基于ARIMA-BP组合模型的管道耗电量预测技术研究

为实现管道耗电量的精准预测,对输油管道的节能评价和能效对标提供技术支撑,在收集管道日耗电量相关特征的基础上,先采用ARIMA模型实现了对耗电量线性部分的预测,随后建立了多输入单输出的单隐含层BP网络模型,用于预测耗电量的非线性部分,将两者有机结合,提高了小样本环境下耗电量的中长期预测效果。结果表明:不同管道筛选出的主控特征略有不同,日输量与耗电量的相关性最强;ARIMA-BP组合模型耗电量的预测效果最佳,1^(#)管道的平均相对误差为0.76%,2^(#)管道的平均相对误差为1.42%;1^(#)管道的预测结果与实际结果相符,说明运行状态良好;2^(#)管道耗电量的实际值大于预测值,说明运行工况存在劣化现象。通过叶轮切削改造、局部更换泵部件、更换淘汰电动机等多项整改措施,提高了2^(#)管道的能效水平,预计日节电904~3618 kWh。

基于ARIMA-BP组合模型的铁路路基冻害预测技术研究

铁路路基沉降数据易受各种复杂因素的影响,为降低人工检修成本,提高预测精度,提出一种ARIMA-BP的组合预测模型。首先深入分析季节性冻土沉降变化规律及其数据特性,分别构建基于ARIMA(差分自回归滑动平均)模型和BP神经网模型的路基冻害预测模型,分析发现,单一ARIMA模型对短期线性沉降变化具有较强的预测性能,但在长期非线性变化沉降预测中表现较差;BP神经网络根据误差反向更新模型权重,可以深度挖掘序列的长期非线性变化趋势。故提出一种ARIMA-BP组合模型,利用BP神经网络完成初步预测并拟合出原始序列的残差序列,再采用ARIMA模型进行残差预测,将两者预测结果组合起来得到组合预测结果。实验表明,提出的组合模型RMSE较ARIMA预测方法降低76.9%,较BP神经网络预测方法降低58.6%,较基于ARIMA-BP最优权重组合预测方法降低45.9%,证明该方法能更好地表现路基沉降变化趋势,为铁路行车安全发挥预警作用。

利用遗传算法优化的ARIMA-BP组合模型预测手足口病发病趋势

目的 探讨ARIMA模型及遗传算法优化的ARIMA-BP神经网络组合模型在传染病预测与预警中的应用,为相关部门制定防治措施提供参考. 方法 选择某市2009～ 2013年的手足口病发病数作为研究对象,首先建立ARIMA模型,得到的拟合值作为神经网络输入值,真实观测值作为输出值,带入通过遗传算法优化的BP神经网络中训练,并比较两种模型的预测精度. 结果 对建立的ARIMA（1,0,0）（1,1,0）12模型预测的相对误差为39.89％,决定系数为0.786,经统计检验残差为白噪声序列;组合模型预测的相对误差为26.25％,决定系数为0.852. 结论 该组合模型的预测精度高于ARIMA模型,且对于极值的预测较为精确,可以为其他传染病的预测及建立统计预警提供参考.

基于残差修正的ARIMA-BP组合模型在中国戊型肝炎发病预测中的应用

目的:探讨基于残差修正的ARIMA-BP组合模型在中国戊型肝炎传染病流行趋势预测中的作用。方法:对2004-2017年中国戊型肝炎统计数据采用SPSS软件分别建立ARIMA和ARIMA-BP模型,将2018年1-12月戊肝数据作为对比值,对模型的预测效果进行对比分析。结果:2种模型的预测结果评价指标中,ARIMA-BP组合模型的E、ER、MAE、MSE、MAPE指标整体上均小于ARIMA模型。结论:ARIMA-BP组合模型的预测效果优于ARIMA模型,可用于我国戊型肝炎发病趋势的早期预测。

