基于NAR-ARIMA组合模型的高速公路沥青路面破损状况预测

基于NAR神经网络模型和ARIMA传统时间序列预测模型,对高速公路沥青路面的破损状况进行预测,再分别通过最优加权法和残差优化法对两种预测模型进行组合,得到两种组合模型.对各单一模型和组合模型的精度和稳定性进行了比较分析.实例分析表明,组合模型相较于单一模型的精度和稳定性均有所提升,NAR-ARIMA最优加权组合模型预测效果最佳.该组合模型所需样本量较小,且基于时间序列.由于采用历史数据作为影响因素代替指标,该组合模型计算速度快、精度高,适用于日常的预测工作,为后续合理的道路养护决策提供了重要的理论依据.

大规模三模网络自回归模型

在双模网络自回归(NAR)模型的基础上给出了三模NAR模型.该模型考虑了大规模社交网络中三种类型的节点,且边只允许出现在不同类型的节点之间.首先介绍了模型的定义以及模型的可逆性与参数可识别性,考虑了拟极大似然和条件最小二乘估计方法及相应估计量的大样本性质.其次,在多种设定下进行了数值模拟,对估计方法的准确性与计算效率进行了对比,最后分析了一个实际例子.

基于NAR模型的上海市房产税规模预测

运用上海市2004-2015年的社会经济指标数据,对影响上海市房产税征收规模的11个指标进行主成分分析,将所得主成分综合得分引入NAR神经网络模型中来预测上海市2016-2020年房产税征收规模得分,并采用多元回归法对房产税规模与其得分间的关系进行拟合,得到上海市2016-2020年房产税征收规模预测值。研究结果表明,房产税规模与其得分的关系近似趋近于指数函数y=16.34e0.183x,上海市2016-2020年房产税征收规模增长呈逐年上升趋势,涨幅逐渐趋向平稳。此房产税规模预测方法可以运用到其他省市的房产税征收规模情况的计算中,为中国房地产市场宏观调控政策的实施提供依据。

叙事治疗视角下双核系统概念的构建

双核系统是叙事治疗在中国运用发展中一个创新概念,即来访者同时拥有原始模式与发展模式的内在状态。本文构建了双核系统的概念,双核系统重新定位了问题与资源的关系,强调重视问题经验,协助咨询师定位来访者的“最近发展区”。它使来访者的问题与疗愈既对立又统一,形成动态的、二元的自我认同体系,最终为来访者生命赋能。

地铁车站客流预测方法比较研究

为了更加合理地进行地铁车辆调度和制定人员配置方案,并在满足人们出行需求的基础上实现资源利用最大化,对地铁客流量进行准确地短时预测是非常必要的,同时客流预测对地铁站厅空调系统的运行调节也具有重要作用。文章通过对郑州某地铁车站2014年6—7月的进站小时客流量数据进行统计分析,构建季节性差分自回归滑动平均(SARIMA)模型、非线性自回归神经网络(NAR)模型和长短期记忆网络(LSTM)模型,用统计数据进行模型训练并实施预测。通过在工作日客流预测中,发现LSTM模型在MAE、RMSE和R2上均优于其他模型,拟合系数R2达到0.9814,MAE为55.84,均方根误差为88.56;在非工作日客流预测中,LSTM模型同样表现出最好的效果,R2达到0.9817;SARIMA模型精度接近LSTM模型。这说明在对具有明显周期性数据预测时,无论是经典的时间序列方法还是先进的深度学习方法预测结果都很好,传统的神经网络因为无法捕捉周期性所以预测效果较差,预测精度相对较低。

基于NAR动态神经网络的石英挠性加速度表参数建模与预测

通过对石英加速度表零偏和标度因数在常温贮藏环境下长期测量的研究发现,其数据变化具有很强的非线性,利用传统的零偏和标度因数的建模方法,对于长期的预测不能达到很好的效果。将NAR模型引入对零偏和标度因数的模型建立中,给出了详细的建模方法和步骤,通过所建立模型进行预测,并与实际值相比较,误差较小,充分说明了模型的有效性。通过所建立模型可以对加速度表零偏和标度因数的变化规律进行研究,并在加速度表实际应用中为其误差补偿提供参考。

