基于ARIMA模型和ARIMA-SVM组合模型的流行性感冒的发病预测研究

目的探讨ARIMA-SVM组合模型在流感发病预测中的应用,并与单纯ARIMA模型的预测效果比较。方法利用2017—2022年北京市流感发病数据拟合建立ARIMA模型和ARIMA-SVM组合模型,对2023年流感发病进行预测,并与实际流感数据进行验证比较,评价模型的预测效果。结果北京市2017年1月—2023年12月共报告流感病例报告数1250797例,月均发病14890例。构建最佳的ARIMA模型的为ARIMA(6,0,6)(0,1,2)365,模型预测相对误差范围在0.01%~165.62%之间,RMSE=570.07,MAPE=157.36%。ARIMA-SVM模型预测相对误差在0.00%~18.87%之间,RMSE=0.26,MAPE=1.90%。组合模型预测结果较单一ARIMA模型精度高。结论ARIMA与SVM联合模型对流感发病的拟合精度优于单一ARIMA模型,可用于流感发病的短期预测,组合模型不仅考虑了传染病发病数据的周期性特点,又克服了小样本、非线性的缺点,亦可推广到其他的传染病的发病预测,为传染病的预测、疾病控制以及资源的配置利用提供政策支持。

基于ARIMA-SVM组合模型的我国农产品价格预测研究

为准确把握国内农产品价格波动规律,提高农产品价格预测精度,构建农产品价格自回归移动平均与支持向量机(ARIMA-SVM)组合预测模型,以ARIMA模型揭示农产品价格线性变动规律,以SVM模型揭示非线性变动规律,并结合1999-2011年我国农产品价格指数月度数据,使用组合模型和ARIMA、SVM单个模型对农产品价格进行预测。预测结果显示:组合模型比单个ARIMA、SVM模型预测精度高,能够提高农产品价格预测的准确性,是一种有效的农产品价格预测模型。

ARIMA-SVM组合模型驱动下的瓦斯浓度预测研究

针对单一瓦斯预测模型挖掘矿井瓦斯浓度时间序列全部特征能力较弱的问题,提出了一种基于自回归滑动平均模型(ARIMA)和支持向量机(SVM)模型的组合预测模型,并采用该模型对瓦斯浓度进行预测。首先,分别应用ARIMA模型和SVM模型对实验数据进行预测分析,得到2种单一模型预测结果。其次,结合自相关函数和偏自相关函数及贝叶斯准则,得到最优ARIMA模型为ARIMA(1,1,2),通过核函数等参数寻优,确立最优SVM模型,从而建立ARIMA-SVM组合模型。利用ARIMA模型处理瓦斯浓度时间序列的历史数据,得到相应的线性预测结果和残差序列,利用SVM模型进一步对数据残差序列中的非线性因素进行分析,得到非线性预测结果,将2个模型的预测结果进行组合,得到目标瓦斯时间序列最终预测结果。实验结果表明:① ARIMA-SVM组合模型预测结果与矿井实际数据的拟合度优于ARIMA模型和SVM模型。②相对于ARIMA模型、SVM模型,ARIMA-SVM组合模型的误差大幅度减小,且预测结果明显优于单一模型。③ ARIMA-SVM组合模型的平均绝对误差、平均绝对百分比误差及均方根误差均为最小,表明ARIMA-SVM组合模型预测精度更高。

基于SARIMA-SVM组合模型的地铁客流量预测研究

为提高地铁客流预测精度,通过结合不同类型日期的地铁客流量周期性及非线性特点,提出融合季节差分自回归移动平均模型(SARIMA)和支持向量机(SVM)的优化模型。该模型采用SARIMA对地铁客流量的时间序列数据进行线性建模,使用SVM对SARIMA模型输入的残差值进行非线性建模,并分别将SARIMA模型、SVM模型及SARIMA-SVM模型对工作日和双休日地铁客流量的预测效果进行比较。实验结果表明,SARIMA-SVM模型的预测精度高于单一模型,相较于不考虑日期类型的组合模型,精度提高了12.24%。考虑日期类型的SARIMA-SVM组合模型能够捕捉地铁客流规律,满足地铁客流量的预测要求,可为地铁运营提供决策依据。