基于ARIMA-BP组合模型的全国卫生总费用预测

目的:对卫生总成本的特征分析及变化趋势预测,能够为我国有关行政部门医疗卫生政策的法规制定、合理的卫生费用规划提供依据。方法:搜集我国1991~2020年卫生总费用统计数据通过方差倒数法构建ARIMA-BP组合模型。模型检验通过后,对2021年的卫生成本进行预测和评价。结果:将1991~2017年全国卫生总费用作为训练集,采用ARIMA(0,2,0)模型和BP模型拟合效果较好,通过滑动窗口方法生成新的数据样本后构建三层BP神经网络模型,结合方差倒数法,构建ARIMA-BP组合模型在2018~2020预测效果优于ARIMA(0,2,0)和BP,ARIMA模型、BP神经网络模型和ARIMA-BP组合模型的平均相对误差分别为:1.127%、1.052%、0.05%。结论:ARIMA-BP组合模型的预测效果为三种模型中最佳的,可通过该模型预测未来的卫生总费用,得到较为可靠的卫生总成本预算。

基于ARIMA-BP组合模型的民航旅客运输量预测

民航旅客运输量直接影响飞机的采购、机场规模的建设、国家经济的发展等。惟有对中国民航旅客运输量做出较为准确的预测,机场、航空公司及相关企业才能更好地把握行业发展趋势,制定正确的竞争投资战略。运用什么样的方法来分析、准确预测民航旅客运输量是最关心的问题。文中首先详细阐述了ARIMA-BP组合模型的方法及步骤,然后基于民航2005年1月至2013年12月旅客运输量数据作为训练集,建立ARIMA模型和ARIMA-BP组合模型,选取民航2014年1月至2014年12月旅客运输量数据作为检验集,评价模型预测效果。通过仿真实验结果表明,ARIMA-BP模型比ARIMA模型有更好的预测效果。故此模型具有较高的可靠性和实用性,对预测民航旅客运输量有一定导向作用。

基于TESAOC的ARIMA-BP组合模型在混凝土坝变形预测中的应用

针对基于最优加权法的ARIMA-BP组合预测模型在对混凝土坝位移变形进行预测时模型权重固定、时效性不强的缺点,引入时效函数自适应优化方法(TESAOC),挖掘监测样本的时效特征,从而实现单一模型权系数随时间的动态变化;利用移动算术平均法筛选出最佳计算样本,减小数据突变等因素带来的不利影响,同时对预测偏差落在不同范围内的时间序列权重进行模糊补偿处理,控制其对组合预测结果的影响,最终建立基于TESAOC的ARIMA-BP组合预测模型.实例分析表明,该组合模型的预测效果在精度和时效性方面均优于最优加权法,更符合工程实际情况,有更好的应用前景.

基于ARIMA-BP组合模型的房地产价格预测方法研究

针对使用单一预测模型存在数据特征提取不充分,预测精度不高的问题,提出了一种基于ARIMA-BP组合模型的房地产价格预测方法。结合ARIMA模型处理线性问题的优势以及BP神经网络模型在非线性问题上的优势,利用误差方差加权平均训练法训练出最佳权重的组合并建立组合模型对某市区房地产价格和趋势预测进行实证分析。理论分析和实验结果表明,所提两者的组合模型有效解决了不能充分提取数据特征,预测精度不理想的问题,比单一预测模型能获得更准确的预测效果。

基于ARIMA-BP组合模型的货运量预测研究

为了提高铁路货运量的预测精度,基于货运量线性和非线性的特点,选取中国铁路1980-2020年的货运量作为研究对象,提出ARIMA和BP神经网络的组合模型,基于简单加权和残差优化两种不同组合方法对铁路货运量进行建模分析,并与ARIMA、BP神经网络单一模型进行对比。实验结果表明,ARIMA-BP残差优化的组合模型结果精度较高,评价指标MAE、MAPE、RMSE分别为5 135.90、0.020 9、8 462.49。基于ARIMA-BP残差优化的组合模型实现了对货运量的较好预测,对铁路运输部门灵活制定相关政策具有重要意义。

基于ARIMA-BP组合模型的城市公交客运量预测

随着社会经济的快速发展,城市居民日常公共交通出行供需矛盾日益突出,城市公共交通客运量需求预测成为其发展规划中的重要研究课题之一。针对于此,本文利用时间序列(ARIMA)模型与神经网络(BP)模型相结合的组合模型,以南京市地铁客运量为例,预测城市公共交通客运量的变化情况。结果证明,本文提出的ARIMA-BP组合模型预测精度优于单一模型。

