ARIMA-SVM组合模型和TBATS模型在艾滋病报告病例数预测中的应用

目的探讨ARIMA-SVM组合模型和TBATS模型在艾滋病报告病例数预测中应用的可行性。方法收集2013年1月—2019年6月荆州市艾滋病月报告病例数,以2013—2018年艾滋病报告数为训练集,建立差分自回归移动平均模型(ARIMA)模型和指数平滑空间状态模型(TBATS)模型,并应用支持向量机(SVM)对ARIMA模型残差进行非线性建模,建立ARIMA-SVM组合模型。以2019年1—6月月报告数对模型进行验证,并对不同模型预测效能进行比较。结果建立了ARIMA(0,1,2)(2,0,0)_(12)模型、ARIMA-SVM组合模型、TBATS模型;其预测的平均绝对误差百分比(MAPE)、平均绝对误差(MAE)、均方根误差(RMSE)依次为18.25%、5.34、5.92,17.53%、4.78、5.67,12.19%、3.81、5.24。结论ARIMA-SVM组合模型和TBATS模型对HIV/AIDS报告数预测准确度较高,值得推广应用。

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%。

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。

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。

Heston模型下的两人鲁棒非零和随机微分投资组合博弈

用Heston模型描述风险资产的价格动态,构建了包含一种无风险资产和一种风险资产的金融市场,投资者可以将其财富自由地配置于无风险资产和风险资产中.考虑到投资者之间经济行为的随机博弈,用相对业绩刻画投资者之间的博弈行为,同时考虑模型的不确定性,以最大化最坏情境下投资者相对业绩的期望效用为目标,构建了包含两个投资者的鲁棒非零和随机微分投资组合博弈模型,利用动态规划方法分别求得了CRRA效用下Nash均衡策略的解析表达,借助数值仿真算例进行了参数的敏感性分析并给出了相应的经济意义阐释.研究发现:相较于不涉及市场竞争的传统投资策略,竞争将使投资者产生羊群效应,跟风投资风险资产,致使金融市场的系统性风险上升.此外,与不考虑模型不确定性相比,模型的不确定性使得投资者减少对风险资产的投资.

基于组合赋权与TOPSIS模型的腹腔镜系统技术指标体系建立与应用

目的设计腹腔镜系统技术指标评价体系,用于客观评价产品技术水平,为医院腹腔镜系统的遴选提供支撑。方法采用文献研究法、访谈法以及德尔菲法确认评价体系指标,并通过优序图法及熵权法综合确定指标权重,最终通过理想排序法获取产品评价排序。结果腹腔镜系统评价体系纳入一级指标1项,二级指标6项,三级指标11项,可用于评价2D腹腔镜系统。参与真实测评的2D白光腹腔镜系统10个,荧光8个,均完成产品排序。结论本研究建立的腹腔镜系统技术评价指标体系可用于开展真实产品测评。

ML组合的CYGNSS海面风速反演质量控制模型

卷积神经网络(CNN)可用于气旋全球导航卫星系统(CYGNSS)的海面风速反演。虽然在模型训练前设置了质量控制指标来检测和削弱CYGNSS的异常观测数据,但CYGNSS观测数据中仍存在异常值导致模型反演精度降低,甚至出现错误反演结果。因此,提出一种基于机器学习(ML)组合的海面风速反演模型。在基于CNN回归模型的CYGNSS反演海面风速基础上,ML分类模型生成CNN回归结果的质量标志位,该标志位可以检测并删除CNN回归结果的异常值,进一步提高风速反演结果的数据质量,ML分类模型能够更好地考虑各种数据误差之间的相互作用,而不是单独使用每个条件的阈值,以达到更优的海面风速反演精度的效果。实验对比了Logistic回归(LR)、决策树(DT)、朴素贝叶斯模型、K最邻近(KNN)算法、神经网络(NN)模型、支持向量机(SVM)算法等6个分类模型,其中,基于KNN算法的分类模型对风速反演质量控制的效果最优。所提风速反演组合模型显著提高了反演结果的精度,在0~20 m/s区间内,异常样本过滤率为81.27%,在所有被过滤的数据中,过滤正确率为86.03%;风速反演误差的均方根误差从无ML分类模型的1.7 m/s降低到有ML分类模型的1.44 m/s,其中,训练样本为0~10 m/s的反演结果精度提升效果较为明显,证明了所提风速反演组合模型对风速质量控制的有效性。

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。

SARIMA-GRU组合模型的水位预测

相较于传统的单一模型,组合模型在一定条件下具有更优的预测精度。为验证组合模型是否有利于提高模型的预测精度,本文以长江中游支流澧水石龟山水电站的水位数据为基础,建立SARIMA模型和GRU神经网络模型,并将这两种模型基于方差倒数法和IOWA算子进行组合,最后比较单一模型和组合模型在该水位数据集上的预测精度差异。结果表明,适当的组合方式有利于提高模型预测精度,基于IOWA算子的组合模型具优良的预测性能。

工程项目组合风险扩散模型的级联失效分析

为构建符合工程项目组合特点的风险扩散模型,解决风险扩散问题。本文考虑风险扩散的双关系载体—项目交互关系和风险因素逻辑关系,构建工程项目组合风险扩散的双层相依网络模型,运用级联失效理论提出风险扩散规则,通过数值仿真分析风险扩散特征。仿真结果发现:工程项目组合中,双层网络模型能够反映风险在项目和风险因素双关系载体中的扩散特征;与单层网络风险扩散模型相比,构建的模型展现出差异性的风险扩散效应,风险扩散在工程项目组合中表现出更剧烈的级联失效过程。风险扩散模型作为工程项目组合风险扩散问题的前置性研究,为进一步风险扩散网络稳定性的研究提供新思路和启发。

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。