基于时间序列分析的某地区中长期负荷预测研究

随着我国经济蓬勃增长,城市不断扩张,用电需求迅速攀升,电力已成为各领域不可或缺的关键要素。精确的负荷预测可以最大化资源的有效利用,确保电力供应的可靠性,有助于促进电力体系的可持续发展。介绍了对时间序列分析方法,根据某地区电量负荷增长情况,提出了以时间序列分析为基础的负荷预测模型。基于某地区2003—2022年供电量作为历史数据,在时间序列法中采用ARIMA模型与指数平滑法这两种方法,对2023—2028年负荷量进行预测,为某地区未来电网规划提供数据基础。

基于时间序列分析法的静脉用药调配工作量波动分析及预测

目的探讨静脉用药调配中心(pharmacy intravenous admixture services,PIVAS)长期医嘱工作量的波动特征,构建以日为单位频次的工作量波动预测模型,为PIVAS工作模式的调整提供参考。方法选取复旦大学附属中山医院东院区PIVAS2020年7月至2021年6月长期医嘱日工作量数据,采用时间序列分析法分析工作量波动特征并构建预测模型,通过拟合参数及预测结果验证模型精度。结果PIVAS长期医嘱日工作量数据波动具有周期性、短期缓慢上升和不规则变动等特征;采用温特斯乘法模型拟合序列,Ljung-Box统计量的显著性值(P值)为0.060(P>0.05),R2=0.777,拟合值与实际值的平均绝对误差为4.45%,表明模型拟合精度高;预测结果与实测结果平均相对偏差为3.81%,说明模型预测有效。结论时间序列分析法可用于PIVAS长期医嘱工作量的分析预测,但因医嘱工作量存在周期性、不规则变动等波动规律,故需根据工作量波动特征及预测结果调整工作模式,以保障PIVAS高效运营。

时间序列法下三种数据预测模型的准确性对比分析——基于我国新能源汽车行业整体市场需求预测

需求预测一般是针对未来一定时间内,企业或用户对产品或服务的需求数量和需求金额的估计。而供应链需求预测是进行供应链计划管理的首要任务,是制订供应链需求与供应计划以及进行供应链库存计划与控制的前提。目前在市场需求预测中常用的有两大类方法:一类是定性预测法,主要包括:德尔菲法、头脑风暴法等,本文暂不使用该类方法探讨。另一类是定量预测法,主要包括:时间序列法、因果联系法。本文将重点对比分析时间序列法中的三种不同方法的实际运用:简单移动平均法、加权移动平均法、指数平滑法。在加强排放法规、加大新能源汽车财税优惠、加速产业布局等举措下,我国新能源汽车市场呈现快速增长态势,成为全球新能源汽车增长的重要推动力,但也存在市场波动、经济发展、技术进步、地缘政治等各种不确定性因素的干扰。本文结合历史数据,主要利用三种时间序列模型对中国新能源汽车行业某一月份的市场需求预测值进行对比分析,找出预测精确性更高的模型方法。因考虑到各家新能源汽车22年月度数据不完整性,故而使用行业协会提供的全行业的历史供需数据作为分析样本,这就需要忽略作为企业实体的个性化因素。

考虑模糊时间序列的高维大数据挖掘方法研究

高维空间的大数据维数越高,其高维索引结构的性能越差,无法通过数据之间的相似性度量完成挖掘。为此,提出基于模糊时间序列预测的高维大数据挖掘方法。对初始的高维大数据集求取各维度数据的属性信息熵,根据信息熵筛选数据,通过主成分分析备选集合中的数据属性,结合成分协方差与特征值,降低数据维度。采用K均值聚类算法二分聚类处理降维数据,取得粗聚类结果。利用支持向量机的最优超平面与决策树作细化分类。基于时间序列上的数据极值,明确数据集的论域个数与范围,根据模糊化处理的模糊集序数,建立模糊逻辑关系,建立模糊时间序列预测模型,对大数据去模糊化处理,完成高维大数据挖掘。选用UCI大数据库作为样本集设计对比测试实验。实验结果验证了研究方法的大数据挖掘精度更高,数据挖掘加速比高达0.9以上,说明所提方法的实时性较强,具备更好的应用性能。

