基于SARIMAX-XGBoost模型的区域能耗预测

为了对能源消耗做出精准的预测,文章提出了一种基于带外生变量的季节差分移动自回归(seasonal autoregressive integrated moving average with exogenous,SARIMAX)模型与极限梯度提升算法(extreme gradient boosting,XGBoost)混合模型的能耗预测方法。首先导入实验所需的训练数据以及辅佐用的天气环境数据,利用k-means构建天气簇类,然后构建节假日指示器,根据季节趋势做进一步调整,利用网格搜索选取SARIMAX模型最优参数组合,最后混合XGBoost算法优化预测模型,做出预测并对比实现结果。通过结果分析可知,混合SARIMAX模型和XGBoost模型能够在考虑多个外生变量的基础上实现对区域能耗的精准预测。

SARIMAX模型在肺结核疫情预测中的应用

目的探讨SARIMAX模型在肺结核疫情趋势预测中应用的可行性。方法以2013—2018年无锡市肺结核月发病数及气象数据为基础,分别建立SARIMA模型和SARIMAX模型,根据RMSE和MAPE对比两模型的预测效果。结果最终建立SARIMA(1,0,2)(1,0,1)12模型,前瞻性预测误差RMSE和MAPE分别为35.56%、18.28%;SARIMAX(1,0,2)(1,0,1)12模型,两值分别为27.83%、15.08%。结论SARIMAX(1,0,2)(1,0,1)12模型具有更好的拟合优度和预测精度,可用于肺结核疫情趋势预测。

不同时间序列模型在岩溶山区矿井涌水量预测中的应用

矿井涌水量预测的精度对于煤矿开采安全有着至关重要的作用。文章以老鹰山煤矿为例,分析降雨与矿井涌水量的相关关系,结果表明:同期月及前第1个月降雨量与涌水量相关性具有逐渐减弱的趋势,而与前第2个月至第5个月的相关性有逐渐升高的趋势;基于矿井涌水量及降雨量,建立了单因素季节性时间序列SARIMA模型及多元季节性时间序列SARIMAX模型对矿井涌水量进行预测,预测结果表明:两种模型91.7%的预测值达到B级探明的矿井涌水量,预测精度均较高,SARIMAX模型预测结果的MAPE为18.57%,小于SARIMA模型的25.27%,预测精度更优。

考虑节假日效应的交通枢纽客流量预测模型

客流量预测是城市交通枢纽管理的基础,准确的客流量估计为交通枢纽的运力调整,管理预案的设计提供基础.目前对客流量预测的研究较多,但现有模型并未考虑节假日效应对枢纽客流量的影响.因此,本文基于多元季节性时间序列(SARIMAX)原理,建立考虑节假日效应的城市交通枢纽客流量预测模型,并以上海虹桥2号航站楼站轨道交通客流量数据为基础,对该模型进行了标定和预测.标定结果显示,在春节期间,该站点客流量将有明显的下降,而在其他法定节假日期间流量均有一定程度的提升.对模型预测值和真实值比对结果显示,该模型的平均误差在5%以内,表明该模型具有较强的实用性.

基于SARIMAX模型的城市轨道交通客流预测

本文基于上海城市轨道交通一号线的月度客流数据,分析其周期性、季节性、非平稳性等时序特性,研究国内节假日因素引发的影响,选用引入春节等节假日外部变量因素的SARIMAX模型对月度客流进行预测,并将预测结果与SARIMA模型进行对比,得出SARIMAX模型预测效果良好,适用于城市轨道交通月度客流的预测,可为制定实际运营计划提供参考建议。