基于Bagging指数平滑方法的航空客运需求预测

针对航空客运需求预测问题,提出了将Bagging集成算法与指数平滑方法相结合的Bagging指数平滑方法。首先,将航空需求时间序列数据分解为季节项、趋势项和噪音项;然后,通过移动平均采样方法对残差进行重采样,并将重采样的噪音新样本与季节项和趋势项重新相加,得到模型的训练样本;最后,利用Bagging指数平滑方法对每个时间序列训练样本进行预测分析,聚合得到最终预测结果。模型评估结果表明,该方法优于其他传统的时间序列预测方法。

线性模型二次指数平滑预测方法研究

二次指数平滑公式由于具有时间序列数据厚近薄远的调节性、修匀平滑性、递推性、自适应性等优点,在传统时间序列预测中占有重要的地位,起着特殊的作用.但是,和移动平均方法一样,对于呈现增长变动趋势的经济变量,指数平滑方法也会产生滞后偏差.自然,在线性增长模型中,也不例外。本文拟对二次指数平滑在线性模型预测中的滞后效应与预测误差分析方面进行一些探讨. 1 问题的提出在传统的时间序列预测方法中。

设备状态趋势的变参数指数加权平滑预测方法研究

对指数加权平滑模型进行了改进,使之能适用于多种不同变化规律的参数的预报.改进后的指数加权平滑模型的参数是随着参数变化规律的变化而变化的,这种预报模型具有自适应的特点.应用实例表明,改进的指数加权平滑模型具有较高的预测精度,可用于机械设备缓变趋势的预报.

基于改进指数平滑神经网络模型的大坝沉降预测

为了及时跟踪非线性化大坝沉降数据并长期预测,针对传统指数平滑方法的缺陷,将改进的指数平滑方法与BP神经网络模型相结合,研究了其在大坝沉降监测中的应用。通过控制全局和局部的目标函数形成改进的指数平滑方法,获得一组平滑预测值;再利用BP神经网络对平滑预测值和平滑预测值与观测值的误差序列进行训练;最后将下一步的误差序列和平滑预测值作为输入,得到的误差预测值与原有平滑预测结果组成沉降预测值。实验表明,组合后的模型预测适应性较好,预测精度较高。

火电厂烟气脱硫工程快速估价方法

为解决目前国内火电厂烟气脱硫工程造价计算方法研究不足的问题,应用模糊数学原理和平滑指数预测方法,结合工程实际,提出了一种火电厂烟气脱硫工程快速有效的估价方法,为烟气脱硫工程的投资估算及概预算工作提供参考。

应用holt-winters加法模型预测出院人次

目的分析holt-winters加法模型预测出院人次的效果。方法使用Eviews6.0软件,采用holt-winters加法模型预测,并与单参数指数平滑方法的计算结果进行比较。结果加法模型拟合效果很好,加法模型的均方误差较单参数平滑方法小。结论 holt-winters加法模型适用于预测出院人次序列。

“计量经济学”教学中强化建模案例教学的研究

现有"计量经济学"教材逻辑推理严谨,过于强调经典假设,很多学生在学完本课程后,在实践应用中不知道如何建立计量经济学模型。本文以案例分析的方式,先易后难、由浅入深的论述了时间序列模型的建模过程。

内蒙古综合运输需求预测

本文运用灰色系统模型和指数平滑方法对内蒙古地区近12年相关运输数据进行分析,预测出内蒙古地区未来5年综合运输需求的客运总量和货运总量。2010-2015年内蒙古地区综合运输需求总量将继续保持上升趋势,综合运输发展具有较大潜力。

计算机软件与应用学科热点分析与预测——以双一流高校为对象

[目的/意义]以14所计算机科学与技术学科的双一流高校为研究对象,选取人工智能为研究主题,分析其在计算机软件与计算机应用学科中的热点演变。[方法/过程]通过统计双一流高校2000～2017年期间所发表的论文,以每6年为周期进行聚类,分析每周期内人工智能在计算机软件与计算机应用学科的研究热点,并利用指数平滑方法对未来研究热点进行预测。[结果/结论]发现:人工智能作为研究主题,在计算机软件与应用学科中的研究热点在不断演变,2000～2005年间研究热点为计算机工具类,2006～2011年间研究热点为计算机应用类,2012～2017年间研究热点为数据挖掘技术类;通过关键词重叠法分析发现数据挖掘为整个周期的研究主线,其在未来6年内仍保持一定的研究热度。

基于数据预处理和长短期记忆神经网络的锂离子电池寿命预测

锂离子电池剩余使用寿命(RUL)可以评估电池的可靠性,是电池健康管理的重要参数。准确地预测电池的RUL可以有效提高设备的安全性并降低工作风险。该文提出一种自适应数据预处理结合长短期记忆神经网络(LSTM)的RUL预测框架。选取容量作为健康因子,数据预处理阶段,首先使用自适应双指数模型平滑方法减少容量回升现象产生的负面影响,然后通过自适应白噪声完整集成经验模态分解(CEEMDAN)对数据进行降噪;模型构建阶段,利用预处理后的数据训练得到用于RUL预测的LSTM模型。以NASA和CALCE公开数据集为研究对象进行算法性能测试,实验结果表明,所提方法鲁棒性好,能够提供精确的RUL预测结果。

基于时间序列的音乐作品改编

首先,在了解基础乐理,选定了《约定之初》钢琴曲作为研究对象后,进行了乐谱结构化。由于原始数据为非平稳数据,需要进行差分运算,随后又对序列进行了LB检验以及单位根检验,结果表明该序列是平稳的非白噪声序列,可以继续进行建模。制作出差分后序列的ACF图和PACF图,根据所得图示选定用AR(2)模型建模。对模型的残差进行LB检验,结果显示没有证据表明残差是非白噪声序列,故接受该模型。然后,对序列进行预测,从而生成新的旋律。其次,由于原序列具有明显的周期性特征,本文还使用了Holt-Winters三参数指数平滑模型进行模型估计与预测,生成的新乐曲与AR(2)模型的结果一致,侧面印证了AR(2)模型预测的准确性。最后,将预测结果数据还原成五线谱模式,便可以听到基于时间序列模型上改编的新乐曲了。