基于BFAST时间序列分解与分段建模的混凝土坝多测点变形定量分析方法

大坝运行环境复杂,其变形与外部荷载之间往往存在明显的非线性关系。为此,提出一种基于BFAST时间序列分解与分段建模的混凝土坝多测点变形定量分析方法,基于重力坝垂线监测数据,首先使用主成分分析提取多个测点的综合位移;其次使用BFAST时间序列分解方法将综合位移分解为季节性和趋势性两部分;然后通过合理选择改变点,建立分段统计回归模型,分时段量化各环境量对大坝位移的影响;最后通过对安康水电站水平位移规律的分时段定量分析验证了所提方法可行、有效。研究结果为更好地分析大坝变形性态演变历程和定量解释大坝变形机理提供了有力的技术支持。

基于特征聚类和时间序列分析的协同过滤推荐方法

分布式系统各节点间的故障特征具有相似性,推荐方法根据故障特征的相似性给出推荐结果,能够提升维护效率。推荐方法采用相似度全局比对,计算效率较低。维护方案的有效性随时间降低,存在时效性差的问题。提出了一种基于特征聚类和时间序列分析的协同过滤推荐方法,利用K-means算法对故障特征进行聚类,以提升相似度比对的计算效率。根据多模态故障特征融合匹配维护方案,对推荐结果进行时间序列分析,调整维护方案权重,保证推荐结果的准确性和时效性。此外,利用均值策略实现了评分融合,建立多故障特征下的组推荐模型。实验表明,与UBCF和IBCF两种方法相比,该文方法的准确率分别提升了1.27%和4.46%,召回率分别提升了2.77%和0.61%。

基于时间序列方法的股票价格分析

股票价格指数是一个国家经济建设健康状况的体温表,它的变化大致反映了该国经济结构和经济活动的宏观变化趋势。因此,选取合适的实证研究方法对股票价格指数进行预测分析,具有重要的实证意义。近年来,基于时间序列分析的预测方法在各个领域中都得到了广泛的应用。而对股票价格进行预测较为普遍的模型就是时间序列模型。所以本文以神州长城指数为例,将时间序列建模方法应用于股票价格指数的建模与预测,我们选择建立了ARIMA、GARCH模型进行拟合与预测。实验结果表明,该模型的残差白噪声检验,系数显著性检验都控制在一定范围内,因此该模型拟合效果较好,预测值接近实际值,最后,我们借助了该模型进行了股票指数未来一定时间内的预测。

基于时间序列分析的风电机组微观风速预测建模方法研究

受气象条件、地形、机组位置和机组结构的影响,风力发电机组的风能输入存在显著的不确定性和个体差异性,导致风电机组输出功率预测难度很大。为了保证风电机组运行控制的平衡性,实现对风电场更精细化的智能控制,文章使用时间序列分析方法中求和自回归移动平均模型(ARIMA)对风力发电机组的微观风速时间序列数据进行分析,探讨其相关性和随机性,实现对风电机组微观风速的时间序列建模和风速预测试验。该方法为风电场单台机组微观风速预测提供算法上的支持,从而为风电机组抵抗涡激振动、准备并网发电、预防载荷冲击等运行风险和精准控制提供数据支撑,为风电场均衡整场机组性能和运行寿命等精细化管理和高效运维提供依据。

2016—2021年合肥市极端气温与循环系统疾病死亡的时间序列分析

目的探讨合肥市极端气温对居民循环系统疾病死亡的影响及不同人群的敏感性分析。方法收集合肥市2016—2021年逐日气象资料、大气污染物监测资料及循环系统疾病死亡数据。采用基于广义相加模型的分布滞后非线性模型(distributed lag non-linear model,DLNM),评估极端气温对不同性别、年龄人群循环系统疾病死亡影响以及对循环系统主要疾病死亡的滞后效应和累积效应。以日均气温中位数(17.7℃)为对照,计算极端气温的相对危险度(RR)。结果合肥市极端气温对居民循环系统疾病死亡具有显著影响。极端低温对循环系统疾病死亡影响滞后时间长,lag4时达到最大,RR(95%CI)为1.067(1.039,1.095),且不同人群的死亡风险均明显增加。极端高温对循环系统疾病死亡的影响在当天达到最大,RR(95%CI)为1.088(1.020,1.160),持续时间短;≥65岁、女性和脑血管病患者也均在当日效应最大,且效应具有统计学意义,而对其他人群无明显影响。极端气温对不同人群的冷效应均高于热效应,低温对<65岁人群的死亡风险明显高于≥65岁人群,热效应则相反;女性冷效应和热效应均高于男性;脑血管病人群冷效应和热效应也均高于缺血性心脏病人群。结论合肥市极端气温可能增加居民循环系统疾病死亡风险,冷效应影响更大,不同人群对冷热效应的敏感性有差别。