基于ARIMA-SVM组合模型的创业板股票价格预测分析

为解决复杂时间序列棘手的预测问题,在综合了解其线性和非线性复合特征的基础上,提出了基于ARIMA和SVM相结合的时间序列预测模型。本文先用ARIMA模型对时间序列进行线性建模,然后采用SVM对时间序列的非线性部分进行建模,最后得到两种模型的综合预估结果。文章的数据来源于"华泰证券"为期一年的250期股票收盘价,分析结果说明:ARIMA-SVM组合模型的精度比单一模型的预测精度要高,组合模型对于短期动态、静态预测成效较高,有利于投资者和企业做出更加科学可行的决策。

基于ARIMA-SVM组合模型的交通流量短时预测

随着经济和社会的快速发展,城市交通的拥堵问题日益严重,有效的短时交通量预测可减少盲目出警与控制警力成本。为此,本文采用ARIMA时间序列模型提取道路交通流量序列中线性特征,得到交通流序列预测残差。SVM模型能提取道路交通流量的残差序列非线性特征,对交通流预测残差进行修正。这两个模型组合能有效地提取时间序列全部特征,预测性能更佳。同时采用ARIMA-SVM组合模型对交通流量时间序列数据进行短时预测,其平均绝对误差和平均百分比误差分别为7.7%和12.7%,说明ARIMA-SVM组合模型预测效果较好。在ARIMA、SVM、ARIMA-SVM模型中,SVM模型预测性能最差,其平均绝对误差和平均百分比误差分别为28.2%和46.2%。

基于病例组合指数校正抗菌药物使用强度的模型拟合研究

目的:探究病例组合指数与抗菌药物使用强度之间的关联关系,并对抗菌药物使用的评价进行调整,对其综合考量。方法:收集安徽省某三甲医院2021-2023年病例组合指数与抗菌药物相关指标,首先通过线性模型、二次曲线等8种模型拟合探索病例组合指数与抗菌药物相关指标之间的关系,随后通过秩和比综合评价法对不同科室间抗菌药物的使用情况重新评价。结果:病例组合指数与抗菌药物使用强度之间关联性较弱,但病例组合指数与同期出院人数的乘积与抗菌药物使用累积数存在较强关联,以此为基础进行的秩和比综合评价结果前后出现较大波动。结论:病例组合指数与抗菌药物使用强度之间存在间接关联,在后续抗菌药物使用的模型运算时应考虑校正,以增强评价结果的真实性。

SARIMA-SVM组合模型在淋病发病率预测中的应用

目的探讨SARIMA模型、SVM模型和SARIMA-SVM组合模型在淋病发病率预测中的应用,为淋病防控提供科学依据。方法选取2010—2021年全国淋病逐月发病率资料,利用2010—2020年的淋病逐月发病率资料作为训练集分别建立SARIMA模型、SVM模型和SARIMA-SVM组合模型,并运用2021年的淋病逐月发病率资料作为测试集用于模型间的效果评价。结果SARIMA(0,1,1)(0,1,1)12为最优SARIMA模型。SARIMA模型、SVM模型和SARIMA-SVM组合模型拟合的MAE、MAPE和RMSE依次分别为0.0324、5.5470%、0.0481,0.0095、1.7877%、0.0188和0.0053、1.0156%、0.0140。SARIMA模型、SVM模型和SARIMA-SVM组合模型预测的MAE、MAPE和RMSE依次分别为0.0427、5.7766%、0.0621,0.0112、1.4843%、0.0113和0.0107、1.3989%、0.0229。结论SARIMA-SVM组合模型对淋病发病率的拟合及预测效果均优于SARIMA模型和SVM模型,且预测精度较好。

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%。

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。

基于XGBoost-SVR组合模型的高速公路建造碳排放量预测方法研究

开展高速公路碳排放量预测是实现交通领域节能减排的重要内容之一。选取高速公路建设中影响碳排放的路基长度、路面面积、桥梁长度、隧道长度等14个参数,采用生命周期评价法(LCA)对高速公路建造碳排放量进行核算,获得80个高速公路碳排放样本,并对碳排放量影响参数的重要性进行分析。通过等值赋权、残差赋权和自适应赋权3种赋权组合方式,建立XGBoost-SVR机器学习组合模型。结合高速公路碳排放样本,通过XGBoost-SVR组合模型训练得到碳排放量预测结果。基于误差和相关指数分析,对3种赋权方式的组合模型预测结果进行评判,并与单机器学习模型结果进行对比。研究结果表明:XGBoostSVR组合模型融合了XGBoost和SVR模型的优点,其预测效果明显优于单机器学习模型的预测效果;对比等值赋权、残差赋权和自适应赋权,基于自适应赋权的XGBoost-SVR模型预测精度最高,建议应用于高速公路建造碳排放量预测。

