时间序列自回归模型在土壤水分预测中的应用研究

在黄土丘陵半干旱区,多年生柠条林地土壤旱化严重,为了实现土壤水资源可持续利用,需要依据土壤水分状况,调控柠条生长与土壤水关系,而监测和预报土壤水分是防旱抗旱、调控柠条生长与土壤水关系的基础。为此选取黄土丘陵半干旱地区柠条林地2011年4月至2013年2月的土壤含水量时间序列作为研究对象,将各土层土壤含水量变异系数分为3个变化范围,并从3个范围内各选取一个代表土层,建立自回归模型,运用AIC准则及最大似然估计法求解模型中的参数,卡方检验的结果认为建立的模型较好。经过实例验证,实测值与预测值的相关误差均小于10%,说明时间序列自回归模型能够很好地预测黄土丘陵半干旱地区柠条林地的土壤含水量。

回归-时间序列组合模型在石油企业费用预算编制中的应用

石油企业完善的预算编制机制对企业的长远发展有重大作用.而其中的费用预算又是影响企业销售量和利润的一个重要因素.本文对石油销售企业的费用预算编制方法进行了研究,并根据费用的特点,提出回归-时间序列模型来进行费用预算编制,以提高企业的预算编制效率和科学水平.同时,通过对电费的实例计算验证了方法的实用性和可靠性.

基于混合自回归模型和神经网络的时间序列预测

在求出混合自回归时间序列模型的成分个数的基础上,应用BP神经网络对时间序列进行了预测,并对模型进行了数值模拟表明该预测模型的具有较高的精确度和广泛的应用前景.

基于时间角度建立汽油需求预测模型

本文以1995-2009年我国汽油的表观消费量为依据,通过统计分析,采用时间回归模型对汽油的表观消费量进行预测,试图得到汽油需求的一定趋势,从而为我国汽油及相关产业今后的发展提出合理化建议,打下坚实的基础。

向量自回归模型在下击暴流风速场模拟中的应用研究

下击暴流是雷暴天气中沿地面传播的一种极具突发性和破坏性的一种强风,对建筑结构的破坏性极强,因此建立准确可靠的下击暴流风速模型对于研究建筑结构在下击暴流作用下的动力响应并减少灾害发生是至关重要的。本文采用随时间变化的向量自回归模型(简称TVAR模型)建立下击暴流的风速模型。采用基函数方法识别TVAR模型参数,即将TVAR模型参数表示为加权时间函数的线性组合。联合使用正向估计和后向估计器估计TVAR模型中的随时间变化参数,计算得到下击暴流随时间变化功率谱密度。模拟得到了下击暴流风速、功率谱密度、相干函数等重要参数。结果表明本文提出的TVAR模型可以准确模拟下击暴流风速场,且计算效率得到了进一步提高。本文提出的TVAR模型为准确进行下击暴流模拟或建立经验模型提供了可靠的方法。

双回归(AR-R)预测模型之新探——及其在中国人口中短期预测上的应用

构造一种称为双回归的时间序列预测新方法。本文作者利用与因变量自身相关性紧密的因变量前几期取值,综合前一次的自变量构建了双回归(时间序列自回归-多元线性回归)预测组合模型。这种方法克服了以往时间序列预测只是自身拓展而不考虑多项因素(变量)的不足,也弥补了回归分析预测法必须已知同时期各个自变量值才能预测的缺陷。并用这种新方法对中国的人口总量进行预测,预测效果比较理想。

基于时间序列和神经网络的电力设备状态异常检测方法

为进一步提高电力设备异常检测方法对设备信息的利用率,发现更多潜在的设备故障,结合大数据分析技术和设备评估技术,提出了一种基于时间序列和神经网络的状态数据异常检测方法。通过时间序列自回归模型和自组织映射神经网络将连续的电力设备数据离散为单个序列,计算状态变量在时间轴上的转移概率,通过状态转移概率和聚类算法快速检测数据异常。通过实验对该方法的有效性进行验证。结果表明,该方法可以快速、有效地检测电力设备异常状态。

