基于三参数指数平滑天然气产量预测分析

近年来,国际天然气价格暴涨,作为现阶段最清洁的能源,有家庭生活燃料、工业燃料、商业能源等多种用途,天然气的价格直接影响到天然气的开采量和使用量。同时,天然气是不可再生能源,其开采和使用需要一定的限制,因此对于国内天然气产量的预测是值得关注的问题。因为天然气产量存在明显的周期性和增长趋势,本文采用三参数指数平滑法对其月产量进行预测,预测结果符合前期增长规律,对于未来天然气的开采有一定的参考意义。

基于ARIMA模型和指数平滑模型对我国货物进出口总额的预测研究

在后疫情时代,为了研究我国货物进出口情况,本文采用了ARIMA模型和Holt-Winters三参数指数平滑模型对我国1996年1月至2022年10月的货物进出口总额的月度数据进行建模比较分析,并对未来三年的进出口总额进行预测。根据预测结果显示,两个模型都能较好的拟合数据,后者模型的拟合程度略优于前者。预测结果显示未来三年我国的货物进出口总额是逐渐增长的。

基于季节ARIMA和指数平滑模型的我国全社会总用电量的预测

本文基于2010年1月份~2019年12月份我国社会总用电量季度数据,采用Rstudio软件进行分析,对数据进行预处理,通过比较AIC信息准则拟合最优的ARIMA模型,以2010年1月份~2018年12月份的数据作为训练集,2019年的数据作为测试集,对该序列进行1阶12步差分后,序列变的平稳,因此可采用季节ARIMA模型进行预测;由于该序列具有趋势性和季节性的特征,因此采用Holt-Winters三参数指数平滑模型,应用两种模型分别对2019年的数据进行预测。通过测试集和预测值计算误差,根据平均误差最小原则选择最优的预测模型。最终的平均误差结果显示Holt-Winters三参数指数平滑模型的平均误差值为0.0232087,远小于季节ARIMA模型的0.0315013,因此选用Holt-Winters三参数指数平滑模型作为我国全社会总用电量的预测模型。

飞行保障架次预测方法研究及恢复期预测

为研究飞行保障架次未来恢复发展情况,在传统时间序列预测方法基础上引入支持向量机(SVM)进行优化,再结合疫情影响预测并判断未来的增长情况,为未来航空运输的恢复提供了一定参考依据。首先基于ARIMA-SVM、Holt-Winters三参数指数平滑-SVM两种组合模型,在无疫情数据基础上进行验证,实现模型精度的优化;然后基于X-12分解疫情时间序列,预测2021年-2023年三年内的月度值,并判断年度增长恢复情况。结果表明:引入SVM优化残差序列后,组合模型与单一模型相比误差有所降低;通过疫情影响分析及预测可以判断疫情影响下的飞行保障架次预计在2023年恢复至疫情前的水平。

中国社会消费品零售总额的时间序列分析

本文基于2000年1月~2022年12月的社会消费品零售总额数据,通过时序图和确定性因素分解初步了解该序列具有明显的季节性和趋势性。ARIMA模型为时间序列数据分析中最常用的模型,在对模型添加季节因素后可以很好地对具有该性质的数据进行建模,Holt-Winters三参数指数平滑模型中的指数包含了季节项和趋势项,也可以很好地分析和预测该数据,因此本论文采用ARIMA乘积季节模型和Holt-Winters三参数指数平滑模型对社会消费品零售总额数据进行建模,并根据建立的模型预测未来五个月(2022年8月~2022年12月)的社会消费品零售总额,探究不同模型在处理该类数据时的优劣。从结果来看,Holt-Winters三参数指数平滑模型优于ARIMA模型,我国短时间内社会消费品零售总额仍然将保持增长状态。

基于Holt-Winters与最小二乘支持向量机的混合预测模型

为了提高地下水埋深时间序列的预测精度,本文应用Holt-Winters三参数指数平滑法作为预测模型,使用最小二乘支持向量机对残差序列进行预测。由于核参数和惩罚因子在很大程度上直接影响了最小二乘支持向量机的预测性能,本文选用果蝇优化算法对其参数进行优化选取,该方法不仅能够建立最优的混合预测模型,而且能够很好地捕获地下水埋深序列的非线性特征。选用甘肃民勤县大坝乡城西八社地下水监测站点的数据来验证所建模型的预测性能,实验结果表明与传统的单一预测方法相比,本文所建混合预测模型提高了预测精度。

一种地下水埋深修正混合预测方法

传统的时间序列模型对地下水埋深进行预测,由于受模型自身非线性映射拟合能力的制约,很难得到理想的预测结果.为了提高模型预测精度,应用Holt-Winters三参数指数平滑法进行预测,并选用具有很强非线性逼近能力的广义回归神经网络进行残差修正,结合交叉验证方法建立了一种最优修正混合预测模型.以民勤县中渠乡火坎四社地下水埋深监测站点数据为实验数据进行.验证结果表明,所建模型与传统单一的预测方法相比提高了预测精度.