基于ARIMA-SVM组合模型的中国出口欧盟食品安全风险预测

在全球化经济背景下研究中国出口欧盟食品的安全问题,食品安全受到多种复杂因素的影响,具有随机性、复杂性、非线性等特点,提出基于差分自动回归移动平均和支持向量机(ARIMA-SVM)的食品安全风险预测组合模型。利用ARIMA模型对食品出口时间序列进行建模,采用支持向量机对差分自动回归移动平均的预测残差进行建模,对两者结果进行权值相加以得到最终的食品安全预测结果,采用具体的食品安全数据进行仿真测试。结果表明,ARIMA-SVM组合模型具有更高预测精度和更低的平均绝对误差。

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。

基于CEEMDAN-GRU组合模型的碳排放交易价格预测研究

准确的碳价格预测有助于监管部门观测碳交易市场运行状况及投资者进行科学决策,对实现碳达峰和碳中和具有重要作用。但碳价序列具有非线性、非平稳性和高噪声的特性,很难对其进行准确预测。将完全自适应噪声集合经验模态分解(CEEMDAN)方法与门控循环单元(GRU)相结合,构建一个碳排放交易价格预测模型。该模型基于分解、集成思想,利用CEEMDAN将原始碳价序列分解,获得不同频率的本征模函数(IMF)和残差序列,使用GRU神经网络分别为各子序列建立预测模型,最后集成预测结果得到碳价预测值。以湖北省碳交易市场的日度成交价为例进行实证分析,结果表明:相较于其他5种基准模型,CEEMDAN-GRU模型具有更小的预测误差和更高的拟合优度,在碳价格预测上具有一定的优势。

基于组合赋权-云模型的智能建造应用成熟度的评价

为解决传统施工方式存在的问题,建筑施工企业向智能建造方式逐渐转型已是大势所趋。针对新时代、新基建对智能建造施工的要求并结合能力成熟度理论,提出一种基于组合赋权-云模型的智能建造应用成熟度评价模型。首先,从施工、智能、其他3个维度,构建包含勘测、设计规划、施工现场管理、资源要素、智能建造技术、数据驱动、企业顶层设计7个类别的智能建造应用成熟度评价体系。其次,采用G1法与熵权法确定各指标的主、客观权重,运用博弈论进行权重组合。最后,通过云模型展示施工企业智能建造应用成熟度等级,并依据评价结果进行展望。研究结果表明:施工企业智能建造应用成熟度评价等级为“集成共享级”,评价结果与该企业实际情况吻合,验证了本文方法的适用性与科学性,为施工企业智能建造应用的发展提供科学依据。

基于极点对称模态分解的中长期径流预报组合模型

为提高径流预报精度,解决径流序列分解后高频分量波动范围大、预报精度差的问题,基于极点对称模态分解法(ESMD)平稳化处理技术将径流序列分解,通过分析不同频率分量特征,择优选取预报方法,结合粒子群优化最小二乘支持向量机(PSO-LSSVM)全局优化和非线性建模能力及适应性强的特点,对高频分量进行预测,利用BP神经网络非线性映射能力和逼近任意非线性函数的优势对中低频分量和趋势分量进行预报,构建了ESMD-PSO-LSSVM-BP组合预报模型,对西江干流上中下游三座水文站的年、月尺度径流开展中长期径流预报。结果表明,对不同频率分量采用不同预报方法的组合模型可以有效提高径流预报精度。

基于SARIMA-SVM组合模型的战时军用物资需求预测

针对战时非平稳、非线性环境下预测难题,利用季节性差分自回归移动平均模型(SARIMA)和支持向量机模型(SVM)分别对线性和非线性时间序列的较强拟合能力,采用SARIMA对军用物资需求量时间序列数据进行线性建模,并用SVM对SARIMA模型残差进行非线性建模,将SARIMA模型与SVM模型组合对战时需求进行预测,结果表明,SARIMA-SVM组合模型预测精度明显优于单一模型,发挥了两种模型各自的优势,与滑动平均模型(MA)相比更具优势。该组合模型是切实可行的,可为战时军用物资供应提供决策依据。