主余震序列作用下基于时间维度的连续梁桥易损性分析

为研究连续梁桥在主余震序列作用下基于时间维度的易损性情况,以一座三跨连续梁桥为研究对象,基于OpenSees有限元软件进行非线性动力分析。选取符合区域场地类型的地震动,通过改进的大森定律和区域主余震统计关系,构建基于时间的主余震序列。以改进的Park-Ang损伤指数作为结构的损伤指标,运用直接回归概率线性拟合的方法建立主震后短期内各时间节点桥墩在不同损伤状态下的地震易损性曲线,研究区域时间范围内主余震序列对连续梁桥抗震性能的影响。结果表明:(1)余震会给桥梁结构带来明显的增量损伤;(2)各种损伤状态的超越概率随着PGA的增大和时间的推移而不断增大,且主震造成的损伤状态等级越高,其超越概率越低,余震作用时超越概率增大越明显。超越概率在震后第1日增幅最大,随着时间的推移逐渐减小,第10日趋于平稳,因此在分析地震给桥梁带来的损伤时,要充分考虑主余震序列的时间效应。

基于时间序列分析的港口货物吞吐量预测研究

港口货物吞吐量是衡量企业生产经营活动的重要依据,体现地区的经济活力与国际贸易潜力。为更准确地预测港口货物吞吐量,本文针对上海港2013年至2022年间集装箱吞吐量变化特征进行量化分析,使用时间序列研究方法对上海吞吐量发展趋势作出精准化预测。对时间序列的平稳性与模型合理性进行进一步验证,减少时间序列历史数据非线性、非平稳性特点产生的预测误差,提升港口吞吐量预测的准确性和科学性,为实现生产效率与资金投入的科学化统筹提供基础数据支撑。

水文时间序列趋势和跳跃分析的再抽样方法研究

用再抽样方法估计水文时间序列趋势或跳跃的显著性水平,可通过分块的方法消除水文时间序列自相关性的干扰,具有直接、精确的优点。介绍了再抽样方法在水文时间序列趋势和跳跃分析中的原理与方法;针对黄河三门峡水文站1919～1989年实测年径流量资料,采用几种常用的参数和非参数统计量,用再抽样方法进行了实例研究,其中采用滑动分块自助法以消除自相关性的干扰,该方法为估计水文时间序列的趋势、跳跃的显著性水平给出了新的思路与途径。

基于Box-Jenkins方法的黄河水质时间序列分析与预测

采用基于Box-Jenkins方法的时间序列分析技术,对黄河上游甘肃兰州段、中游吴堡和下游山东利津段的水质进行了趋势分析和预测。选取对水质产生影响较大的两个污染因子化学需氧量(CODMn)和溶解氧(DO)1994—2003连续10a的月平均水质监测数据,借助Matlab和SAS统计软件,建立了ARIMA模型和乘积季节时间序列模型,并分析了这两个污染因子随时间推移的变化规律。结果表明:ARIMA模型和乘积季节模型能够用于短期水质预测,并且预测效果较好。黄河流域从上游到下游水质总体状况呈逐渐下降趋势,上游水质一般为Ⅱ和Ⅲ类,而中游和下游水质基本为Ⅳ、Ⅴ和超Ⅴ类。

基于Box-Jenkins方法的青南高原降水量时间序列分析建模与预测

应用基于Box-Jenkins方法的时间序列分析技术,对青南高原的四个典型地区1961-2005年降水量序列进行ARMA建模分析:验证了四地区年降水量序列的时间序列特性,研究并选择了这些序列的最佳ARMA模型,本文也通过模型对未来降水量进行了预测.模型实证分析的结果表明:在青藏高原降水量时间序列分析建模与预测方面,Box-Jenkins方法及其模型是一种精度较高且切实有效的方法模型.

长期护理保险对失能人员医疗服务利用及费用的影响——基于中断时间序列分析

目的:研究长期护理保险政策对长期护理保险待遇享受人员医疗服务利用及费用的影响,探讨长期护理保险实施效果并提出建议。方法:采用卡方检验、中断时间序列分析,综合分析待遇享受人员的医疗服务利用及费用在长期护理保险实施前后的变化情况。结果:研究发现,对不同医疗保险类型、失能等级和年龄的失能人员选择不同的照护方式存在显著差异(P<0.05),待遇享受人员医疗服务利用频次及费用均有降低。结论:医疗保险类型、失能等级和年龄是照护方式选择的影响因素,待遇享受人员的医疗服务利用和费用显著降低,长期护理保险可能减少了“社会性住院”行为。政策建议:缩小城乡待遇差异、促进一体化发展,探索居家照护与机构上门结合、促进护理机构综合发展,健全照护服务体系、减轻家庭压力。