基于组合赋权-云模型的城市洪涝灾害韧性评价方法

基于城市系统应对洪涝灾害事件的响应过程,从基础抵御、防灾预警、应急响应和适应恢复4个方面构建了包含4个一级指标和20个二级指标的城市洪涝灾害韧性评价指标体系,在此基础上通过可拓层次分析法和熵权法对指标分别进行主观和客观赋权,结合博弈论理论进行组合赋权,提出了基于组合赋权-云模型的城市洪涝灾害韧性评价方法。南京市6个行政区的验证结果表明:该方法可有效评价城市洪涝灾害韧性水平,6个行政区中建邺区、江宁区为高韧性地区,鼓楼区、秦淮区为较高韧性地区,雨花台区为中等韧性地区,溧水区为较低韧性地区。

基于特性的牵引车-半挂车刚柔组合车架动力学模型研究

商用车较大的车架柔性会影响到整车的操纵稳定性和乘坐舒适性,尤其是在共振时车架柔性会放大对车辆运动品质的影响。为实时模拟牵引车-半挂车的车架运动,采用基于总成特性的建模技术路线,根据运动响应频域将车架运动解耦为低频刚体运动和高频柔体运动,并将车架模型模块化划分为基于多体动力学的刚体车架模块、基于模态综合法的柔体车架模块,然后将两模块求解结果叠加形成刚柔组合车架模型。最后,将车架模型嵌入牵引车89DOF-半挂车73DOF整车模型中,针对某款商用车进行仿真,通过对比实车场地试验结果,验证了模型的有效性。

常泰长江大桥组合索塔锚固结构钢-混传剪构造足尺模型试验研究

常泰长江大桥索塔锚固结构采用钢箱-核芯混凝土组合结构,为研究该新型组合索塔锚固结构钢-混传剪构造的受力特性,进行钢-混传剪构造足尺模型试验研究。制作2个锚固结构足尺节段试验模型,通过压剪试验研究锚固结构的荷载~滑移曲线及应力、应变分布等受力特性,并通过有限元模型分析锚固结构的传力机理和各组件的内力分配比例,推导剪力钉剪力计算方法。结果表明:在2.14倍单索最大索力荷载作用下,锚固结构保持弹性状态,钢壁板未产生明显滑移,钢-混界面最大滑移不超过0.25 mm,该锚固结构中钢-混传剪构造至少具有2.14倍的安全系数;荷载作用下,剪力钉剪力从上至下逐渐增大,锚腹板附近底部3排剪力钉剪力较大,钢-混传剪构造至少存在剪力钉和界面摩擦力2种传剪机制,钢-混传剪构造的承载能力显著提高;钢-混传剪构造受力过程分为粘结力传力阶段和局部滑移阶段,剪力钉剪力分布不仅与沿剪切方向长度分布有关,也与荷载的大小线性相关。

基于GRU和LSTM组合模型的车联网信道分配方法

针对车联网中高通信需求和高移动性造成的车对车链路(Vehicle to Vehicle,V2V)间的信道冲突及网络效用低下的问题,提出了一种基于并联门控循环单元(Gated Recurrent Unit,GRU)和长短期记忆网络(Long Short-Term Memory,LSTM)的组合模型的车联网信道分配算法。算法以降低V2V链路信道碰撞率和空闲率为目标,将信道分配问题建模为分布式深度强化学习问题,使每条V2V链路作为单个智能体,并通过最大化每回合平均奖励的方式进行集中训练、分布式执行。在训练过程中借助GRU训练周期短和LSTM拟合精度高的组合优势去拟合深度双重Q学习中Q函数,使V2V链路能快速地学习优化信道分配策略,合理地复用车对基础设施(Vehicle to Infrastructure,V2I)链路的信道资源,实现网络效用最大化。仿真结果表明,与单纯使用GRU或者LSTM网络模型的分配算法相比,该算法在收敛速度方面加快了5个训练回合,V2V链路间的信道碰撞率和空闲率降低了约27%,平均成功率提升了约10%。

