季节性自回归滑动平均混合模型及其在电力负荷预测中的应用

电力负荷多具趋势性及周期性特性 ,并非所有预测模型都与此特性相吻合。重点分析季节性自回归滑动平均混合模型的预测特性 ,并通过具体算例验证其同时具有趋势性及周期性特性 ,非常适合用于电力负荷的预测分析。同时指出自回归滑动平均混合模型受时间序列数据结构的约束较少 ,并通过具体算例 。

自回归滑动平均求和季节乘积模型在某医院门诊量预测中的应用

目的探讨自回归滑动平均求和季节乘积模型(ARIMA季节乘积模型)在医院门诊量预测中的应用。方法对某医院2008—2015年的逐月门诊量数据分析并拟合ARIMA季节乘积模型,预测2016年月门诊量。结果ARIMA(0,1,1)(1,1,0)_(12)模型为最优拟合模型,2016年每月的实际门诊量均在预测值的95%置信区间内,平均预测相对误差为3.34%。结论ARIMA季节乘积模型适用于医院门诊量的短期预测,可以为医院门诊卫生资源的配备和管理提供决策依据。

副伤寒的求和自回归滑动平均模型预警应用实例

目的探讨时间序列求和自回归滑动平均模型(ARIMA)在副伤寒预警中应用的可行性。方法利用SAS9.0统计软件对《国家疾病报告管理信息系统》报告的杭州市副伤寒按周发病数进行ARIMA建模。结果对副伤寒发病数序列建立三阶自回归模型AR(3),并绘制预警线图,对2007年7月发生的副伤寒暴发疫情进行了及时预警。结论模型能够较好应用于副伤寒预警,为疫情防控提供了有力帮助。

自回归滑动平均混合模型在红细胞供应量预测中的应用

目的探讨建立月悬浮红细胞供应量预测模型,为采供血提供参考。方法分别以浦东血站2007年1月-2014年6月的月红细胞供应总量、A+、B+、O+和AB+4种血型红细胞月供应量作为标本建立自回归滑动平均混合模型(ARIMA),用2014年7月-12月的实际值作为检验标本,用建立的最优模型预测2015年1-6月本站红细胞月供血量。结果经过序列平稳化、模型识别、建模和模型检验等步骤,月红细胞供应总量建立ARIMA(1,1,1)(1,1,1)12模型,调整决定系数(R2)=0.82,平均绝对百分比误差(MAPE)=5.98;A+型红细胞月供应量建立ARIMA(1,1,2)(1,1,1)12模型,调整R2=0.81,MAPE=8.42;B+型红细胞月供应量建立ARIMA(4,1,0)(1,1,1)12模型,调整R2=0.84,MAPE=7.23;O+型红细胞月供应量建立ARIMA(1,1,1)(0,1,1)12模型,调整R2=0.83,MAPE=6.63;AB+型红细胞月供应量建立ARIMA(1,1,0)(1,1,1)12模型,调整R2=0.80,MAPE=8.41。结论 ARIMA是一种短期预测精度较高模型,可用于红细胞供应量的预测。

非线性时间序列建模的混合自回归滑动平均模型

提出了一类用于非线性时间序列建模的混合自回归滑动平均模型(MARMA).该模型是由K个平稳或非平稳的ARMA分量经过混合得到的.讨论了MARMA模型的平稳性条件和自相关函数.给出了MARMA模型参数估计的期望极大化(expectation maximization)算法.运用贝叶斯信息准则(Bayes information criterion)来选择该模型.MARMA模型分布形式富于变化的特征使得它能够对具有多峰分布以及条件异方差的序列进行建模.通过两个实例验证了该模型,并和其他模型进行比较,结果表明MARMA模型能够更好地描述这些数据的特征.

基于混合优化策略的自回归—滑动平均模型建模

自回归—滑动平均(ARMA)模型参数估计一直是ARMA模型建模问题的难点和重点,目前的模型参数估计方法都采用传统最小二乘法及其推广算法,预测精度低。采用基于混合优化策略的遗传模拟退火算法进行ARMA模型参数估计,克服了传统算法的缺点,并在此基础上利用遗传模拟退火算法可以确定ARMA阶次的特点,提出基于混合优化策略的ARMA模型建模方法。利用这种建模方法和传统建模方法对组合炮控系统精度进行建模比较,证明基于混合优化策略的ARMA模型建模方法收敛快,精度高。

