基于FEEMD-PACF-BP_AdaBoost模型的风电功率超短期预测

针对风电功率超短期预测问题,提出基于快速集合经验模态分解(Fast Ensemble Empirical Mode Decomposition, FEEMD)、样本熵(Sample Entropy, SE)和BPAdaBoost集成神经网络组合的超短期风电功率预测模型。对风电功率原始数据,采用FEEMD方法将其分解为从一系列本征模态函数分量(IMF)和余项;运用样本熵来解决分量个数过多、计算量繁杂的问题,通过PACF(偏自相关系数)筛选出与预测值关联程度高的元素确定输入维数;选用泛化能力强的集成神经网络BPAdaBoost构建单步滚动预测模型并叠加获得最终值。实验结果表明,该组合模型提高了预测精度,具有可行性和有效性。

海外矿拜尔法赤泥制备PACF新工艺

实验室采用DTA-TG,SEM-EDS等手段对海外矿拜尔法赤泥合成聚合氯化铝铁进行了研究,重点试验了原料配比、助剂种类条件,工艺过程影响因素,确定PACF的最佳制备条件,最后对实验室合成的PACF进行了混凝对比,表明采用海外矿拜耳法赤泥合成的PACF浊度去除率高达92%,略优于市售PAC产品混凝效果,此技术的成功研发为赤泥综合利用开辟了一套新的途径。

基于ARIMA模型的陕西省GDP分析与预测

依据2008年《陕西统计年鉴》与1952～2007年陕西省GDP相关数据,采用SPSS统计软件及时间序列分析法,通过时间序列的平稳性检验、根据时间序列模型的识别规则进行定阶、模型检验、模型预测4大步骤在AIC准则下建立了ARIMA(1,2,1)时间序列模型,并根据ACF图和PACF图对模型做了适应性检验,然后对2002～2007年的实际值与预测值作比较,并利用该模型对陕西省未来6年的GDP做出预测。结果表明,各年实际值与预测值之间的相对误差均控制在5%以内,该模型的预测效果相对较好;根据模型预测的2008～2013年陕西GDP数据分别为6477.50亿、7656.62亿、9058.66亿、10735.10亿、12744.69亿、15158.20亿元,从预测结果看,陕西省的GDP在2008～2013年6年内仍将呈现出较高的增长趋势;该模型得出的预测结果只是一个预测值,而国民经济是一个复杂多变的动态系统,应随时注意经济运行中蕴藏着调整的风险,适时根据实际情况调整相应的目标值。

棕榈基多孔碳对电纺PET纤维膜过滤性能的影响

通过静电纺丝法制得PET/棕榈基多孔碳(PET/PACF)杂化纤维膜,并用稀碱液对其进行表面刻蚀。研究了PACF含量对孔隙率、比表面积和过滤性能的影响。结果表明,随着PACF含量的增加,其孔隙率逐渐减小;当PACF质量含量为2%时,其比表面积从11.9m^2/g提高至57.56m^2/g,且内部存在微介孔结构;对甲基橙和气溶胶的过滤性能测试结果表明,纤维膜对气溶胶的过滤效率达99.99%,刻蚀处理利于对气溶胶和甲基橙溶液的过滤,体现了其微介孔的吸附作用。

基于ARIMA模型的陕西省GDP分析与预测(英文)

依据2008年陕西统计年鉴与1952～2007年陕西省GDP相关数据,采用SPSS统计软件及时间序列分析法,通过时间序列的平稳性检验、根据时间序列模型的识别规则进行定阶、模型检验、模型预测4大步骤在AIC准则下建立了ARIMA(1,2,1)时间序列模型,并根据ACF图和PACF图对模型做了适应性检验,然后对2002～2007年的实际值与预测值作比较,并利用该模型对陕西省未来6年的GDP做出预测。结果表明,各年实际值与预测值之间的相对误差均控制在5%以内,该模型的预测效果相对较好;根据模型预测的2008～2013年陕西GDP数据分别为6477.50亿、7656.62亿、9058.66亿、10735.10亿、12744.69亿、15158.20亿元,从预测结果看,陕西省的GDP在2008～2013年6年内仍将呈现出较高的增长趋势;该模型得出的预测结果只是一个预测值,而国民经济是一个复杂多变的动态系统,应随时注意经济运行中蕴藏着调整的风险,适时根据实际情况调整相应的目标值。