基于辅助粒子滤波与灰色预测的时间序列NAR模型状态估计

在非线性自回归(NAR)模型建模的基础上,文章利用辅助粒子滤波(APF)和灰色预测(GM)相结合的方法估计NAR模型的参数和状态,减少因参数估计问题带来的状态估计误差。并将其与传统NAR模型估计和基于粒子滤波估计NAR模型状态的方法进行实验对比。结果表明,基于辅助粒子滤波与灰色预测相结合的估计方法优于传统NAR模型和粒子滤波估计方法,更适合于金融时间序列的预测。

基于EMD优化NAR动态神经网络的地铁客流量短时预测模型

为了能够更加准确地实现地铁客流预测,提出了一种基于经验模态分解算法(empirical mode decomposition,EMD)优化非线性自回归(nonlinear auto regressive,NAR)动态神经网络的地铁客流量短时预测模型.分析地铁客流量数据后发现日客流量具有一定的变化规律,为此使用了基于时间序列的NAR动态神经网络,该网络具有优秀的非线性动态拟合能力和反馈记忆的功能.结合EMD经验模态分解算法优化NAR动态神经网络预测模型,以此来减少预测误差,提高预测精度.结果显示,EMD-NAR神经网络组合预测模型适用于地铁客流的短时预测,预测精度可达93%,具有较好的应用价值.

基于粒子滤波的NAR模型状态过程估计

针对状态转移方程是非线性自回归(NAR)模型的一类动态系统最优估计问题,提出利用粒子滤波(PF)方法估计NAR模型状态。该方法用正交最小二乘法建立NAR模型,得到系统状态方程和量测方程,利用PF方法估计NAR模型状态,减少因参数估计带来的状态估计误差。仿真实验表明,基于PF方法估计NAR模型状态是可行的,且比传统的NAR模型估计精度更高。

基于NAR模型的电视频道收视率预测

电视收视率作为电视行业中的重要指标之一,同时也作为广告投放和节目推送的重要依据,在竞争日益激烈的视听市场上,逐渐发挥其重要作用。基于电视收视率本身的时间序列特点,对动态神经网络算法进行研究,提出了非参数自回归(NAR)模型对电视频道收视率进行预测,取得了较好的效果。

基于最小二乘法的NAR模型及其在沉降预测中的应用

提出基于AR模型的非线性自回归模型(NAR模型)的最小二乘解法,并与常规AR模型及其总体最小二乘算法结果进行对比分析,结果表明,本文提出的最小二乘的NAR模型预报精度最优,为沉降监测数据处理提供有益参考。

基于NARX模型的参考作物蒸散发预测

为了实现气象资料缺失情况下参考作物蒸散量(ET0)精确计算和预测,以攀枝花站点为例,构建非线性自回归滤波器(NARX)模型预测ET0.以Penman-Monteith模型计算的ET0作为预测标准,将日最高温、日最低温、日照时数、风速和相对湿度作为模型的输入参数,建立11种不同气象因子组合的NARX模型,并与Hargreaves-Samani模型、Irmak-Allen模型、Makkink模型、Priestley-Taylor模型的计算结果进行比较.结果表明:不同气象因子输入下的NARX模型模拟精度表现出明显的差异.其中,基于全部气象因子的NARX-1模型的RMSE,MAE和MBE分别为0.425 mm/d,0.320 mm/d和0.069 mm/d,NSE为0.920,GPI排名第11,精度最差;而基于风速的NARX-9模型精度最高,其RMSE,MAE和MBE分别为0.285 mm/d,0.237 mm/d和0.019 mm/d,NSE为0.964,GPI排名第1.在输入相同气象参数情况下,基于温度和日照时数的NARX-4模型模拟精度优于Irmak-Allen,Makkink,Priestley-Taylor模型;基于温度的NARX-7模型模拟精度明显高于Hargreaves-Samani模型.因此,可将NARX模型作为四川西南山地缺失较多气象资料情况下计算ET0的推荐模型,为农田精准灌溉提供科学依据.