回归滑动平均混合模型预测广州地区悬浮红细胞出库量的研究

目的建立准确预测血站悬浮红细胞出库量模型以便科学合理地安排采供血工作。方法收集2013—2017年广州血液中心血库每月出库供应给临床的悬浮红细胞悬液数(量)据,应用SPSS 25.0统计软件建立回归滑动平均混合模型(ARIMA),预测2018年1—9月红细胞悬液出库量,以届时实际的悬浮红细胞出库(临床供应)量评估ARIMA的预测效果。结果 2013—2017年广州血液中心的悬浮红细胞出库量持续增长,年均增长率3.91%,ARIMA(3,1,3)(1,1,0)12为相对最优模型,2018年1—9月悬浮红细胞出库量预测值为329 228 U,当时的实际值为309 837 U,第3季度误差相对较大(-11.43%),第1、2季度相对误差较小(-2.43%、-3.51%),平均相对误差为-5.89%。结论 ARIMA模型预测的血站短期(半年左右)悬浮红细胞出库(供应)量,可以作为血站悬浮红细胞库存量的参考阈值,为血站合理制定采供血计划提供科学工具。

自回归求和滑动平均模型在医院药品收入预报中的应用

目的对某医院药品收入进行预报,从而为该医院控制药品收入比例提供理论依据。方法对该医院2003-01～2006-12间药品收入时间序列数据拟合自回归求和滑动平均（ARIMA）模型,并用2007年该医院药品实际收入与上述模型对2007年的预报结果进行比较。最后利用所求模型对2008年该医院药品收入情况做出预报。结果ARIMA（2,1,1）提供的该医院2007年药品收入预报值与药品实际收入较为吻合,进一步利用ARIMA（2,1,1）对该医院2008年的药品收入做出预报。结论ARIMA模型为该医院提供了较为准确的药品收入预报,为管理者控制药品收入比例提供了可靠的理论依据。

基于自回归求和滑动平均模型的风力发电机轴承寿命预测

提出了基于自回归求和滑动平均(ARIMA)模型的风力发电机轴承寿命预测方法。以经小波包去噪、平稳化处理后轴承振动信号的均方根值为特征量,利用贝叶斯信息准则确定ARIMA模型的自相关阶数和滑动平均阶数,并用矩估计方法求出ARIMA模型的参数。利用求得的ARIMA模型得出振动信号均方根值的变化趋势,进而预测出风力发电机轴承的寿命。仿真结果表明,基于ARIMA模型的风力发电机轴承寿命预测方法能够有效地利用实时数据对轴承寿命进行预测,为风力发电机组的设计和维护提供理论依据。

煤矿工人尘肺患病水平自回归滑动平均混合模型分析

煤矿工人尘肺是由于煤尘、煤矽混合粉尘和矽尘长期混合暴露而引起的肺部弥漫性纤维化的疾病,是煤炭企业职工最常见的职业病之一。本文对28年来晋城煤业集团职业病防治所职工体检资料进行整理和分析,反映现代职工尘肺近年患发病变动趋势,为晋城煤业集团的职业病预测、监控与防治工作提供参考。

基于EM算法的混合自回归滑动平均模型的参数估计

研究了一类用于时间序列建模的混合自回归滑动平均模型.该模型是由m个ARMA分量经过混合得到的,给出了混合自回归滑动平均模型参数估计的期望极大化(EM)算法,从而得到了混合系数和分量模型的参数,通过仿真说明了其有效性.

基于自回归求和滑动平均模型的居民区电动汽车负载特性分析

随着电动汽车规模的日益扩大和居民区充电设施的逐渐完善,大量电动汽车的充电行为将给居民区电网负荷带来较大影响。在电动汽车充电特性研究的基础上,提出了一种基于自回归求和滑动平均(ARIMA)模型的面向居民区的电动汽车负载特性分析方法,通过构建多辆电动汽车的总耗电模型,较好地预测了电动汽车总体充电需求,进而实现对居民区变压器容量的合理配置。最后选取若干具有代表性的小区,测试分析了电动汽车接入前后的台区负载变化情况,验证了所提方法的有效性。

混合空间自回归模型的异常值检验

文章研究了混合空间自回归模型的单个异常值的检验问题。分别在均值滑动模型和方差加权模型下导出了得分统计量的具体形式及检验过程。应用于一阶空间自回归模型中,给出了的异常值得分检验统计量的具体形式及近似分布。最后利用哥伦布市社区犯罪数据证实了方法的有效性。

