基于回归与ARMA组合模型的安康市农业发展预测研究

提出运用回归与时间序列(ARMA)组合模型来预测农业发展的方案,结合安康市主要农产品的历史数据,分别建立了相应的有效预测模型,对安康市“十三五”末的农业发展进行了预测并分析其原因,提出了推动安康市农业发展的建议。

基于SARIMA和SVR组合模型的转向架系统寿命评估

随着地铁运营时间和里程的增加,地铁车辆逐渐接近其理论寿命,为确保车辆运行安全性,需对其重要子系统进行健康状态及剩余寿命评估。文中选取车辆转向架系统作为研究对象,提出了一种基于协方差优选法的季节性回归移动平均(SARIMA)和支持向量回归(SVR)的组合模型对转向架寿命进行评估。首先,将车辆转向架系统历史故障率转化为健康指数,然后基于协方差优选法将SARIMA和SVR进行赋权组合,根据转向架系统历史健康指数进行预测,最后建立历史和预测的健康指数与运行时间的数学模型,分析得到转向架系统的剩余寿命。以某地铁车辆转向架系统为例进行算例分析及验证,结果表明组合模型可更准确地预测其健康状态,为有关维修部门开展维修维护策略提供理论依据,估计得出其剩余寿命,为车辆寿命后期退役及延寿决策提供理论数据分析支撑。

基于自回归模型的RBCC隔离段激波串位置识别与压力值预估

为了清楚客观地判断火箭基组合循环发动机(Rocket-based combined-cycle,RBCC)隔离段激波串位置,将Ma=6,4,3.5工况下直连试验中实测得到的RBCC隔离段测压点压力数据按照时间的先后顺序排列形成一时间序列,建立自回归(Auto-Regressive,AR)模型并计算赤池信息准则(Akaike information criterion,AIC)值,完成了不同工况下激波串前缘位置的识别。研究表明:当隔离段测压点没有受到激波串影响时,实时压力值仅存在微弱波动,模型AIC值变化较为平稳;当激波串运动至测压点处时,该点压力升高,振荡幅度明显增加,AIC值随之瞬时增大。取同一时间段内发动机沿程测压点中首个AIC值增加500以上,并在不改变工况的情况下始终保持较大值的测点位置为激波串前缘位置。与压比法相比,时间序列分析法能敏感监测到实时压力值的升高和振荡,激波串前缘位置识别更为准确。通过建立自回归模型还可以实现激波串内部压力值预估,记录连续160 ms内Ma=6,4,3.5工况下测压点压力数据,采样频率1 kHz,使用前80 ms数据建立自回归模型,完成后80 ms压力值预估及准确性检验,得到三个工况下预估平均误差分别为3.21%,7.68%,6.49%。

基于ARMA-SSESM组合模型的危险品道路运输泄漏事故预测研究

为了预测危险品道路运输泄漏事故数量,以2013—2020年危险品道路运输泄漏月度事故为基础,运用时间序列理论建立自回归滑动平均(ARMA)预测模型和简单季节指数平滑法(SSESM)预测模型以及组合预测模型,对2021年1月—2021年6月的危险品道路运输泄漏事故数量进行预测,并对3种模型的预测精度进行比较。研究结果表明:组合预测模型的预测精度最佳,能够有效拟合时间序列的整体趋势。研究结果可为危险品道路运输泄漏事故预防工作提供参考。

基于回归模型的掺氢天然气压缩因子计算方法

压缩因子回归模型结构简单、计算快捷,在常规天然气压缩因子计算中更易程序化。文中研究掺氢天然气的应用并与其他模型对比。回归模型包括三次方、幂指数等多种形式,如HY(Hall-Yarborough)、RK(Redlich-Kwong)模型等,各模型适用的压力和温度范围各不相同。采用文献391组掺氢天然气压缩因子实验数据,对比分析7种回归模型在不同掺氢比例、压力和温度范围下的计算精度,并与GERG-2008状态方程进行对比。其中压力范围为0.1—10 MPa、温度为210—350 K、掺氢摩尔分数0—100%。结果表明:RK的平均相对误差为1.36%、HY为1.46%,均小于GERG-2008(1.47%);在T>298.15 K时,HY模型的误差最小;在T<298.15 K时,RK模型的计算误差最小;在不同掺氢比例下,HY和RK的最大平均相对误差分别为2.73%和1.58%,小于GERG-2008(3.54%)。相较于其他回归模型,建立的HY-RK组合回归模型更适用于掺氢天然气的压缩因子计算。

基于AR-LSTM-BP的CPI组合预测模型

针对居民消费价格指数(CPI)预测准确性的问题,提出一种AR-LSTM-BP组合预测模型.首先分别用回归(AR)、长短时记忆网络(LSTM)和BP神经网络这三种模型对CPI预测,并对预测结果进行比较分析;随后引入诱导有序加权调和平均算子(IOWHA)的概念,构建AR-LSTM-BP组合预测模型.结果表明,IOWHA组合预测模型的误差均小于单项预测模型,预测结果准确性较高,能够更好地反映CPI的波动走势.

