季节性SARIMA模型在实验室开放管理中的应用

为了更好地进行实验室开放管理和高效利用,结合我院实验室日常上机人数的历史数据进行分析研究,提出了构建季节性SARIMA模型,将其用于对实验室日常上机人数的预测,并介绍了季节性SARIMA模型的理论基础和构建过程。研究结果表明,季节性SARIMA模型在实验室开放管理中的应用,更有利于安排值班人员和开放实验室数量,从而很大程度提高了人员的管理水平和资源的利用效率。该模型已在我院的计算机实验教学、实验室开放管理得到了成功应用,并取得了显著的效果。

基于季节性自回归积分滑动平均模型(SARIMA)的埋深特征预测

本文采用某地下水站2019-01-01-2021-07-12内每日的地下水埋深数据,通过SARIMA模型预测未来地下水埋深的数值,并使用2021-08-25-09-27的实测数据进行模型结果验证,最后分析地下水埋深特征。此模型能为已有历史水文资料但数据缺失的区域提供生成高精准预测值的方法,同时为流域水资源管理、水利规划提供依据。

一种用于季节性产品需求预测的多元化堆叠回归模型

产品需求预测是智慧供应链的核心环节。针对具有季节性的快消品的需求特点,设计了一种结合Blending线性与多机器学习模型融合的多元化堆叠回归模型RXOEL-X。首先,介绍了RXOEL-X模型的构建及运行步骤,然后基于一组公开数据将此模型与五种传统单一化模型进行比较,证明其在预测精度方面比其他模型更优。同时基于某饮料公司的实际销售数据,对模型性能进行进一步测试,证明RXOEL-X模型在预测精度、数据拟合能力、时间效率等方面整体表现最佳。RXOEL-X模型为季节性产品乃至更广泛的企业供应链管理中的需求预测问题提供了一种前沿的解决策略,有利于帮助企业在节省成本、减少库存积压的同时,提高对市场变化的响应速度和供应链的整体灵活性。

基于季节性ARIMA模型的短时交通流预测方法研究

综合道路特点、行驶时间和车辆的特征等信息,采用时间差值法筛除无效数据,剔除运营车数据;在通过序列分解与ADF-1平稳性检验后,提出基于季节性ARIMA模型的短时交通流预测技术,以探究该模型下车流量预测精度达到最佳预测效果时的最优采样间隔;采用AIC准则对参数寻优定阶,ADF检验和差分分析选择最优的差分阶层;为确保模型的可靠性,使用Ljung-Box Q检验进行白噪声检验。结果表明,时间间隔为15 min的车流量统计模型SARIMA(1,1,2)×(2,0,0)4在预测精度和稳定性方面均优于其他时间间隔和传统的ARIMA模型。同时,该方法也具有一定的通用性,可以应用于其他领域的短时流量预测。

基于季节性时间序列模型的西藏那曲牧草生长预测研究

为了保护西藏生态环境,了解牧草相关的生长情况,使用NASA提供的16天合成MODIS数据,以归一化植被指数(NDVI)作为牧草的生长覆盖特征指标,预测NDVI就可以更好地评估牧草的生长情况,以那曲市的NDVI为例,利用ARIMA和SARIMA模型进行预测,结果显示SARIMA模型有着良好精度预测,能够更好地评估牧草地生长情况。

基于ANN-CA模型的F县季节性闲置耕地模拟及预测

为保护耕地和提高耕地利用率,促进农业可持续发展,本研究利用ANN-CA模型对F县的季节性闲置耕地情况进行模拟预测。模拟结果表明,在α=2,T=0.8的参数组合下,各类用地变化的模拟精度较高,模拟出的用地变化情况与2020年的实际用地情况较为贴近;根据季节性闲置耕地识别规则模拟出F县未来耕地季节性闲置现象呈现明显好转趋势,预测2025年F县季节性闲置耕地主要集中在东北部和南部,面积为25.8318km^(2)。生产中,注意对耕地进行科学合理的养护和利用,以保障农作物的产量和质量,确保农业可持续发展。

具有季节性反应扩散疟疾模型的全局动力学

疟疾是一种由疟原虫引起的传染病,它是通过成年雌性按蚊叮咬而引发的人与人之间传播。为了探讨空间异质和季节性对疟疾传播的影响,建立了一类周期的反应扩散模型。鉴于蚊子总密度趋于一个正的周期解,故对原系统的研究转而讨论其极限系统。首先定义了模型的基本再生数R_(0),然后利用单调次齐性系统理论表明了R_(0)是决定极限系统全局动力学的一个阈值参数。具体地说,当R_(0)≤1时,无病周期解是全局渐近稳定的;而当R_(0)>1时,模型存在唯一正的周期解且它是全局渐近稳定的。最后,利用链传递集理论将极限系统的动力学提升到原系统。

基于SARIMA模型的城市热岛季节性时序预测研究

针对目前出现的极端气候问题,本研究引入SARIMA季节性时序预测模型来预测城市热岛。首先利用单窗算法进行地表温度反演并进行精度验证;然后采用SARIMA模对地表温度进行拟合和未来温度变化预测。基于季节性差分自回归移动平均模型,结果表明SARIMA模型的城市热岛季节性时序拟合和预测效果具有较高的可靠性和准确性。