基于小波分析法与滚动式时间序列法的风电场风速短期预测优化算法

为实现风电场风速的超前多步高精度预测,提出一种基于小波分析法与滚动式时间序列法混合建模的优化算法。该优化算法引入小波分析法对风电场实测非平稳风速序列进行分解重构计算,将非平稳性原始风速序列转化为多层较平稳分解风速序列,利用对传统时间序列分析法改进后的滚动式时间序列法对各分解层风速序列建立非平稳时序预测模型,并通过模型方程实现超前多步滚动式预测计算。仿真结果表明:该优化算法实现了风速的高精度短期多步预测,将传统时间序列分析法对应超前1步、3步、5步的预测精度分别提高了54.22%,26.44%和19.38%,其预测的平均相对误差分别为1.14%,3.06%和4.41%;优化算法具有较强的细分与自学习能力。

结合可视图的多状态交通流时间序列特性分析

交通流时间序列的研究主要采用数据挖掘和机器学习的方法,这些"黑箱"挖掘方法很难直观反映序列特性.为增强交通流时间序列及其特征分析的可视化性,结合可视图理论来构建交通流时间序列的关联网络,从复杂网络角度实现交通流时间序列的特性分析.在网络构建的过程中,考虑到不同交通状态下交通流表征具有的差异性,首先利用交通流参量的相关性对交通流状态进行分类,然后构建不同交通状态下的时间序列复杂网络,并对这些网络的特征属性给出统计分析,如度分布、聚类系数、网络直径、模块化等.研究表明,可视图法可为交通流时间序列映射到网络提供有效途径,并且不同状态下交通流时间序列构建的复杂网络的模块化、聚类系数和度分布等统计特征呈现一定的变化规律,为交通流运行态势的研究提供了可视化的分析角度.

水文时间序列多时间尺度分析的小波变换法

以长江宜昌站近 10 0年 (1890～ 1987)年平均流量过程为例 ,利用Marr小波和Morlet小波变换对水文序列的多时间尺度演变特性进行了分析。研究结果表明 ,其年际及年代际时间尺度在时间域中分布很不均匀 ,具有明显的局部化特征。小波变换法分析水文水资源系统多时间尺度是优越的。

用时间序列分析法进行建筑物沉降观测数据处理的研究

本文将时间序列分析法用于建筑物沉降观测数据处理,给出了用此法进行沉降观测数据处理时模型阶数确定的统计检验方法、模型参数估计以及预报分析的方法,以某建筑物沉降观测第30期的测量成果为例说明应用此法的全过程,并对计算结果进行了分析比较。

一种新的时间序列延迟相关性分析算法——三点预测探查法

延迟相关性分析是时间序列数据挖掘的重要研究内容,它可以在很多领域得到应用,比如股票市场分析、天气预报、网络分析、移动对象跟踪和传感器监控等;通过实验发现和验证了时间序列延迟相关性分析中存在的3个现象,即连续分布性、延迟突变和突变幅度分布特性;证明了已有研究或者在延迟位置较大时具有较大的误差,或者无法解决延迟突变问题;根据3个实验现象,提出了三点预测探查法(three points forecast-based probing,TPFP),它可以克服已有算法的缺陷,在延迟位置较大时也可以具有较小的误差,并且可以有效处理大部分延迟突变情形.大量实验证明,三点预测探查法可以比已有方法取得更好的性能.

时间序列分析法在水稻需水量预测中的应用

作物需水量是农业方面主要的水分消耗部分 ,也是整个国民经济中消耗水分的最主要部分。文章以富锦试区为例 ,采用时间序列分析法建立了水稻需水量预报模型 ,预报效果较好。

水文时间序列的子波分析法

在水文时间序列分析中引入了子波变换法，通过对水文时间序列的离散子波变换（ＤＷＴ），给出了计算水文过程变化特征的信息量系数（ＩＣＦ）的方法，比较了表征水文过程变化特征的三种指标，即不均匀系数，信息量系数与分维。结果表明：三种指标分别从不同角度表征了水文过程的变化特征，实际应用中可以依据需要选用某种指标进行比较研究。

时间序列分析方法及ARMA,GARCH两种常用模型

证券市场具有数据单一性(大量不需要经过特殊处理的数据)、分析手段多样性和隐蔽性的特点,且与其飞速发展不相称的是证券分析技术进展的缓慢。股市系统中时间序列的预测问题具有重要的理论及实际意义,时间序列的获取是通过对数据库中数据进行分类汇总分析而获得。获取时间序列数据以后可以对它进行预测分析,从而较准确地预见系统的演进。文中介绍了时间序列的基本知识,同时比较了ARMA和GARCH两种常用模型,得出对于中国股市,GARCH模型性能优于ARCH模型。