航空发动机燃烧室声载荷自激励门限自回归仿真模型

采用自激励门限自回归分析方法,利用航空发动机环形燃烧室测试数据,得到燃烧室噪声声压时间信号自激励门限自回归仿真模型SETAR(2;1;15,14),并与控后非门限的自回归滑动平均模型ARMA(6,5)进行了比较,仿真结果表明,误差方差明显降低。

我国房地产价格组合预测模型探讨

文章在回顾诱导有序加权调和平均(IOWHA)算子组合预测模型的基础上,分别用指数平滑法、ARIMA模型、回归与时间序列组合模型对我国商品房均价进行预测,然后建立基于IOWHA算子的组合预测模型及评价指标体系。结果表明,IOWHA组合预测模型比其他三种单项预测效果显著更优,且三种单项预测之间具有信息互补性。并基于IOWHA算子得到的最优权系数,预测我国2012-2015年的商品房均价。

非线性时序模型在机械系统故障诊断中的应用

提出一种基于非线性自回归时间序列模型(gereral expression for linear and nonlinear auto-regressive mod-el,简称GNAR模型)的机械系统状态识别与故障诊断方法。利用采集系统工作过程中的特征信号建立GNAR模型;用主成分分析策略生成模型特征量,对训练样本的特征量进行识别和分类,得到各种参考模式;将几何距离判别函数作为状态分类的原则,根据待判系统特征量与各类参考模式的Euclide距离进行状态识别和故障判别。对车床颤振试验数据及高速离心空气压缩机故障数据的分析表明,该方法快捷、高效,诊断成功率较好,具有良好的工程应用前景。

基于粒子群优化SVR-ARMA组合模型频率预测

为实现环境激励下复杂钢结构的损伤预警,提出一种基于粒子群优化(particle swarm optimization,简称PSO)的支持向量回归(support vector regression,简称SVR)-时间序列(auto-regressive and moving average model,简称ARMA)组合模型用于频率预测,并结合均值控制图法将其用于复杂钢结构的损伤预警中。所提出频率预测模型的准确性和有效性采用潍坊市白浪河摩天轮钢结构实测数据进行验证。验证结果表明:与基本SVR模型、SVR-ARMA模型和PSO-SVR模型相比,所提模型具有更高的泛化能力和预测精度;在白浪河摩天轮钢结构的损伤预警中,基于粒子群优化的SVR-ARMA组合模型可检出由损伤造成模态频率轻微的异常变化,具有较强的损伤敏感性。研究成果可为环境激励下复杂钢结构的损伤预警提供参考。

基于Minnesota共轭先验分布的贝叶斯VAR(p)预测模型

This paper mainly deals with the Bayesian statistical inference theory on the VAR(p) forecasting model based on the parameters’ Minnesota conjugate prior distribution,including the prior distribution’s structure, the parameters’ posterior distribution, and compares the forecasting accuracy of AR,VAR and BVAR model.

基于动态计量经济学模型的短期电价预测

电力市场中的电价受众多因素影响,单变量时间序列法已很难提高短期电价的预测精度。针对该问题,文中运用时间序列模型的动态计量方法来预测短期电价。首先建立电价和电量的一般自回归分布滞后模型;然后对电价和电量的时间序列数据进行预处理;在通过平稳性和协整性检验后,建立误差修正模型,最终由Eviews5.0估计出模型的参数。利用此模型对澳大利亚新南威尔士州电力市场的短期电价进行预测,结果表明此模型具有较高的预测精度。

ARIMA时间序列和BP神经网络在传染病预测中的比较

目的比较自回归滑动平均时间序列模型和神经网络对传染病的预测效率。方法根据1985—2004年伤寒、副伤寒按季度发病率数据资料,利用dps7.55软件中的ARIMA时间序列、神经网络建立预测模型,用2005—2007年的伤寒、副伤寒季度发病率对二种预测模型进行检验,从而比较二种模型的优劣。结果用ARIMA时间序列分析得到拟合度为50.15%,验证模型的残差平方和为5154.38;用神经网络分析得到拟合度为73.12%,验证模型的残差平方和为3559.24。结论神经网络模型更为适用于预测宁波市镇海区伤寒、副伤寒发病趋势。