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。

SARIMA-GRU组合模型的水位预测

相较于传统的单一模型,组合模型在一定条件下具有更优的预测精度。为验证组合模型是否有利于提高模型的预测精度,本文以长江中游支流澧水石龟山水电站的水位数据为基础,建立SARIMA模型和GRU神经网络模型,并将这两种模型基于方差倒数法和IOWA算子进行组合,最后比较单一模型和组合模型在该水位数据集上的预测精度差异。结果表明,适当的组合方式有利于提高模型预测精度,基于IOWA算子的组合模型具优良的预测性能。

基于SARIMA-SVR模型的铁路货运量预测方法

鉴于铁路货运量受多种外部因素影响呈现显著的随机波动特征而难以准确预测,提出了SARIMA-SVR预测模型。首先,对全国铁路月度货运量序列进行季节时间序列(SARIMA)建模,得到模型的初始预测值及预测残差。其次,构建支持向量机(SVR)回归预测模型,将影响铁路货运量的外部因素作为模型输入项,SARIMA模型预测残差序列、月度货运量序列分别作为模型输出项,由此分别获得SARIMA模型预测残差的优化值以及SVR模型的货运量预测值。三是将优化后的SARIMA模型预测残差与其初始预测值相加,得到优化后的SARIMA模型预测值。四是再对优化后的SARIMA模型预测值和SVR模型预测值进行加权求和,得到SARIMA-SVR模型的预测结果。最后,对SARIMA-SVR模型进行消融实验验证模型有效性,并将该模型与经典预测模型进行测算精度对比。结果表明,SARIMA-SVR模型的预测精度优于单一模型和经典预测模型,在货运量预测方面具有良好的适用性。

基于SARIMA模型的黄河水沙通量规律的研究分析

为了研究黄河水沙通量的变化规律对黄河流域的影响,保障黄河流域可持续发展,本文选用统计学分析方法和时间序列模型相结合,综合利用MATLAB、SPSS和Python等软件分析黄河水的变化规律,并制订出未来两年最优的采样监测方案。本文所用案例为2023年全国大学生数学建模竞赛E题-黄河水沙监测数据分析的题目进行研究分析,所得结果与实际查阅资料结果非常吻合。

基于SARIMA模型的五道沟地区0~320 cm土层季尺度地温预测研究

【目的】探讨五道沟地区地温季尺度变化趋势和突变特征,建立SARIMA地温预测模型。【方法】基于五道沟水文实验站1964—2022年长系列实测地温资料,采用线性回归、Sen’s斜率估计、MK检验等方法,开展0~320cm土层地温季尺度变化趋势和突变特征研究,建立不同土层深度(0~320cm)地温SARIMA预测模型。【结果】(1)春季、冬季0~160 cm土层地温呈显著上升趋势;夏季除0、10 cm土层外其他土层地温均有显著下降趋势;秋季0、20 cm土层地温具有显著上升趋势;320 cm土层地温在冬季具有显著下降趋势。(2)春季0、10、20、40、160 cm土层地温分别在2006、2013、2012、2015、2018年发生突变,突变后增温趋势显著;320 cm土层地温在1984年前后开始显著降低。(3)地温数据的预测值与实测值拟合优度均>0.95,不同土层地温预测模型均有较好的预测能力,且随土层深度增加预测精度提高,MAE随土层深度增加由1.666下降至0.390,RMSE随土层深度增加由2.139下降至0.525。【结论】SARIMA模型精度较高,可用于淮北平原地区地温模拟预测。

基于SARIMA-BP组合模型的家具订单需求量预测方法研究

对定制家具的生产需求进行精准预测,有助于家具企业进行有效的决策,包括提前制定生产计划、提前规划生产资源等,以期合理分配现有的生产资源并根据预测结果合理储备资源。本文以A企业家具的产品订单需求量为研究对象,分析其需求影响因素,在建立SARIMA模型及BP神经网络预测模型的基础上,建立SARIMABP组合算法的需求预测模型,并选用实际数据,验证所构建的需求预测模型的有效性,结果表明本文提出的预测模型与方法对企业精准预测订单需求量具有较大的应用价值。

