基于ARMA模型的农产品供应链成本优化研究

近年来,在乡村振兴战略背景下,农产品流通逐渐呈现出“农村电商”新业态。农产品供应链作为连接农户、电商平台和消费者的桥梁,在农村电商发展过程中扮演着重要角色。随着农村电商的快速发展,农户生产积极性提高,农产品产量显著增加,但与此同时农产品供应链成本结构也发生了显著变化。为优化农产品供应链成本,提高农户生产积极性,本文以农村电商模式下农产品供应链为研究对象,以ARMA模型为基础,通过构建农产品供应链成本结构方程模型,发现当前农产品供应链成本结构具有非对称性和非线性的特征。文章首先从农户生产积极性和农村电商发展两个方面,分析了农村电商发展对农产品供应链成本结构的影响;其次通过引入ARMA模型对影响因素进行分析,发现当前农产品供应链成本结构存在非对称性特征,并从农户生产积极性、农村电商发展水平和农村物流体系等方面提出了优化路径;最后,基于优化路径提出了政策建议。

海外高端消费回流对产业数智化的作用机制——基于ARMA模型

海外高端消费回流支撑和助力产业数智化转型升级,推动我国经济高质量发展。本文基于ARMA模型,检验海外高端消费回流对我国产业数智化的影响效应及作用机制。研究发现:近年来海外高端消费回流和产业数智化转型升级呈现加速态势,且二者均已形成正向良性循环。海外高端消费回流可有效驱动我国产业数智化,主要通过高端消费者、高端代工商和高端服务商等主体回流的直接带动,以及消费升级、高端产业升级等间接路径实现。据此建议相关部门完善政策保障机制,行业协会发挥桥梁作用促进品牌合作,相关企业加快数智化转型,以更好发挥高端消费回流对产业数智化的赋能作用。

基于时间序列ARMA模型的拱桥施工变形预测

为了促进时间序列分析方法在桥梁施工监测中的应用,利用时间序列ARMA模型对某特大桥主桥施工监控过程中主拱肋控制点变形数据进行分析,预测了后续主拱肋施工阶段的变形情况,并与实测数据进行比较。结果表明,时间序列ARMA模型在桥梁施工中预测拱肋变形具有较高的精度和可靠性,为桥梁施工的控制和监测提供了有效的手段。该研究成果说明时间序列分析方法可大大地改善参数的估计精度,提高模型的预测效果。

基于ARMA模型的海洋磁力测量数据小波去噪方法研究

海洋磁力测量是指通过安置在海底质子旋进磁力仪来直接测量地磁场,这样在海洋表面和海底同时测量,就可以得到地磁场的垂直梯度。但处理海洋磁力测量数据时不仅需要消耗大量时间,并且分块处理拼图还会导致精确度较低。为了实现对海洋地质层参数的准确测量,提出基于ARMA模型的海洋磁力测量数据小波去噪方法。构建海洋磁力测量数据的小波降噪和滤波检测模型,通过对海洋磁力测量数据的类型化分类识别,进行多波束的信息分割,实现对海洋磁力测量数据的自动滤波降噪,使得输出数据更清晰、自然。测试结果表明,使用ARMA模型后,输出数据的信噪比较之前提升了33.6632 dB,海洋磁力测量数据去噪效果好。通过ARMA模型对海洋磁力数据进行去噪,有助于达到更精确的海洋磁力测量数据,为研究地磁场及其变化、海洋地质构造、矿产预测和国防建设提供了重要支持。

基于ARMA模型的城乡居民收入差距预测分析--以安徽省为例

ARMA模型是当前普遍应用的时间序列建模方法之一。选取安徽省1980—2020年的城乡居民收入差距数据为样本,借助EVIEWS9.0软件,针对绝对收入差距与相对收入差距先后构建ARIMA((1,4),1,0)与ARMA(1,3)模型,两个模型的样本内静态预测结果均较好。分别利用所建立的两个模型,样本外动态预测2021—2023年安徽省城乡居民绝对收入差距依次为23756.7元、24846.8元与26094.6元,相对收入差距依次为2.563078元、2.563116元与2.563147元,以期为相关部门制定政策提供数据支持。

基于ARMA模型的隧道变形预测及参数估计分析

以北京市海淀区某地铁站一体化棚户区改造项目为例,运用ARMA模型对高层建筑盖挖逆作法施工过程中邻近既有地铁隧道变形进行预测。以既有地铁隧道沉降实时监测数据为原始数据集,对原始数据集进行适当插补处理后,通过极大似然估计法对模型进行参数估计,给出了模型关键参数,构建了合理的预测模型。将模型预测结果与实测数据进行对比,显示预测结果与实测数据变化趋势高度吻合,充分验证了预测模型的可行性、有效性与稳定性。

中国物流业景气指数预测——基于ARMA模型

中国物流业景气指数(LPI)是2013年3月5日由中国物流信息中心和中国物流与采购联合会发布的一项指数,它的调查采用PPS(容量比例概率抽样法)抽样方法,按照各个物流行业对物流业主营业务收入的贡献度,确定这些行业各自的样本数。通过对新订单、业务总量、设备利用率、库存周转次数、从业人员这五项指数进行加权,合成一个合成指数,再将其与新订单、业务总量、设备利用率、库存周转次数、从业人员等12个分项指数一起构成中国物流业景气指数。LPI从总体上反映了我国物流业经济发展的变化情况,它以50%为分界点来区分经济的强弱,物流业经济在LPI> 50%时扩张,在LPI <50%时收缩。