上证综数收益率的鞅性分析

运用ACF、PACF和Q(k)等“混合”统计指标分析了上证综数收益率的变化,发现它不是白噪声,没有展现“公平游戏”的特征,运用拟合的趋势分析模型看到:它的变化呈现出超鞅的特征,这意味着股市投资者面临着极大的系统风险。对上证指数收益率变化表现出的超鞅特征从体制方面进行了分析研究。

SO_2在含氮沥青基活性炭纤维上的脱除 Ⅰ含氮沥青基活性炭纤维的脱硫能力研究

由水和氨混合物活化制得的不同比表面积及氮含量的含氮沥青基活性炭纤维［ＰＡＣＦ（ＮＨ３）］在Ｏ２和Ｈ２Ｏ存在下脱除ＳＯ２的能力进行了研究。ＸＰＳ结果表明，ＰＡＣＦ（ＮＨ３）表面的含氮官能团主要为类吡咯氮、类吡啶氮及铵盐，它们的主要作用是增强对水的吸附。当比表面积相近，氮含量增加时或者氮含量相近，比表面积增大时，均导致ＰＡＣＦ（ＮＨ３）的脱硫能力增强，这与ＰＡＣＦ（ＮＨ３）对水的吸附量增加有关。

小鼠心脏发育中组蛋白乙酰化酶GCN5和PCAF的时空表达特征

目的研究组蛋白乙酰化酶氨合成通用控制蛋白5(general control nonderepressible-5 GCN5)和p300/CREB结合蛋白相关因子(p300/CREB binding protein-associated factor PCAF)在小鼠心脏发育过程中的时空表达规律。方法选取胎龄7.5-18d、出生1d和3月成年昆明小鼠正常心脏,利用免疫组织化学法和RT-PCR或Western blot技术半定量检测GCN5和PCAF在小鼠心脏发育过程中的时空表达变化。结果1.GCN5在E7.5-E9.5心脏原基中不表达;E10.5后心内膜垫及室间隔膜部和房室瓣相对强表达,心肌组织弱表达。GCN5 mRNA在E10.5-E11.5出现高峰表达,E12.5-E15.5表达水平下降,E16.5至成年鼠期表达极低。2.PCAF在E7.5-E9.5心脏原基中广泛弱表达;E10.5后心肌膜较强表达,心内膜、房室瓣和小梁网较弱表达,室间隔肌部弱表达,室间隔膜部极弱表达;PCAF蛋白在E10.5已有相对高表达,E11.5达到表达高峰,此后表达逐渐降低,在E13.5-E15.5和E16.5-生后1d仔鼠期出现两个表达平台期,成年鼠期心脏中表达最低。结论GCN5和PCAF在发育心脏中存在不同表达分布和变化规律,表明二者均参与了心脏的发生发育过程,且二者可能与心脏的特定结构发育密切相关。

中国民航货运量的时间序列模型

主要运用时间序列分析的方法及EViews与SPSS统计软件对时间序列建立乘积季节模型,并搜集了中国1993年1月～2000年12月的民航货运量数据,对其进行分析.根据Box-Jenkins的建模方法,建立了中国民航货运量的模型,并对模型进行适应性检验.同时通过比较预测数据与预留数据间的差别,表明模型较为合理.

农业机械总动力的ARMA和方程法组合预测分析——以青岛市为例

农业机械总动力是反映和评价农业机械化水平的一个重要指标,精准的预测农业机械总动力具有非常重要的意义。本文根据青岛地区1990~2008年的农用机械总动力历史数据的变化形态,找到合适的方程提取确定性趋势,并运用自回归移动平均模型ARMA（p,q）及其建模思路,结合Eviews软件构建了ARMA（1,1）模型。经检验此模型预测精度较高,拟合效果理想,进一步说明了方程法和ARMA组合模型用于对农业机械总动力预测的可行性,可以为相关部门和单位的预测工作提供一定借鉴。

基于时间序列模型的区域收入差异预测和分析

当前,我国区域收入的差距明显,特别是东西部之间,由于各种因素的影响,城镇居民收入增长数量和增长速度的差距越拉越大,已成为构建和谐社会征程中的不利因素。本文搜集了全国、浙江和四川城镇居民人均可支配收入的历年数据,运用EViews与SPSS统计软件对其进行了分析和建模,预测和分析了全国、浙江省和四川省城镇居民人均可支配收入的发展趋势,并提出了相关的建议。

Seasonal ARIMA Modeling and Forecasting of Rainfall in Warri Town, Nigeria

We obtained historical data of rainfall in Warri Town for the period 2003-2012 for the purpose of model identification and those of 2013 for forecast validation of the identified model. Model identification was by visual inspection of both the sample ACF and sample PACF to postulate many possible models and then use the model selection criterion of Residual Sum of Square (RSS), Akaike’s Information Criterion (AIC) complemented by the Schwartz’s Bayesian Criterion (SBC), to choose the best model. The chosen model was the Seasonal ARIMA (1, 1, 1) (0, 1, 1) process which met the criterion of model parsimony with RSS value of 81.098,773, AIC value of 281.312,35 and SBC value of 289.330,84. Model adequacy checks showed that the model was appropriate. We used the model to forecast rainfall for 2013 and the result compared very well with the observed empirical data for 2013.