应用灰色线性回归组合模型预测江苏省卫生总费用趋势及构成

目的:对2010~2019年期间江苏省卫生总费用的趋势进行描述和分析,通过既有数据选择最佳预测模型,预测江苏省2020~2025年卫生总费用的趋势。将2020年数据与预测值对比,分析产生差异的原因,为新冠疫情过后卫生政策的调整提供科学依据。方法:卫生总费用及其构成的数据来源于《中国卫生健康统计年鉴》《江苏省统计年鉴》,采用excel2017和R3.6.1软件进行预测模型构建和精度检验,选择灰色线性回归组合模型进行江苏省2020~2025年卫生总费用及构成情况预测,将2020年实际数据与预测值对比并分析。结果:基于灰色理论与线性回归的组合模型精确度优于GM(1,1)模型。受新冠疫情影响,2020年卫生总费用、政府卫生支出和个人卫生支出高于模型预测结果,社会卫生支出低于预测值。2020~2025年江苏省卫生总费用将从4848.41亿元增至6887.23亿元,平均增长率为7.19%,其中政府卫生支出占比与个人卫生占比呈现下降的趋势。政府卫生支出、社会卫生支出和个人卫生支出到2025年预计将达到1439.62亿元、3968.86亿元、1481.60亿元。结论:在后疫情时代,江苏省应不断深化医疗体制改革,调整政府卫生投入,拓宽社会卫生筹资来源,加大卫生总费用投入,科学合理的配置卫生资源,有效降低个人卫生支出比例,从而减轻人民负担。

基于变权重组合模型的灌溉水有效利用系数预测

通过逐步回归法分析影响灌溉水有效利用系数各因素的重要程度,筛选出节水灌溉面积为影响灌溉水有效利用系数的关键因素。考虑关键因素与时间序列两方面,基于逐步回归法、GM(1,1)模型和Logistic生长模型构建变权重组合模型。变权重组合模型的预测精度优于各单项模型,模拟效果与实际符合度高,适用于灌溉水有效利用系数的预测。最后采用变权重组合模型对广东省2023-2035年灌溉水有效利用系数进行预测分析。2023-2035年广东省灌溉水有效系数逐年提高,其中2035年预测值达到0.679 2,高于全国绝大多数灌溉水有效利用系数的现状值。变权重组合模型预测法可为农业水资源规划与灌溉管理提供科学参考。

基于组合预测模型的滑坡变形趋势研究

为实现滑坡变形的高精度预测,基于滑坡变形监测成果,先以支持向量回归、RReliefF算法、鲸鱼优化算法及Arima模型为基础,构建滑坡变形组合预测模型;再利用多重分形消除趋势波动分析和Spearman秩次检验,研究滑坡变形的多标度特征。结果表明,通过不断组合优化处理,能显著提高滑坡变形预测精度,且经外推预测,D1~D3监测点的现有速率相对更大,且预测速率较现有速率的减小幅度依次为21.61%、12.95%和6.54%,D4监测点的预测预测速率相对更大,其较现有速率的增加幅度为19.85%,说明滑坡前缘稳定性进一步趋于不利;4个监测点具有不同的分形谱宽度和大波形所占比例,但D4监测点在分形谱宽度及大波形所占比例上均为最不利;4个监测点变形的分形谱宽度均为增加趋势,且只有D2监测点的大波动所占比例为增加特征,其他监测点均为减小趋势,说明滑坡变形的波动性会更加剧烈,但大波动总体趋于减弱,只在局部为增加趋势,建议尽快进行滑坡防治处理。

基于遗传算法与组合优化模型的蔬菜定价和补货决策

蔬菜类商品的销售不仅会受到市场与商品质量的影响,还会受到季节性、天气和供需变化等因素的影响,故其在销售过程的定价与补货决策中会面临许多的挑战。本文则针对蔬菜类商品的定价与补货决策问题,建立逐步回归模型、灰色预测模型和组合优化模型,利用相关系数和遗传算法进行求解。

基于LSTM-SVR组合模型的光伏电站短期功率预测

提出了一种基于长短期记忆网络和支持向量回归混合模型的光伏功率预测方法。通过对SVR模型引入松弛变量,对LSTM模型中较大的预测误差进行修正,从而达到更好的预测准确度。构建支持向量回归的长短期记忆混合网络(LSTM-SVR)光伏功率短期预测模型与LSTM模型一同预测并进行对比,得出指标量化预测误差结果。

