自回归滑动平均建模的一种简便定阶方法 自回归滑动平均(n,n-1)建模策略

目的介绍时间序列中自回归滑动平均(ARMA)建模的一种简便定阶方法——ARMA(n,n-1)建模策略。方法简要说明ARMA(n,n-1)建模策略,并以模拟的ARMA(3,2)序列为例,进行ARMA(n,n-1)建模。结果结合AIC信息准则和残差序列图,确定了模型合理的阶数。结论ARMA(n,n-1)建模策略简便易懂,适合医学工作者采用。

基于ARMA预测模型的交叉口车辆碰撞风险评估

车辆进入交叉口前的速度时间序列可用于预测车辆进入交叉口后若干步数速度值,利用车速预测值推算冲突方向车辆在交叉口内的行驶位移及其车间距离,可评估车辆发生碰撞的风险.针对交叉口附近车速分布符合随机序列特征,采用自回归滑动平均(ARMA)理论进行车速时序预测建模,步骤包括时序数据相关性检查、模型p-q定阶、解析式系数估计、适用性检验.试验结果表明:利用实测车速中的前40个时序数据建立ARMA模型,预测出的20个车速值与实测值贴近,冲突方向两车车速归一化平均绝对误差分别为0.006 56和0.003 4;利用全部60个实测数据建立预测模型,检测预测值残差自相关函数发现其绝对值均小于0.258 2,表明所建车速预测方法适用.