基于门限自回归模型对人民币汇率波动的研究

人民币汇率的波动受多方面因素的影响,为研究人民币汇率的波动情况,进一步预测人民币汇率的变化,本文以2011年1月—2023年12月的人民币兑美元的汇率中间价的月度数据作为研究对象,分别建立了求和自回归滑动平均模型和门限自回归模型,并对两种模型的预测结果进行对比。结果表明:人民币汇率的波动具有非线性特征,并且门限自回归模型比求和自回归滑动平均模型准确度更高,在未来几个月人民币兑美元中间价略有下降,但能够维持在相对稳定水平,人民币略有升值。

基于ARIMA与ESN的短期风速混合预测模型

提出一种基于自回归求和滑动平均模型(autoregressive integrated moving average,ARIMA)与回声状态网络(echo state network,ESN)的短期风速预测模型。首先利用ARIMA模型对短期风速时间序列进行线性特征的预测,使得短期风速的残差仅包含非线性特征,然后利用ESN模型对非线性的残差序列进行预测,最后将ARIMA模型的短期风速线性预测值与ESN模型的短期风速非线性预测残差值进行相加得到最终的短期风速的预测值。单步与多步预测的仿真实验表明该混合预测模型具有更高的预测精度与更小的预测误差。

基于混合模型的国际原油价格预测研究

由于国际原油价格的剧烈波动,使得准确的原油价格预测极具挑战。为此,提出一种基于变分模态分解、季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机的混合模型。利用变分模态分解方法将国际原油价格序列分解成一系列模态分量;针对周期性和非线性特征分量,分别建立季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机模型进行预测;将各分量的预测值求和作为最终的预测结果。实证研究结果表明:所提混合模型相较对比模型能够明显提高国际原油价格的预测精度。

基于混合预测模型的船舶海水冷却系统状态参数预测

为了提高船舶海水冷却系统状态参数的预测精度,提出了自回归滑动平均线性子模型和BP神经网络非线性子模型相结合的海水冷却系统状态参数混合预测模型。介绍混合预测模型的建模过程以及预测流程,选取"育鲲轮"海水冷却系统5天状态参数作为训练样本输入到混合预测模型,对第6天状态参数进行预测,将混合预测模型的预测值分别与自回归滑动平均预测模型预测值、实际观测值对比并运用平均绝对百分比误差法进行验证,结果表明搭建的混合预测模型可以提高海水冷却系统状态参数的预测精度,具有良好的预测能力。

基于SARIMA模型的上海市宝山区2024年水痘流行趋势预测

目的构建模型预测上海市宝山区2024年的水痘发病趋势,为水痘早期预警和有效防控提供科学依据。方法利用宝山区2010—2022年报告水痘个案数据,运用R语言构建季节性自回归滑动平均模型,用2023年数据进行验证,最后用验证模型预测2024年水痘流行趋势。结果宝山区2010—2022年水痘年均发病率为69.67/10万,2020年起发病数和发病率有所降低。宝山区水痘月发病数据为平稳序列,具有明显季节性。ARIMA(1,0,1)(0,1,1)12为最优拟合模型,残差经Ljung-Box检验为白噪声序列。2023年1—12月实际发病数均在预测值的95%可信区间内。预测显示宝山区2024年水痘发病数为762例,全年发病有2个高峰。结论ARIMA(1,0,1)(0,1,1)12模型能较好拟合宝山区水痘的发病趋势,可用于宝山区水痘短期发病情况的预测。

基于季节性分解的时间序列在主变压器缺陷率预测中的应用

针对主变压器缺陷率序列具有的非线性和非平稳性特点,以及主变压器缺陷发生具有季节性的特征,提出将主变压器缺陷率序列进行季节性分解和时间序列ARIMA预测相结合对主变缺陷率进行预测,以探寻较为有效的主变压器缺陷率的预测方法。首先,对原始序列进行预处理,将其分解为一系列不同的模式分量,这样能够突出原始主变缺陷率序列的局部特征信息;然后,分析各分量,根据其变化规律,采用时间序列法建立相应的模型并进行预测,这样既简化了建立的模型又降低了不同分量间的干涉和耦合;最后将各分量的预测值叠加得到缺陷率的预测值。算例结果表明,该方法具有较好的预测效果。

基于乘积季节ARIMA模型对我国FDI的预测

本文通过采用乘积季节性求和自回归移动平均模型对我国外商直接投资月度数据进行拟合并引入一元线性回归模型对预测进行修正后取得了较好的效果,且模型显示未来我国外商直接投资季节性和平稳性的组合波动状态。