非线性位移时间序列分析的遗传神经网络方法

岩土结构的位移大都具有非线性动力学演化特征，针对目前所采用的时间序列分析方法中存在的模型选择和参数确定困难问题，用人工神经网络建模来取代传统的分析方法，提出了一种能自动确定输入时步长度和网络模型结构的遗传神经网络方法，而且也解决了神经网络结构选择和“过训练”问题，提高了网络学习的效率和网络预测的能力·该方法可以对位移演化规律进行智能识别，获得全局最优解·

负荷预报的混沌时间序列分析方法

某些非线性确定性系统表现出混沌行为，由这些系统产生的时间序列又表现出随机性 ，但是，这些混沌时间序列在短期内可有较为精确的预测，可以为其建立确定性的预测模型 。为了探求负荷时间序列中的混沌特性，作者首先介绍计算时间序列中的多种混沌特征数的 方法，在发现华中电网发电负荷时间序列中的混沌特性的基础上，给出一种基于混沌理论的 局部预测算法。该预测方法的优点是，如果时间序列比较长，就可以通过某些参数的调整来 控制预测精度。最后以华中电网的发电负荷为例检验了本文中的算法，最终的预测模型的预 测效果良好。

场时间序列预测方法及其预测能力的试验分析

给出场时间序列预测思想的提出及其理论基础 ,并在此基础上 ,给出场时间序列预测理论的思路及方法 ,并针对一个理想混沌时间序列进行预测能力的试验分析。初步结果表明 ,场时间序列预测方法可以提高单点时间序列的“遍历性” 。

基于时间序列模型的研究热点分析预测方法研究

文章提出一种基于时间序列模型的研究热点评价与预测方法。利用关键词词频排序、热点关键词群构建和时间序列模型分析等方法,对CNKI收录的以竞争情报为关键词的近10年期刊论文的关键词进行处理,分析梳理了近10年竞争情报领域的研究现状,运用关键词群分析、社会网络分析和时间序列模型分析预测其研究热点的发展趋势。最后将2015年作为预测目标进行预测,将预测结果与实际数据对比,实验结果证明该方法是可行有效的。

基于时间序列关联分析的稳定运行规则提取方法

提出一种考虑运行方式变化时序的稳定规则提取方法。利用主成分分析进行敏感特征提取。对传统方法在数据标准化中存在的问题,通过数据均值化处理,保留原数据中各变量变异程度的差异信息。

简易季节时间序列资料分析方法

简易季节时间序列资料分析方法第三军医大学卫生统计学教研室许汝福，王文昌，尹全焕，张蔚关于季节时间序列资料的分析通常采用经典时间序列分析技术，对其长期趋势、季节变动、周期变动及不规则变动等方面进行分析［１］如季节自回归模型［２］，季节变动分析法［３］等...

基于时间序列分析的结构损伤特征提取与预警方法

基于在线监测数据的损伤诊断是结构健康监测的核心课题之一。本文基于时间序列分析ARMA模型探讨了结构损伤特征提取和损伤预警的实现方法。首先对监测数据建立ARMA模型,并基于模型中自回归部分参数,采用主成分分析的方法提出了新的结构损伤特征指标。然后采用t-检验考察该指标在损伤前后是否存在显著性的变化,从而可以有效地实现结构损伤预警。三跨连续梁数值算例表明,本文提出的损伤特征指标对结构的微小损伤具有敏感性,具备结构在线实时损伤预警的应用价值。

应用R/S方法分析NDVI时间序列

针对1982—2001年月合成PAL NDVI时间序列,应用R/S方法计算中国陆地范围内的赫斯特指数。结果表明:全国范围内的赫斯特指数普遍大于0.5,意味着NDVI时间序列不是马尔科夫序列,而是存在明显的趋势性;中国陆地范围内的赫斯特指数分布存在“西高东低”的特点,说明西部NDVI时间序列表现出更强的持久性;通过分析赫斯特指数分布与陆地覆盖类型的关系发现,在同一生态地区内,裸地的赫斯特指数最高,与其它覆盖类型差异明显。陆地覆盖类型之外的自然条件和人为因素对赫斯特指数空间分布的影响有待进一步研究。

时间序列非平稳检测方法的对比分析

对比分析了检测时间序列是否平稳的两种方法:一种是基于简单的统计方法检测时间序列非平稳性的run-test(简称RT)方法(考虑了3种典型方法:均值RT、方差RT和标准差RT),另一种是利用动力非平稳检测的图示方法(space time-index,STI)。通过分析人工生成的已知平稳性的时间序列和实际湍流时间序列,对比了两种方法在时间序列非平稳检测上各自的优劣:RT方法简单、高效,但精确度低;STI方法精确度高,但复杂、低效。同时,分析了3种不同的RT方法对不同类型时间序列的平稳性检测能力,表明方差RT方法最适用于湍流时间序列非平稳性检测。