基于加权滑动平均的磁盘使用率预测模型

为能提前做好扩容准备,提出一种改进的加权滑动平均(weighted moving average,WMA)模型,用以预测未来短期内磁盘的使用率.针对磁盘使用率序列变化较为平缓、要求滞后较小的特性,采用自相关和偏自相关系数法对模型定阶,处理数据后,在不影响精度的前提下计算最小滞后值,并使用结合了拉依达准则的权重转移法来均衡权重,用多新息递推最小二乘法对参数进行更精确的估计,以提高预测的准确性.通过Matlab仿真实验可知,该算法预测误差小,滞后性弱,与原始WMA模型相比,具有更好的预测效果.

南水北调中线总干渠水情数据智能清洗

南水北调中线总干渠水位、流量等实时水情数据受外界扰动、测量系统误差等因素影响而产生的病态水情数据将造成调度模型计算失真,甚至导致计算失败。为此,针对上下游流量数据空间上的逻辑错误和水位数据时间序列的跳变,分别建立基于粒子群优化的水量平衡模型和指数加权滑动平均模型,对病态水情数据在空间、时间上实施横向、纵向清洗处理。以穿黄节制闸至漳河节制闸间的渠段为典型研究区间,利用模型自动识别流量倒挂点,并对该渠段涉及的12座节制闸、26处分水点的流量数据进行统一修正,实现了上下游逻辑上的合理性。同时,选取研究渠段内的闫河节制闸为代表,在48 h内运行基本稳定状态下,对每2 h的闸前水位数据序列进行分析,自动识别出跳变数据并进行合理修正。结果表明:建立的模型可自动识别病态水情数据并进行智能清洗,处理后的数据能够较好地满足输水调度分析决策的需要,因此该模型具有推广应用的价值。

已实现波动率预测:非对称二次滑动平均模型

本文对经典的指数加权滑动平均模型进行了拓展,提出了非对称二次滑动平均模型,简记为ADMA (asymmetric double moving average).与指数加权滑动平均模型相比,ADMA模型能够有效捕捉波动率的三个已知基本特征,即波动率的均值回复特征、长短期成分特征以及非对称特征.基于中美两国数据的实证研究发现,两国股指波动率中都存在显著的长短期成分以及非对称性,但是在美国股市中表现更为明显.同时为了验证ADMA模型的样本外预测效果,本文还将ADMA模型与HAR模型进行了对比分析.实证结果表明,无论是中短期的日度和周度预测,还是长期的月度预测,ADMA模型的预测效果都要显著地优于HAR模型.