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。

自适应指数平滑模型预测区域经济研究

三次指数平滑法预测区域经济时 ,平滑参数为一常量 ,这与实际不符 ,容易使预测结果误差偏大 ,甚至严重失真。本文在深入剖析指数平滑模型缺陷的基础上 ,对其进行改进 ,建立了自适应指数平滑模型。实践证明 ,该模型能够更好地反映区域经济发展的动态特性 ,提高预测的精度。

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。

深基坑地下连续墙支护结构侧向变形的改进指数平滑法预测

由于基坑开挖过程存在大量的不确定性,其支护结构在设计阶段无法根据现场环境的变化进行实时变形可靠度分析与预测.围护结构分布范围大,失效位置不可预测.工程监测数据由于监测点数量的限制难以直接反映围护结构连续变化的状态.采用穿越率法,提出一种适用于以地下连续墙为围护结构的深基坑工程的侧向变形预测与分析模型.利用MATLAB建立自适应指数平滑模型,自动计算和预测深基坑围护结构在不同深度的侧向变形.对比实测与预测的侧向变形数据,结果表明该自适应指数平滑模型在短期预测中具有精度较高、误差波动小的特点;同时采用预测数据的超越概率分析表明,深基坑侧向变形的分析模型同样适用于由自适应指数平滑法获得的预测数据,且随着位移限值远离最大监测位移值,分析精度将逐渐提高.通过利用椭圆搜索模式的反距离加权插值法,解决了样本点仅集中分布于深度方向的缺点,使插值结果更加平滑,结合基于深基坑侧向变形的分析模型,实现了围护结构空间曲面的变形预测,使评价反馈方式更加直观简洁.

基于AVL数据的公交到站时间实时预测模型

公交车辆到站时间预测是公交信息服务、公交动态调度的关键参数。基于实时和历史的公交车辆自动定位数据(AVL)需求分析,将公交车辆到站时间划分为站点停靠时间、区段全程运行时间和区段部分运行时间,分别采用点估计法、BP神经网络法和自适应指数平滑法对其进行动态预测。最后结合实验线路公交车辆的AVL运行数据,对预测模型进行了验证和评价分析。研究结果表明:本预测模型由于将历史数据规律和实时交通状况进行了有效融合,从而提高了公交到站时间预测的鲁棒性和预测精度。

信息融合技术在道路交通参数预测中的应用

信息融合技术可以对不同传感器数据进行综合处理 ,去除冗余、克服歧义 ,得到比任何单个数据源更全面、更准确、更可靠的信息。本文综合考虑道路交通参数预测的实时性、准确性和可靠性 ,运用现代信息融合思想 ,提出了一种交通参数多模型融合预测方法 ,并用实际数据进行验证。实证分析的结果表明 ,该方法能够提高交通参数的预测精度。

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.

基于探测车技术的路段平均速度估计模型

在讨论探测车样本数量统计需求的基础上,提出了一种基于探测车技术的路段平均速度自适应加权指数平滑估计模型,模型中加权系数随着跟踪误差大小和路段上探测车数量的变化而自适应调整,并利用VISSIM仿真数据验证了该模型.结果表明:在路段上探测车占交通流比例随时间变化且不能充分满足统计要求的情况下,相对传统的算术平均方法,基于指数平滑的路段平均速度估计能够有效提高估计精度,并且可有效减小由路段上探测车数量变化而引起的速度估计方差.

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。

地区电网日负荷特性分析及预测方法研究

夏季负荷波动大,预测难度较大。如何提高日负荷预测精度,成为调度部门迫切需要解决的一项重要任务。为有效提高夏季日负荷预测精度,对成都电网日负荷特性进行了深入研究。借鉴电力系统分析中的标幺制理论,将日负荷曲线解析为标幺负荷曲线与最大负荷。针对两者不同的变化特征和影响因素,分别引入与之匹配的自适应指数平滑法和基于模糊聚类的径向基函数(RBF)神经网络法,为负荷预测精度的提高提供了有效的解决途径。实例计算证明,该方法可获得理想的预测效果,能为调度部门提供负荷预测的决策依据。

城市供水三种时用水量预测方法的比较

以A市时用水量数据为原始数据,采用自适应过滤法、动态多项式预测法和自适应季节性指数平滑法建立时用水量预测模型,对3种方法的预测结果与实际用水量进行比较,结果显示自适应季节性指数平滑法的预测精度最高,可用于A市优化调度建模。