于自回归滑动平均模型和粒子群算法的地震子波提取

基于自回归滑动平均(ARMA)模型理论,对地震子波进行参数化建模,采用累积量拟合法精确估计参数,使地震子波提取问题最终归结为一个多参数、多极值的非线性函数优化问题。对基本粒子群算法进行改进,通过自适应参数调整和边界约束,克服基本粒子群算法易陷入局部极值的缺陷,同时提高算法寻优精度和计算效率。仿真数据试验结果验证了改进的粒子群算法在地震子波提取方法中的有效性和稳定性。

一种确定自回归滑动平均模型最小阶次的新方法

针对经典Akaike信息准则(AIC)在模型定阶时缺少阶次范围下界而引起的模态遗漏问题,根据稳态图和AIC准则,提出了一种自回归滑动平均模型在模态参数辨识中的定阶方法.该方法先利用稳态图能够鉴别真假模态的特点,进行各阶模态频率的估计和均值的求取,进而根据模态稳定性判定准则计算出阶次范围下界,最后利用AIC准则确定最优的模型阶次.仿真结果表明,与经典AIC准则相比,所提出的方法定阶后进行模态参数的辨识,不仅识别出了经典AIC准则遗漏的第3阶模态参数(误差为0.18%),而且使第1、2阶模态参数的精度分别提高了2.31%和6.31%.对悬臂梁的模态实验结果表明:该方法不仅辨识出了经典AIC准则遗漏的第1阶模态参数,使其误差仅为0.62%,而且也大大提高了其他各阶模态参数的精度.

非线性时间序列建模的混合自回归滑动平均模型

提出了一类用于非线性时间序列建模的混合自回归滑动平均模型(MARMA).该模型是由K个平稳或非平稳的ARMA分量经过混合得到的.讨论了MARMA模型的平稳性条件和自相关函数.给出了MARMA模型参数估计的期望极大化(expectation maximization)算法.运用贝叶斯信息准则(Bayes information criterion)来选择该模型.MARMA模型分布形式富于变化的特征使得它能够对具有多峰分布以及条件异方差的序列进行建模.通过两个实例验证了该模型,并和其他模型进行比较,结果表明MARMA模型能够更好地描述这些数据的特征.

副伤寒的求和自回归滑动平均模型预警应用实例

目的探讨时间序列求和自回归滑动平均模型(ARIMA)在副伤寒预警中应用的可行性。方法利用SAS9.0统计软件对《国家疾病报告管理信息系统》报告的杭州市副伤寒按周发病数进行ARIMA建模。结果对副伤寒发病数序列建立三阶自回归模型AR(3),并绘制预警线图,对2007年7月发生的副伤寒暴发疫情进行了及时预警。结论模型能够较好应用于副伤寒预警,为疫情防控提供了有力帮助。

SAR图像压缩的多尺度自回归滑动平均模型方法

本文研究在无需SAR图像先验知识条件下,基于多尺度自回归滑动平均MARMA模型的SAR图像压缩方法.该方法首先对SAR图像建立MARMA模型,依据MARMA模型对原始图像进行预测,然后对预测的残量进行数据压缩.将此方法用于实际SAR图像压缩,并将基于MARMA模型和多尺度自回归MAR模型的压缩结果与相应的JPEG结果进行比较和分析,说明基于MARMA模型的SAR图像压缩方法既能达到较高的压缩比,又能取得较好的保真度,是一种很有潜力的压缩方法.

多维自回归滑动平均模型研究与应用

利用时序分析方法研究 1 95 2～ 1 997年国内生产第一产业与第二产业产值的AR MAV模型 ,并用所建模型对 1 998年产值进行外延预测 。

基于自回归滑动平均模型的玛纳斯河洪水预报

水文预报作为重要的防洪非工程措施,对位于高寒山区的玛纳斯河流域防汛抢险、水利工程建设和调度具有重要意义。通过对玛纳斯河水文系统的分析,确定出影响玛纳斯河径流量的主要因素,建立了玛纳斯河流域流量预报的自回归滑动平均ARMA(p,q)模型,对肯斯瓦特水文站实测径流过程进行了预测检验。结果表明,自回归滑动平均模型对实测年径流量有很好的逼近拟合效果,相对误差很小,ARMA(p,q)模型用于径流量预测有较高的精度,是可行的。

SAR图像分割的多尺度自回归滑动平均模型方法

给出了合成孔径雷达(syntheticapertureradar简称SAR)图像多尺度自回归滑动平均(multiscaleautoregressivemovingaverage简称MARMA)模型建模的一种新方法。研究了基于MARMA模型的SAR图像多尺度随机特征提取的方法,构造了相应的分类器,将这类方法用于实际SAR图像分割,并将MARMA模型与多尺度自回归(multiscaleautoregressive简称MAR)模型的分割结果进行比较,说明SAR图像的MARMA模型分割方法优于MAR模型分割方法;最后给出了评价SAR图像分割结果的区域均匀性指标方法,实际应用结果表明该评价方法是有效的。