ARIMA-BPNN组合预测模型在流感发病率预测中的应用

目的阐述ARIMA-BPNN组合模型预测流感发病率的方法和步骤,探讨其在流感发病率预测中的应用。方法利用河南省2004年1月-2010年12月的流感疫情数据作为训练集,建立ARIMA模型和ARIMA-BPNN组合模型,选取2011年1月-12月的疫情数据作为检验集,评价模型的预测效能。结果 ARIMA(3,0,0)模型和ARIMA-BPNN组合模型预测值的平均绝对误差及平均误差绝对率分别为1.438、27.65%和0.029、0.43%,ARIMA-BPNN组合模型的预测效能优于ARIMA模型。结论 ARIMA-BPNN组合模型能有效模拟、预测流感的发病疫情,具有较好的推广应用价值。

Prophet-LSTM组合模型在运输航空征候预测中的应用

为准确预测中国运输航空征候万时率,提出了一种将时间序列模型和神经网络模型组合的预测方法。首先,利用2008年1月—2020年12月的运输航空征候万时率数据建立Prophet模型,使用RStudio软件进行模型拟合,获取运输航空征候万时率的线性部分;其次,利用长短期记忆网络(Long Short-Term Memory,LSTM)建模,获取运输航空征候万时率的非线性部分;最后,利用方差倒数法建立Prophet-LSTM组合模型,使用建立的组合模型对2021年1—12月运输航空征候万时率进行预测,将预测结果与实际值进行对比验证。结果表明,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别为0.0973、16.1285%、0.1287。相较于已有的自回归移动平均(Auto Regression Integrated Moving Average,ARIMA)+反向传播神经网络(Back Propagation Neural Network,BPNN)组合模型和GM(1,1)+ARIMA+LSTM组合模型,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别减小了0.0259、10.4874百分点、0.0143和0.0128、2.0599百分点、0.0086,验证了Prophet-LSTM组合模型的预测精度更高,性能更优良。

ARIMA-BP组合模型在高铁沉降预报中的应用研究

首先提出了ARIMA和BP神经网络模型组合进行高铁沉降预报的思想,然后给出了ARIMA_BP组合模型进行沉降预测的实现步骤。并以武汉某高铁沉降数据为样本,分别采用ARIMA、BP和ARIMA_BP三种模型进行分析计算。结果表明,ARIMA_BP组合模型的预测效果优于各模型单独使用时的效果。

大坝安全监测的ARIMA-BP组合预测模型

研究大坝安全监测中用于预测坝体变形问题的模型,给出了一种组合模型来预测坝顶位移.单一的ARIMA模型和神经网络预测模型在预测位移问题时精度不高,分析了两种模型的原理和建立方法,利用两种模型单独对时间序列进行拟合与预测,再通过赋予适当的权重,得到新的组合预测模型.通过某水电站工程实例分析表明,该组合预测模型结合了两种模型的优势,提高了模型的预测精度,有广泛的应用前景.

基于ARIMA-BP神经网络的组合模型在地基沉降预测中的应用研究

在归纳时间序列分析法和BP神经网络法两种单一预测模型的基础上,研究了基于ARIMA-BP神经网络的几种不同的组合模型,并结合某地基沉降的实际数据对各种组合模型的预测结果与精度进行了比较分析,得出了相应的结论。

N-Calculator与NUFER耦合模型和组合预测法在食物氮足迹研究中的应用

为改善传统N-Calculator模型的局限性,加强食物氮足迹核算结果与环境影响的联系,提高活性氮管理预见性,将N-Calculator模型与食物系统养分流动(Nutrient Flows in Food Chains,Environment and Resources Use,NUFER)模型进行耦合,以估算我国2001—2020年人均食物氮足迹,建立组合预测体系。结果显示:2001—2020年,我国人均食物氮足迹由16.04 kg N/a增至18.95 kg N/a;全国食物氮足迹由20.47 Mt N/a增至26.76 Mt N/a;居民饮食结构正由以植物源食物为主的低氮消费模式转向以动物源食物为主的高氮消费模式;食物生产过程产生的活性氮的最终归宿为大气(64.3%)、水体和深层土壤(35.7%);我国食物氮足迹与人均可支配收入、城市化率、动物源食物消费氮占比呈正相关性,与恩格尔系数呈负相关性;未来10 a我国人均食物氮足迹呈增长趋势,预测结果显示年均增幅为0.16 kg N/a。