基于NAR-KF的心音信号仿真研究

为了建立一维时间序列的心音信号模型,通过医院采集数据,采用非线性自回归(NAR)神经网络对S1与S2心音信号进行建模,在得到心音信号的预测值后,对心音信号使用卡尔曼滤波方法进行降噪。为验证融合算法对于心音信号降噪的可行性与优越性,进行了一系列仿真实验。在同时考虑精度与训练时间的情况下得到了一组较为理想的模型,再将该模型输入卡尔曼滤波的预测值中,通过原心音信号进行滤波,对比降噪前的第一心音信号滤波值的均方误差,有较为优越的降噪性能。得到的第二心音信号对比降噪前也有较为明显的提升。实验结果表明,融合算法在信噪比以及均方误差等降噪性能上有明显的优越性。

CEEMDAN分解下基于NAR神经网络的比特币价格预测

为了帮助投资者更好地对比特币未来走势进行判断,利用CEEMDAN分解方法对比特币价格进行分解,并用NAR神经网络模型和ARIMA模型进行预测,同时与直接使用两个模型的预测效果进行比较。结果发现,在中长期上通过CEENDAN进行分解后预测精度更高,但运用在短期上会使精度降低,同时与ARI-MA模型相比,NAR神经网络模型的预测精度更高。

基于EORM模型的图书馆青少年阅读推广研究

文章基于EORM模型,分析青少年阅读在心理需求、环境需求、能力需求方面的叙事转向,围绕“参与”“说服”“吸收”三环节,构建基于EORM模型的图书馆青少年阅读推广内容体系,并从“积极参与-有效说服-持续吸收”3个层面提出图书馆青少年阅读推广优化策略。

西安市出生缺陷趋势数学模型预测研究

目的采用灰色预测模型、ARIMA自回归移动平均模型和NAR非线性自回归动态神经网络模型分别预测西安市出生缺陷率,探索出生缺陷的流行趋势和可能的未来走向。方法对2003-2015年在西安市各级开设产科的医疗保健机构出生的孕28周至生后7 d所有围产儿进行出生缺陷监测并收集资料。用2003年10月至2015年9月出生缺陷监测数据对西安市出生缺陷发生率数据分别构建数据模型,将同时期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至2017年每季度出生缺陷发生率。采用Excel软件进行数据录入,SPSS 16.0软件包进行统计学分析,Matlab软件进行灰色模型预测和神经网络模型预测,ARIMA自回归移动平均模型使用R软件进行预测。结果灰色预测模型提示2016至2017年度西安市各季度出生缺陷率(‰)分别为9.62、9.67、9.72、9.77、9.82、9.87、9.92、9.97,呈缓慢上升趋势。ARIMA模型预测显示2016至2017年度西安市各季度出生缺陷率(‰)分别为11.98、12.83、11.28、11.78、12.23、11.73、11.80、12.00,仍在较高水平相对狭窄的区间波动。NAR神经网络模型预测西安市出生缺陷率(‰)为13.24、17.91、10.55、16.08、16.47、9.42、11.99、11.68,在2016年到达出生缺陷率峰值,2017年相比2016年开始出现下降。比较3种模型对出生缺陷发生率的发展趋势预测,灰色预测模型、ARIMA模型、NAR模型的均方根误差分别为1.353 009、1.181 373、0.555 347。结论 NAR模型对出生缺陷数据预测更可靠,ARIMA模型次之,灰色预测模型误差相对较大;加强出生缺陷的预防和控制工作仍然是今后较长一段时间的公共卫生重点工作。

渭南市土地利用与生态环境协调发展预测与评价

针对研究区土地利用与生态环境系统的特点,以渭南市为例,选取2000—2013年渭南市统计年鉴数据,建立土地利用与生态环境评价体系,利用主成分分析法确定指标权重,根据杨士弘提出的协调发展模型计算该市近20年的协调发展水平,采用NAR模型对2014—2020年的发展水平进行预测。研究结果表明:渭南市土地利用与生态环境之间的关系是动态非线性的,具体表现在2000—2004年为发展初期,这一阶段表现为失调衰退状态的更替及向协调状态的过渡调整,土地利用的发展滞后于生态环境的发展;2005—2010年为发展中期,两者协调发展,整体呈稳步上升的状态;2011年以后,两者的关系逐渐变得稳定协调,生态环境的发展滞后于土地利用的发展。并得出以下结论:1)渭南市土地利用综合评价指数呈逐年增加的趋势,生态环境综合评价指数则表现为波动性的变化;2)自2011年起,两者的关系一直处于中级协调发展阶段,反映出土地利用效益与生态环境效益之间仍然存在着较大的可挖掘潜力。因此,本文尝试提出渭南市在调整土地利用结构与方式的同时,应加大生态环境保护的力度,建立生态环境友好型的土地利用模式,提高土地利用的综合效益,以保证该市土地利用与生态环境的协调发展程度向更高的阶段推进。

