光纤陀螺随机漂移建模与分析

光纤陀螺精度是惯导系统精度高低与否的关键因素,而减小陀螺随机漂移是提高其精度的重要手段。对陀螺输出数据中的随机漂移建立模型,在此基础上对陀螺数据进行滤波,可以有效提高光纤陀螺的输出精度,从而提高惯导系统的精度。本文通过大量实验建立了光纤陀螺随机漂移的ARMA模型,通过有效滤波对随机漂移进行滤除,并且对滤波结果进行Allan方差分析。分析结果表明,光纤陀螺输出信号中存在的主要误差源以及正弦噪声较滤波前明显减小到50%,有效地抑制了高频噪声,验证了光纤陀螺随机漂移建立模型的正确性。本文还设计了可视化软件,具有较高的工程意义。

双自回归滑动平均模型风速预测研究

风电场中风速变化的随机性很强。对随机过程的建模和预测,自回归滑动平均模型(ARMA)具有较好的效果。以张家口尚义风电场实测风速构成时间序列样本,首先通过差分处理将原始风速序列变为平稳随机序列,并确定该序列的描述模型为ARMA(0,4)。用该模型对验证风速序列进行超前一步预测,得到较好的风速预测效果。为进一步提高预测的精度,对样本序列风速预测的残差再次采用ARMA模型进行建模和预测,并用预测残差来修正风速预测值。对实际风速序列进行预测和验证,结果表明本文提出的双ARMA模型预测可以显著提高风速预测准确性。

利用样条函数建立季节性时间序列的预测模型

用B样条函数最小二乘法的非参数回归与时间序列相结合的方法建立了季节性时间序列预测模型.利用滑动平均估计季节项,再利用B样条函数非参数回归估计长期项和周期波动,对于随机项建立ARMA模型,最后对某产品需求量进行了实例分析.结果表明该方法有较高的预测精度.

应用ARMA模型超长期预测棉铃虫发生程度

根据赣北棉区１９５０～１９９１年棉铃虫发生程度的历史资料，应用时间序列分析方法，建立了自回归滑动平均（ＡＲＭＡ）预测模型。Ｗｔ＝－０．３６５５Ｗｔ－１＋０．２９２６Ｗｔ－２＋０．０３４１Ｗｔ－３＋εｔ＋０．８２０３εｔ－１＋０．３２６７εｔ－２＋０．３１４５εｔ－３该模型１９５３～１９９１年的历史符合率为８７．１８％，１９９２～１９９６年的预报准确率达１００％。

基于ARMA模型的新疆旅游市场趋势预测

大多数经济时间序列存在着惯性,或者说具有迟缓性。通过对这种惯性分析,可以由时间序列的当前值对其未来值进行估计。为了更好地预测新疆旅游业未来的发展状况,本文从新疆历年(1979-2007年)的旅游数据出发,将这些数据平稳化,建立自回归移动平均模型(ARAM模型),从中找出新疆旅游业发展的内在规律性,并对未来新疆旅游市场趋势进行了预测,以期为旅游业和相关产业规划与决策提供依据。

基于ARMA模型的我国第三产业总产值时间序列分析

大多数经济时间序列存在着惯性,或者说具有迟缓性。通过对这种惯性分析,可以由时间序列的当前值对其未来值进行估计。本文从我国历年(1953-2004)的第三产业总产值数据出发,将这些数据平稳化,建立自回归移动平均模型(ARAM),从中找出我国第三产业发展的内在规律性。