基于灰色线性回归组合模型的故障率预测

针对武器装备在使用过程中故障率变化的复杂性,提出了灰色线性回归组合模型的故障率预测方法。该模型用线性回归方程和指数方程的和来拟合故障率曲线,它可以改善线性回归模型中没有指数增长趋势和GM(1,1)模型中没有线性因素的不足。通过对装备备件故障率的预测分析表明,灰色线性回归组合模型在故障率预测精度上优于单一的灰色模型和线性回归模型,且不要求对所提供的历史数据具有典型的分布规律。该模型的预测结果可以为装备的维修工作提供决策依据。

基于灰色线性回归组合模型的火炮身管寿命预测

为了准确预测出火炮身管寿命终止时的最大射弹数,提高火炮的实用性能,该文对火炮身管内径磨损量的数学模型进行了研究。该文提出采用灰色系统理论分析的方法,将灰色模型与线性回归模型相融合,建立了灰色线性回归组合模型,得到了身管内径磨损量与射弹数的数学关系式。将该新模型与传统的灰色模型分别应用于某型火炮的身管寿命预测,通过数据对比表明了该灰色线性回归组合模型方法的有效性,使预测精度得到了提高。

灰色线性回归组合模型在瓦斯涌出量预测中的应用

矿井瓦斯涌出量预测是新建矿井、新水平和新采区设计的主要依据。针对目前灰色理论预测模型和线性回归预测模型的缺点和不足,系统地推导了灰色线性回归组合预测模型。结合现场实测数据,并对比线性回归模型和灰色理论模型预测结果,发现该模型的预测精度分别提高了2.46%和1.35%,数据拟合的相关系数也有一定程度的提高。实证结果表明,灰色线性回归组合模型可以更好地预测矿井瓦斯涌出量。

基于ARMA-GM-BP组合预测模型及应用

文章介绍了ARMA、GM（1,1）模型并建立了ARMA-GM-BP组合预测模型;通过对中国2005~2013年GDP的预测和检验,表明该组合预测模型的拟合及测试效果比单独利用ARMA、GM（1,1）模型的效果有很大改善;最后运用ARMA-GM-BP组合预测模型,对中国2014年、2015年的GDP作出了预测。

基于灰色线性回归组合模型的机床热误差建模方法

为了控制机床热误差和提高机床加工精度,考虑到测得的热误差数据同时存在着线性和非线性因素,提出了采用具有处理线性和非线性能力的灰色线性回归组合热误差模型的建模方法。用此方法对某卧式加工中心热误差进行了建模和预测,并引入BP神经网络对热误差模型的残差进行修正,从而获得了比较准确的热误差预测值。与用指数函数来模拟生成数据的灰色模型所获得的预测值进行了比较,证明了灰色线性回归组合及BP神经网络模型在机床热误差补偿建模应用中的优越性。

基于灰色线性回归组合模型的物流需求预测研究

灰色线性回归组合模型是在GM(1,1)模型和线性回归模型基础上建立的一种隐型灰色组合模型,考虑到该模型在泛化能力方面存在不稳定现象,本文借鉴灰色线性回归组合模型的建模思想,提出了一种相应的改进算法,并通过实例对其进行了验证。最后,本文以改进模型对福建省未来几年的物流需求进行了预测。

关于ARMA-BP神经网络组合模型的财政收入预测

本文研究了ARMA-BP神经网络组合模型预测的问题.利用最大最小贴近度评价方法,获得了ARMA-BP神经网络组合模型对应的贴近度差值大于单一模型的结果,推广了组合模型比单一模型预测精度更优的结果.

误差为ARMA(1,1)的非线性回归模型相关性和异方差的检验

本文讨论了误差为ARMA(1 ,1 )序列的非线性回归模型 .首先得到随机误差相关性和异方差性检验的似然比检验统计量和Score检验统计量 ;其次利用参数正交变换 ,得到了修正的似然比检验统计量和修正的Score检验统计量 ,推广了韦博成、胡跃清 (1 994)的结果和韦博成(1 995 )的结果 ;最后给出了几种特殊情形的似然比检验统计量和Score检验统计量 .

基于IOWA算子的指数平滑模型与非线性回归模型的组合预测

文章首先对观测值进行单个预测,然后通过建立基于IOWA组合预测模型,构建了以误差平方和最小为准则新的组合预测模型,通过求解非线性规划模型给出了基于IOWA组合预测的最优权系数。最后对比预测效果评价指标体系的各个指标,表明该组合预测模型能提高模型预测的精度。