基于自回归滑动平均模型的风电功率预测

针对风电功率的波动性及不可控性等问题,提出基于自回归滑动平均(ARMA)模型的风电预测方法。基于风速序列的时序性和相关性建立ARMA模型,利用该模型进行风电功率的预测。结合某风电厂的风电数据对该预测模型进行分析和验证,结果表明,提出的基于ARMA模型的风电预测方法能够有效地对风电功率进行预测。

采用自回归滑动平均模型的地球自转参数短期预报

根据地球自转参数时间序列的特性,给出了自回归滑动平均模型的识别方法,在自回归滑动平均模型参数估算中采用了长自回归白噪化方法,试验分析表明,采用该方法进行参数估计时具有简便较为有效的特点,同时,该方法的另一个特点是全部求解过程都是解线性方程组,避免了非线性运算。为减少地球自转参数时间序列相邻数据的强相关性,先扣除地球自转参数时间序列的趋势项和周期项,再对残差序列进行差分处理,最后利用自回归滑动平均模型对地球自转参数进行短期预报,有效验证了上述算法的可行性及正确性,地球自转参数短期预报结果与地球自转服务产品相当。

双自回归滑动平均模型风速预测研究

风电场中风速变化的随机性很强。对随机过程的建模和预测,自回归滑动平均模型(ARMA)具有较好的效果。以张家口尚义风电场实测风速构成时间序列样本,首先通过差分处理将原始风速序列变为平稳随机序列,并确定该序列的描述模型为ARMA(0,4)。用该模型对验证风速序列进行超前一步预测,得到较好的风速预测效果。为进一步提高预测的精度,对样本序列风速预测的残差再次采用ARMA模型进行建模和预测,并用预测残差来修正风速预测值。对实际风速序列进行预测和验证,结果表明本文提出的双ARMA模型预测可以显著提高风速预测准确性。

自回归滑动平均模型风速预测最大风能追踪策略研究

变速恒频风力发电机组在额定风速以下的最大风能追踪(Maximum Power point Tracking,MPPT)效果对于机组的效率有很大影响。现有的最大风能追踪策略不论是功率控制模式还是转速控制模式都是无风速测量下的最大风能追踪策略。究其原因,就在于风速无法精确测量。引入时间序列法中的自回归滑动平均模型(ARMA)对风速进行超前一步预测。根据该预测风速的大小来确定下一时刻最优功率点搜索的起始风机转速,再利用变步长转速扰动的最大风能追踪策略(爬山法)找到最优功率点。仿真表明,时间序列法对风速具有较好的预测效果,有效地缩小了最优功率点的搜索区间,缩短了搜索时间,提高了机组的运行效率。

颈动脉多普勒信号自回归滑动平均模型极点特征及分类应用

对颈动脉多普勒血流信号实现了一种基于自回归滑动平均（ARMA）模型、并采用反向传输（BP）神经网络分析ARMA模型极点特征的系统,以达到诊断脑梗塞疾病的目的。首先对音频颈动脉多普勒血流信号分时间段建立ARMA模型,得出模型极点分布的特征参数,研究这些特征参数对脑梗塞疾病诊断的敏感性,然后对敏感的特征参数利用BP神经网络进行分类,对是否存在脑梗塞的血流状况进行判别。共使用474例颈动脉血流信号来建立合适的神经网络,使用52例信号进行测试,结果表明:系统训练和测试的正确率均大于94％,可以满足临床的要求。

差分自回归滑动平均模型对应变能释放序列的预测应用

将一定范围内的地震活动视为随机时间序列，则可以用线性回归的方法对未来的地震活动情况进行预测（Vere-Jones，1995）。在地震活动的研究中常采用白回归模型。

基于自回归滑动平均模型的我国房地产业态势研究

选择国房景气指数作为房地产行业的发展态势评价指标,利用时间序列分析法对1995年到2010年间的我国房地产开发业月度景气指数序列进行分析来建立短期预测模型,以期为房地产行业态势预测研究提供参考。经过单位根检验,一次差分和自回归,建立ARIMA(1,1,5)模型,并进行了短期预测和检验,验证了模型的有效性。

一类带有GARCH类误差项的自回归滑动平均模型

本文结合DAR模型及传统的ARMA-GARCH模型,提出一类带有新型GARCH类误差项的自回归滑动平均模型。该模型比DAR模型引入更多数据信息,同时定义一种由可观测序列驱动的新型条件异方差结构,比传统ARMA-GARCH模型的条件方差更易于估计。本文研究模型参数的拟极大似然估计,并在较弱矩条件下证明估计量的渐近正态性;数值模拟结果证实该模型在有限样本下的有效表现;实证研究表明:该模型可以提高数据拟合效果,因而具有一定应用价值。