自适应单指数平滑法在短期交通流预测中的应用

短时交通流预测是实现交通规划和管理的关键技术之一.指数平滑法因其计算过程简单,需要观测数据较少等优点,在短时交通流预测中获得了广泛的应用,但其平滑系数缺乏有效的选取方法.本文提出了一种自适应单指数平滑法,通过近似动态规划方法的引入,结合实际交通流数据对指数平滑系数进行优化,使其随预测过程自动更新,从而保证了预测的实时性、准确性.严格的理论推导证明了这种预测方法的收敛性,仿真结果验证了算法的有效性.

基于自适应单指数平滑法的矿井防尘用水量预测

煤矿井下防尘用水量是矿井防尘供水管网优化设计和可靠性评价的基础参数,分析实测防尘用水量,发现用水量周期性变化规律,进而预测下一周期的防尘用水量,对于矿井防尘供水水源规划、供水优化调度、供水系统改造、评价供水管网系统可靠性具有重要意义。为实现矿井防尘用水量的准确预测,建立了自动调整平滑参数的单指数平滑法预测模型,并以开滦集团钱家营煤矿防尘用水量实测数据为例,验证了应用模型进行矿井防尘用水量预测的有效性。

一种改进的自适应指数平滑预测模型

一种改进的自适应指数平滑预测模型张琳（财经学院）一、引言指数平滑法是短期经济预测中一种极为有效的方法。在运用指数平滑法时，如何确定平滑系数α是提高预测精度的关键，在一般的指数平滑法中，α─旦确定，在预测过程中就不能随意改变，这样的α不能及时反映预测目...

崔柯—利茨自适应指数平滑法在医院管理中的应用探讨

目的 探讨崔柯—利茨自适应指数平滑法预测模型在医院管理中的应用价值。方法 由于医疗保障制度改革的影响,某医院2003~2004年门诊诊次数据出现了陡然下降的剧烈变化,其时间序列呈阶梯型。采用崔柯—利茨自适应指数平滑法对该院2008年门诊诊次进行统计预测。结果 利用该院1998~2007年门诊诊次数据建立预测模型,当时间序列急剧变动时,崔柯—利茨自适应指数平滑法建模所得预测值能够较快跟上时间序列的变动。本模型预测该院2008年门诊诊次为25.67万人次,2008年实际值为26.45万人次,绝对误差0.81万人次,相对误差2.95%,预测效果满意。结论 崔柯—利茨自适应指数平滑预测模型适用于数据结构发生剧烈变化的时间序列的统计预测,特别适用于阶梯形数据,是可供医院统计预测选用的模型之一。

改进单指数平滑法在某市日用水量预测中的应用

为实现供水管网经济、可靠、科学的优化调配用水量,给出一种基于改进单指数平滑预测方法,该预测方法引进"追踪信号"来反应时间序列的变化,通过重新修正平滑常数a以建立改进单指数预测模型。以东北某城市日用水量为原始数据进行了实际预测,模型精度检验的结果满足Y市用水量要求.该预测模型应用于Y市的日用水量预测,为Y市供水优化调配提供有效依据。

中国天然气物流需求量预测—基于自适应过滤和马尔科夫模型

针对中国天然气物流需求量预测问题,改变传统使用单一数学方法的预测方式,在使用自适应过滤法的基础上,利用预测值与实际值的关系构建马尔科夫矩阵修正结果。并与使用三次指数平滑法的预测结果进行对比,验证其准确性。最后根据此方法预测2015-2020年中国天然气物流需求量,为规划建设提供依据。

加热炉计算机最佳化模型中板坯出炉温度模型自适应控制

本文通过对板坯从加热炉抽出 ,一直到出粗轧机组这一过程中的温度变化进行分析 ,结合实际生产状况和轧制理论 ,推导出利用粗轧出口的板坯温度来计算出炉温度的数学模型 ;并对加热炉的实际抽出温度和目标温度存在偏差的问题采用指数平滑法进行自适应控制 。

指数平滑法应用体会

指数平滑法是时间序列预测技术中的重要方法,由于它在计算上比较简单,需要的历史数据有一定的伸缩性,因而有着较大的适应性,目前我们在预测中比较容易遇到的一个问题是历史数据不全,尤其是各相关因素的历史数据不全,在这种情况下并应用回归模型、计量经济模型……等预测方法就会有一定困难,