城市交通流量预测模型研究与仿真

城市交通流量的预测在现代交通建设中占有重要地位。以短时性,实时性,准确性为目的,对城市交通流量的预测进行分析研究。针对城市交通流随机,复杂,不规律的特点,建立了时间序列自回归预测模型,并对模型的可行性,定阶判断,及求解方法进行了分析说明。最后代入预测模型参数进行仿真,仿真对象定为繁华街道路口。仿真结果表明模型能适应待解决的实际问题,交通流量预测的短时性和准确性被较好实现,验证了模型的正确性和可行性。

“认房认贷”政策放松对房地产市场影响效应分析——基于住房交易挤出的视角

明晰需求端政策调控对二手房和新房市场的影响效应具有重要的现实意义。本文以“认房认贷”政策作为研究对象,运用时间断点回归模型,分析2022年部分二三线城市“认房认贷”政策放松对二手房和新房成交量价的影响以及两个子市场的联动规律,并进一步检验政策放松的空间挤出效应。研究发现,“认房认贷”政策放松显著增加了二手房的成交量,并减缓了二手房成交价格的下行趋势,但政策生效存在1~2个月的时滞。然而,二手房市场流动性增强挤出了新房市场的改善性住房需求,使得大户型新房成交量显著减少,并带来当期新房成交价格的下降。此外,高能级城市“认房认贷”政策的放松对周边低能级城市住房交易有较强的挤出效应,对小中大户型的新房交易均有持续显著的抑制效果。据此提出要因城施策引导刚性和改善性购房者分流。

DRG支付方式下药径在某三甲医院骨科的实施效果评价

目的 为促进疾病诊断相关分组(DRG)支付改革、推动医院精细化运营管理及临床合理用药提供参考。方法 以我院(安徽医科大学第三附属医院)骨科为研究对象,基于循证药学证据,构建并实施针对该科室DRG病种的药物治疗临床路径(简称“药径”),将符合DRG病种的患者均纳入药径管理,同一DRG病组患者“同病同治”。采用分段回归时间序列模型,分析实施药径管理对我院骨科医疗服务能力、医疗服务效率和医疗服务质量的影响。结果 药径干预时,我院骨科的平均住院日、住院次均费用、药占比、住院次均药费和抗菌药物使用强度均显著缩短/下降,医疗服务收入占比和医嘱合格率显著上升(P<0.05);药径干预后,平均住院日和抗菌药物使用强度均继续下降,医嘱合格率也继续显著上升(P<0.05)。结论 实施药径可提高医疗服务质量,提升医院运营效率,降低医疗费用支出,推动医院精细化管理体系建设。

安徽省城镇居民消费情况实证分析

文章根据《安徽省统计年鉴》中的相关数据 ,运用时间序列线性回归等模型对 1 995 -1 999年安徽省城镇居民的消费支出情况进行实证分析 ,以揭示近几年来安徽省城镇居民的消费支出的结构及特点 ,以及消费不旺局面的内在原因。

非平稳Gauss环境激励下模态参数识别的新方法

结合多元连续时间自回归模型,针对受均匀调制Gauss随机激励的线性时不变系统,提出了一种时域模态识别的新方法.该方法仅从响应数据就能够识别系统的物理参数.首先把结构动力学方程转化为一个3阶的连续时间自回归模型;接着基于在非常短的时间段内均匀调制函数接近于一个常数矩阵以及随机微分方程强解的性质,得到均匀调制函数的估计,并针对两种特殊情况进行讨论;然后利用Girsanov定理,对条件似然函数进行极大化,得到物理参数的精确极大似然估计.数值结果表明,该估计不仅具有极高的精度和稳健性,而且计算效率非常高.

京津冀制造业集群协同效应对区域经济增长的影响研究

以京津冀制造业集群为研究对象,通过建立京津冀制造业集群协同效应评价指标体系,运用因子分析与时间序列回归模型,对京津冀制造业集群协同效应对经济增长的影响进行实证研究,结果表明京津冀制造业集群的规模品牌效应因子对经济增长起显著的促进作用,技术创新效应因子对经济增长的作用不明显,根据分析结果提出从壮大集群规模、充分发挥人力资本效应、完善基础设施建设、建立协同创新共同体、提高区域品牌影响力五个方面加快培育京津冀先进制造业集群的对策建议。