基于ARIMA模型的我国社会消费品零售总额的预测

社会消费品零售总额反应了一定时期内人民的生活水平,是衡量国家经济的一个重要指标。利用ARIMA模型对我国社会消费品零售总额的数据(2004.1-2012.12)进行分析,并且用Eviews对2014年12个月的数据进行预测。

基于ARIMA模型在美国COVID-19累计确诊人数中的应用

本文针对新型冠状病毒肺炎给世界人民造成的不良影响,收集2020年1月20日~2020年6月1日内以美国为主的各个国家和地区每日COVID-19累计确诊人数,建立自回归求和滑动平均(auto regressive integrated moving average, ARIMA)模型对美国累计确诊人数进行分析与预测,用SPSS25.0和MATLAB2019a拟合,结合拟合优度R2和Q检验评价拟合效果,将后5日累计确诊人数预测值和真实值进行比较,评价该模型预测精度及预测美国未来10日累计确诊人数。结果表明,原始序列经2次差分后能较好拟合ARIMA (0,2,1)模型,R2在0.95以上,Q检验p值为0.19 】0.05,认为残差为白噪声,且预测值与实际值动态趋势基本一致,预测值在真实值0.33%误差内波动,ARIMA (0,2,1)模型对美国COVID-19累计确诊人数预测精度很高,对疫情防控具有很强的指导意义。

基于二层分解的PSO-LSTM模型风电功率超短期预测

为提升风电功率预测精度,提出基于二层分解技术和粒子群优化长短期记忆(PSO-LSTM)神经网络组合的超短期风电功率预测模型。对风电功率原始数据,采用快速集合经验模态分解(FEEMD)方法将其分解为一系列本征模态函数(IMF)分量和余项,针对高频分量采用变分模态分解(VMD)进行二层分解。运用样本熵来解决分量个数过多、计算量繁杂的问题。通过偏自相关函数(PACF)筛选出与预测值关联程度高的元素确定输入维数。最后,选用PSO来优化LSTM相关参数建立预测模型并叠加获得最终值。试验结果表明,该组合模型有效提高了预测精度。

基于自回归移动平均模型的国际金融危机对四川经济的影响分析研究

2008年发生的美国次贷危机引发的全球金融危机给世界各国的经济特别是金融行业带来了强烈的冲击。金融危机主要通过投资渠道、贸易渠道、汇率渠道以及预期渠道直接或间接影响四川经济。为估算这种影响,文章基于自回归移动平均模型(ARIMA)的特殊性,选取了2000～2008年的样本数据,运用时间序列建模技术,从直接影响和间接影响两个维度7项指标所描述的经济发展指标上,详尽分析研究了国际金融危机对四川经济的影响。文章克服了实际工作部门在测算该种影响时,不考虑经济序列长期发展趋势的不足,并就其对我国经济和四川经济发展的影响作了探讨,在此基础上,提出四川省市应对经济危机的措施,以供相关部门决策时参考。

融合Elman神经网络与EMD的交通拥堵指数预测

为了提高传统方法生成交通拥堵指数(TPI)的准确率,引入一种基于经验模态分解(EMD)与Elman神经网络的组合模型实现交通拥堵指数预测。首先,利用EMD将TPI序列分解为不同时间尺度下的IMF分量和剩余分量;然后,通过偏自相关函数(PACF)计算各分量的滞后期数,以此确定各分量在Elman神经网络中的输入和输出变量;之后,通过上述方法计算出各分量预测值并相加;最后,计算出总预测结果。通过计算结果可知,EMD-PACF-Elman预测方法 3个评价指标(平均绝对误差、均方误差、平均绝对百分误差)的计算结果与单一Elman神经网络模型、EMD-Elman神经网络模型、单一BP神经网络模型、EMD-BP神经网络模型相比都为最低,分别为0.562 4、0.598 9、0.110 7。因此,EMD-PACF-Elman预测方法可以有效地预测TPI,同时也为进一步预测交通拥堵趋势提供了依据。