变权重指数平滑法在冷轧过程控制中的应用

冷轧机组在轧制过程中很多状态都是在时刻变化的。轧辊直径、温度、粗造度、轧件来料厚度、硬度的变化、机架间张力的波动、各个调节器特性的变动、仪表零点的漂移等都会影响模型计算的精度。故在轧制过程中引入自适应自学习技术是提高模型计算精度的一种很好的选择。冷轧过程控制系统自适应算法通常采用指数平滑法，为了提高自适应速度往往采用变权重指数平滑法。

平滑系数自适应的二次指数平滑模型及其应用

通过对传统指数平滑模型的分析,提出了动态平滑参数的概念;并由此建立了平滑权重对时间序列能够自适应的新的二次指数平滑新模型;进而得到Brown单参数和Holt双参数两类线性趋势模型及其不同于传统模型的良好性质.新模型使困绕指数平滑应用的初值难以选取、平滑参数适应性差及系统预测偏差等问题得到了较完整的解决.预测实例表明新模型提高了预测精度,并有很好的自适应性.

城市日用水量预测模型比较研究

目的为保障预测结果准确可靠,建立精度高、可靠性强的城市日用水量模型.方法应用单指数平滑法、灰色方法与BP神经网络方法,分别建立相应日用水量预测模型,并以哈尔滨市的日用水量数据为原始数据进行了实际预测.结果单指数平滑法与BP神经网络模型预测精度较高.用灰色模型预测,所得数值呈递减趋势,其预测精度最低.结论BP网络预测模型是最有效的日用水量预测模型.如果日用水量变化不大,还可采用单指数平滑法预测日用水量.

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。

对单指数模型与多因素模型适应性的比较与实证研究——以深圳股票市场为例

一、研究背景尽管西方国家的金融投资活动具有悠久的历史，但在本世纪５０年代以前，还没有形成真正科学意义上的投资理论。第二次世界大战后，一方面，西方国家的经济处于复兴和发展阶段，迫切需要筹措大量资金，需要资本市场的能量释放；另一方面，金融工具和金融投资方...

三种城市日用水量预测模型对比研究

为实现科学、安全供水,建立精度高、可靠性强的城市日用水量预测模型,分别运用单指数平滑法、灰色预测方法、BP神经网络三种方法,对A市进行城市日用水量预测,并具体分析了各种方法的优缺点及适用范围.通过优化对比分析,当基础数据较完善时,BP神经网络预测模型精度较高,能较好地满足预测要求.

基于GA的自适应指数平滑预测模型及其应用

一、引言 指数平滑预测法是一种简单易行、应用十分广泛的短期时间序列预测与数据修匀方法，它利用平滑平均数可以将数据序列的数量差异抽象化的原理，对统计数据进行加权修匀，排除异常数据的影响，从而显示出预测对象变动的基本趋势。它能够充分利用全部历史数据和相关信息，同时遵循“重近轻远”原则，使时间序列所包含的历史规律性能显著地体现出来。

农产品价格时间序列几种预测模型的研究

本文分析与比较了单指数平滑、双指数平滑、自回归单整移动平均法、季节自回归单整移动平均法这四种畜产品价格预测方法。由于指数平滑法遵循"重近轻远",在短期预测上能得到较好的预测结果,使时间序列所包含的历史规律性能显著地体现出来。季节ARIMA有时得不到较优的预测模型,这时可以用非季节ARIMA模型来代替,弥补季节ARIMA的不足之处。综合生猪业的发展,用基本的原理和预测模型来逐步分析模拟猪肉的价格,通过大量的努力找到最优的模型。

一种遥测数据短期预测方法

为实现遥测数据的快速和高精度预测,针对遥测数据的非平稳性特点,提出一种基于小波分析和自适应指数平滑法的建模方法.该方法引入小波分析技术对遥测数据非平稳序列进行分解和重构,将原始非平稳遥测数据序列分解为较平稳的序列.利用对传统的指数平滑法改进后的自适应指数平滑法和周期自回归模型(PAR模型)建立短期预测模型,并对太阳翼输出功率数据的未来趋势进行预测分析.实验结果表明预测曲线与实际曲线吻合效果理想,该方法能够有效的解决遥测数据的短期预测问题.

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。

非典型的时间序列预测法的选择与运用

预测成功与否也取决于对各种模型的正确选择与灵活运用。非典型时序在实际中普遍存在，但不恰当的选择与运用模型，会导致模型无法客观反映实际，影响预测效果甚至带来负面影响。在对现象的分析研究基础上建立模型、检验模型显得至关重要。