2011-2020年乌鲁木齐市手足口病流行病学特征分析及SARIMA预测模型构建

目的分析2011-2020年乌鲁木齐市手足口病(HFMD)流行病学特征,构建SARIMA模型预测发病趋势,为完善防控举措提供依据。方法对2011-2020年乌鲁木齐市HFMD病例数据进行描述性流行病学特征分析,建立SARIMA模型。结果乌鲁木齐市2011-2020年HFMD年均发病率为68.60/10万,重症32例,死亡4例;2011-2019年呈隔年高发趋势,2018年发病率为近10年最高(105.69/10万),季节性明显,呈双峰流行。HFMD年均发病率最高的区县为经开区(头区),达到107.35/10万。男性年均发病率为80.55/10万,女性为56.12/10万,男女比为1.50∶1.00,2011-2019年男性发病率高于女性,差异有统计学意义(P<0.05),2020年男女发病率比较,差异无统计学意义(P>0.05)。发病最小年龄为1 d,最大为67岁,5岁以下儿童病例数占比最高(85.82%);主要为托幼和散居儿童。2011-2020年共检测HFMD标本7778份,阳性率为81.15%,以其他肠道病毒占比最高(46.28%)。SARIMA(1,0,0)(0,1,1)12模型为最优模型。结论乌鲁木齐市HFMD有周期性、季节性、性别、年龄差异,应持续做好监测,加强重点人群防控工作;SARIMA(1,0,0)(0,1,1)12模型拟合较好,与实际发病情况趋势一致,可用于预测乌鲁木齐市HFMD未来发病情况,对指导乌鲁木齐市HFMD防控存在一定理论价值;关注病原分布和变化情况,完善实验室病毒分型。

基于SARIMA-LSTM组合模型的油气集输系统能耗预测

油气集输是油田开发生产过程的重要阶段,准确预测油气集输系统能耗能够为生产调度和能源管控提供支持。为提高油气集输系统能耗预测的准确性,针对其线性和非线性特征,综合考虑数理统计和机器学习预测方法的优缺点,提出一种基于季节性差分自回归积分滑动平均(SARIMA)和长短期记忆(LSTM)神经网络的组合预测模型。根据S油田M环状掺水油气集输系统6年的运行数据,设计组合模型的网络结构,训练组合模型的网络参数。研究结果表明:与传统的SARIMA模型和LSTM神经网络相比,组合模型对三个能耗指标的预测准确性显著提高,可为企业调整生产运行方案和优化能源管控方案提供指导和数据支持。

西北季节性冻土场地地震反应特性研究

我国西北地区被季节冻土全覆盖,且近年来该区域地震频发。为研究我国西北地区季节性冻土场地的地震反应特性,开展了季节性冻土场地振动台试验,并建立了不同冻结深度的三维实体有限差分模型,对比分析了不同地震激励作用下的季节性冻土场地的地震反应特征和土体的动剪应力—动剪应变规律。结果表明:在地震激励下,冻土层的存在虽然有效抑制了地震动能量,但冻结期场地的水平位移与非冻结期相比明显较大,且竖向位移呈显著的层状震陷特征;冻土场地的峰值放大系数呈先增大后减小然后再增大的规律,并且冻土层深度越大其峰值放大系数越小。此外,通过土体的动剪应力—动剪应变关系可以发现,冻土场地地震反应具有明显的非线性特征,且冻土层的存在对地震能量具有一定的削弱作用。

Holt-Winters模型与SARIMA模型对手足口病月发病率预测效果的比较

手足口病(hand,foot and mouth disease,HFMD)是由肠道病毒感染引起的儿童常见传染病,以发热、手足臀部或者口腔疱疹为主要症状,多发于5岁以下儿童,严重时可导致患儿死亡[1-2]。2008年3月,我国把HFMD列为丙类传染病进行管理[3],近年仍是威胁儿童健康的重要公共卫生问题之一[4]。

季节性冻融期SWAP和SHAW模型土壤水热运移模拟效果评价

基于不同模型研究季节性冻融期土壤水热运移规律,对干旱半干旱地区水资源高效利用的定量化评价具有重要意义。分别运用SWAP和SHAW模型对季节性冻融期土壤水分、温度和蒸发量进行了模拟,并对模拟效果加以评价。模拟结果表明:对于整个冻融期而言,利用SHAW模型模拟的土壤含水量的NRMSE基本保持在30%以内,RMSE均在0.09 cm^(3)/cm^(3)以下,利用SWAP模型模拟的土壤含水量的NRMSE基本保持在35%以内,RMSE均在0.13 cm^(3)/cm^(3)以下;利用SHAW模型模拟20 cm以下土层温度的NRMSE均保持在30%以内,RMSE均在0.94℃以下,利用SWAP模型模拟的土壤温度基本可以反映实测值的变化趋势;在模拟土壤累积蒸发量方面,相比SWAP模型,SHAW模型的模拟值更接近实测值。总体而言,在干旱半干旱地区对于季节性冻融期,SHAW模型对土壤水热运移的模拟效果均较为理想,SWAP模型对土壤水分运移模拟较好,但对土壤温度模拟相对较差。对于土壤累积蒸发量的模拟效果,两个模型均不十分理想,有待进一步改进。

大气空间和季节性气候特征对RLV升力式再入飞行的影响

为提升重复使用运载器(RLV)竞争力精细化设计边界,在融合3颗卫星载荷采集的大气数据基础上,采用大/小尺度扰动分别建模的方法,建立了沿RLV再入飞行轨道的全域参考大气模型,开展了大气密度空间性和季节性(1月、4月、7月和10月)气候变化对跟踪RLV高纬度升力式再入标准轨道的影响分析。结果显示季节性和轨道空间性变化带来的大气密度偏差特性和散布特性,会强烈影响跟踪标准轨道的终端分布特征。这表明引入大气参考模型可以提升RLV性能,降低运行成本。