平面式快速路出入口最小间距研究

平面式快速路是快速路的一种重要形式,其出入口最小间距影响因素复杂,科学确定其值对提高快速路的安全和效率具有重要意义。在分析已有快速路出入口最小间距计算方法的基础上,结合平面式快速路出入口特征,对四类出入口组合的出入口间距组成要素进行了深入分析,得到了平面式快速路出入口最小间距的计算方法。该计算方法以快速路主线车道数、主线流量、出入口流量、辅道流量为输入条件,计算满足一定服务水平下的出入口最小间距值。结果表明,该方法能综合反映各类影响因素,可针对具体条件得到更为科学的平面式快速路出入口最小间距值。

基于太白山南坡巴山冷杉NPP动态变化的时间序列模型预测效果对比

基于收集整理的太白山地区1959-2016年58年间的气象数据及太白山巴山冷杉林(Abies fargesii Franch.forest)的生理参数数据,运用Biome-BGC模型模拟计算并对输出数据进行提取分析,得到太白山南坡巴山冷杉林的多年净初级生产力(NPP)。然后分别利用自回归求和移动平均模型(ARIMA)、R语言、NAR动态神经网络模型对太白山南坡巴山冷杉林NPP的动态变化进行趋势拟合和短期预测,建立适用于太白山南坡巴山冷杉林NPP的时间序列模型,并应用白噪声检验等相关检验方法对3种模型的预测效果进行评价。结果显示:太白山南坡巴山冷杉林NPP在短期内(2017-2026年)仍保持着波动上升的趋势,可能出现1959年以来的最高值;在对巴山冷杉林未来变化的预测过程中,3种预测模型各有特点,ARIMA模型对太白山南坡巴山冷杉林NPP的预测结果通过了白噪声检验,并给出了在不同置信区间下的可能结果;NAR动态神经网络模型的拟合效果较好,也通过了误差自相关性检验,预测结果较好地模拟了太白山南坡巴山冷杉林NPP在未来一段时期内的变化趋势;R语言在剔除异常数据点后能够运用基础数据较好地对太白山南坡巴山冷杉林NPP动态变化进行模拟,表明预测结果与验证结果相关性达到0.944,误差项的P值远低于0.01。本研究表明3种方法构建的模型在数据拟合中均呈现出较好的效果,预测结果均在可信范围内,在实际预测工作中可根据数据特点选用不同方法。

基于复小波及动态神经网络的植物电信号研究

[目的]针对植物电信号数量级小、易受干扰的问题,提出了双树复小波变换(DT-CWT)结合双变量收缩消噪及不带输入变量的非线性自回归神经网络(NAR)模型,旨在能将植物电信号用于研究温室内植物生长模型。[方法]在屏蔽环境下获取生长状况良好的鸟巢蕨植株的电信号。采用双树复小波变换将电信号进行分解,利用层间小波系数具有相关性的特点,将分解后的小波系数进行双变量收缩消噪。通过对植物电信号进行自相关分析,确定迟滞阶数。再通过NAR网络训练消噪信号。[结果]采用双树复小波消噪后的信号虚部树的高频分量明显减少。消噪后的植物电信号前序98个样本点的自相关系数均大于0.8,迟滞阶数98。采用本模型对消噪后的电信号进行预测时相关系数为0.973,均方误差(MSE)为0.593 mv^2。相比于软阈值消噪与硬阈值消噪,本模型的消噪方法信噪比(SNR)最大,MSE最小。对碧玉、白鹤芋2种植物应用本模型,决定系数分别为0.975和0.972,MSE分别为0.112 mv^2和4.459×10^(-2)mv^2。[结论]植物电信号2个相邻时刻间具有很强的关联性,消噪过程对虚部树的影响更大,双树复小波分解结合双变量收缩的消噪方法更大程度上保留了信号的原始信息。本模型具有可推广性。