在遥感时间序列数据分析中马尔柯夫链方法与空间信息最佳结合的探讨

以北京顺义区为例 ,在 TM图像资料分析基础上 ,建立马尔柯夫过程与直接距离法及距离加权法 2种不同空间相关分析法的时空模型 .分别以 8,4 8,80 ,12 0和 2 2 4邻域的不同邻域数对顺义县 1996 ,1997年的土地利用变化进行模拟检验 .结果表明马尔柯夫过程的时空模型中 ,采用 4 8邻域或

基于LSTM和时间序列分析法的短期风速预测

短期风速对输电线路影响巨大,由于短期风速的随机性和非线性特性,使得短期风速难以精确预测。提出了一种将长短时记忆网络和时间序列分析法相结合的组合预测算法来实现对短期风速的预测。首先,利用时间序列分析法对短期风速进行预测得到预测结果和预测残差,然后利用长短时记忆网络对预测残差进行预测,最后将两种方法得到的预测结果进行线性组合得到最终的预测结果序列。为验证所提出的算法的实际效果,将提出的算法与时间序列分析法、长短时记忆网络以及BP神经网络等进行对比。实验结果表明,组合算法有效提高了短期风速序列预测精度,是一种可行的分析方法。

时间序列分析法在突发公共卫生事件网络舆情分析中的应用研究

近年来,突发公共卫生事件频繁发生,严重损害公众生命健康,危及社会安全稳定。在突发公共卫生事件发生发展过程中,网民关注与传播成为主要推进因素,往往迅速演化为网络舆情,并引发和带动社会舆情的升温。由于突发公共卫生事件具有明显的时间节点,网民的关注也随着时间的推进而出现量的变化,由此引发的网络舆情的变化可以看做一组时间序列资料。

应用时间序列分析法预测黑线仓鼠和长爪沙鼠种群数量

本文依据1984年～2004年21 a在呼和浩特郊区对黑线仓鼠和长爪沙鼠种群数量动态的调查数据,应用时间序列分析法（三次指数平滑法和马尔可夫链模型预测法的组合法）,建立了黑线仓鼠和长爪沙鼠种群数量预测模型,并应用此模型分别预测了黑线仓鼠和长爪沙鼠2004年的种群数量的发生程度,结果显示：黑线仓鼠种群数量的预测值与实测值相符,预测准确,而长爪沙鼠种群数量的预测值和实测值的差距很大,不能应用此方法进行预测。同时预测了未来两年（2005年~2006年）黑线仓鼠种群数量,从结果看出黑线仓鼠在未来两年内的捕获率都较高,所以在未来两年内对呼和浩特郊区鼠类进行防治时应着重加强黑线仓鼠种群数量的防治,制定相应的防治措施,减少对农田的危害。

最大熵方法-功率谱密度分析法在时间序列资料研究中的应用

目的介绍一种应用较为广泛的新的时间序列分析方法"最大熵方法-功率谱密度分析法"。方法对时间序列资料在频域分析中采用最大熵方法进行功率谱分析,并结合在时域分析中对非线性最小二乘法采用线性化方法进行分析、预测。结果介绍了该方法的理论柜架、操作步骤,并通过英国伦敦1948～1967年麻疹报告发病的时间序列进行了演示,还对此方法与传统的频域分析法和时域分析法进行了比较。结论本方法可对时间序列资料的内在特征深入分析,在了解序列内部结构的基础上进行拟合预测分析,在时间序列资料分析中具有广泛的应用前景。

基于符号时间序列分析法的A股上海板块网络结构分析

股票价格的变化不仅受自身基本面的制约,而且也受其他股票的影响。网络分析方法是一种用于分析复杂股票关系的工具。基于符号时间序列分析法,构建了我国A股市场上海板块网络的最小生成树及相对应的分层树,从上市公司之间关系的角度分析和解释了实证结果。

利用时间序列分析法预测工作面瓦斯涌出规律

根据瓦斯涌出的特征,分析了目前常用瓦斯预测方法的适用条件,在假定瓦斯浓度只受时间和历史数据影响的情况下,运用时间序列分析方法对工作面瓦斯浓度的变化规律进行了预测,结果表明,利用时间序列分析方法预测工作面瓦斯涌出规律是合理有效的。