基于灰色模型和ARMA模型的猪瘟月新发生次数预测比较

对猪瘟月新发生次数(每个月的新发生次数)的定量预测可以为当地动物疫病防控部门提供依据,使其针对猪瘟发病风险有选择性地采取防控措施。该文分别选用灰色预测模型和ARMA预测模型对贵州省猪瘟月新发生次数进行了预测。灰色模型和ARMA模型以2005-2008年兽医公报中统计的贵州省猪瘟发病数据为预测依据,以2009年的统计数据评价比较预测效果。灰色模型和ARMA模型预测平均绝对误差分别为1.84和1.48,平均绝对百分误差为0.272和0.229。预测结果表明,ARMA预测模型的预测精度更高,对贵州省猪瘟发病的预测是可行有效的。

基于LSSVM-ARMA模型的基坑变形时间序列预测

如何准确预测和控制基坑变形是基坑工程的一个难点,提出了一种基于小波变换、粒子群优化的最小二乘支持向量机(PSO-LSSVM)和自回归移动平均模型(ARMA)的基坑变形时间序列预测方法。首先,利用小波变换将基坑变形时间序列分解和重构为2个子序列——趋势时间序列和随机时间序列,在该基础上,采用PSO-LSSVM模型与ARMA模型分别预测趋势时间序列与随机时间序列未来值,将2个子序列的预测值求和作为最终预测结果。最后,将该方法应用于昆明某基坑工程的深层水平位移预测,不断地利用前期工况的最新实测数据建模,对后期工况未来变形量进行滚动预测,获得了令人满意的结果。

基于ARMA模型的光纤陀螺漂移数据建模方法研究

研究了应用长自回归估计法进行光纤陀螺零漂数据模型的参数估计,利用卡尔曼滤波算法进行参数的精估计,建立了光纤陀螺零漂数据的ARM A模型。研究结果表明,所建的光纤陀螺ARM A模型较传统的AR模型具有更高的精度,光纤陀螺随机漂移ARM A模型可分解为两个独立的时间相关的一阶马尔可夫过程。

基于噪声场合下ARMA模型的风力发电量预测

针对普通的ARMA模型的预测质量由于各种原因会大大降低的情况,依据富锦风电场风力发电量的时间序列,基于HOYW定阶方法建立了噪声场合下的ARMA模型。通过对模型残差白噪声性能的分析,验证了模型的适用性。应用此模型进行了预测分析,得到的归一化平均绝对误差(NMAE)为0.0658。通过与普通的ARMA模型预测精度方面的对比,进一步验证了噪声场合下基于ARMA模型风力发电量预测的优越性。

基于ARMA模型的光伏电站出力预测

目前光伏发电站容量的不断扩大,光伏发电站并网后其功率的变化具有不确定性,因此有必要对光伏电站的出力进行预测。本文建立了一种基于ARMA模型的光伏电站预测模型。结合历史发电量数据和气象因素,分别使用ARMA模型和马尔可夫链模型对光伏电站的出力进行预测,并进行了两者的比较。大量的数据表明,ARMA预测模型有较高的精度,能够满足实际工程的应用要求。

基于改进灰色ARMA模型的卫星钟差短期预报研究

导航卫星钟差的精度直接影响导航定位性能。针对卫星钟差由趋势项和随机项组成的特点,提出一种改进灰色模型和ARMA模型的钟差预报组合模型。对传统灰色模型进行改进并建立趋势项预报模型,提取钟差随机项建立ARMA模型,最后将预报结果相加。在算例中采用IGS提供的精密钟差进行预报,仿真结果表明钟差精度较高。

基于ARMA-GARCH模型的超短期风功率预测研究

风功率预测对提高电能质量和电力系统的安全运行具有重要意义。基于时间序列的方法,对内蒙古赤峰地区某风场的风功率数据进行了超短期预测,通过对数据平稳性检验的结果,建立了时间序列的ARMA模型,利用拉格朗日乘子检验的方法,检验ARMA模型具有ARCH效应,并建立适合的ARMA-GARCH模型。结论通过对比ARMA模型,ARMA-ARCH模型和ARMA-GARCH模型的风功率预测精度可知,在解决数据的残差序列异方差函数具有长期相关性时,ARMA-GARCH模型能够有效的提高预测精度。

基于ARMA模型的隧道位移时间序列分析

在新奥法隧道施工中,隧道位移监测对于评价围岩稳定性和支护结构合理性起重要作用。目前大都采用AR模型对隧道位移进行时间序列分析,避开了非线性估计,致使拟合精度和模型实用性较差。为此,介绍了具有较高预测精度和较好适用条件的ARMA模型及其常用参数估计方法,基于其参数非线性估计带来的不便性,提出一种ARMA模型参数估计近似线性方法,把残差用Taylor级数一阶展开,将非线性估计线性化,用线性最小二乘法估计参数最终值。用该方法对重庆市大足县南环二路南山隧道位移监测数据进行时间序列建模分析,预测与实测值吻合较好,证明了该方法的实用性。

ARMA模型在太子河流域年降水量预测中的应用

为降低旱涝灾害对经济社会带来的损失,对降水量的预测方法进行研究。以太子河流域1961～2006年各测站降水量数据为样本,建立时间序列ARMA降水量预测模型,应用2004～2006年的降水量数据对模型进行检验。结果表明:ARMA模型用于降水量预测效果良好,为降水量预测增添了新手段。

基于ARMA模型的故障率预测方法研究

在对比多种时间序列模型的基础上,结合故障率预测的特点,得出了自回归-移动平均混合模型(简称ARMA模型)是其中最适用于使用阶段故障率预测的方法这一结论。给出了基于ARMA模型的故障率预测的基本思想、预测模型、实施步骤,并按此法对某航空公司波音飞机故障率进行了预测,说明ARMA模型适用于故障率预测,且预测结果准确性较高。

基于时间序列聚类和ARMA模型的检索量预测

为了通过预测分析检索量数据来指导商家调整产品开发及经营策略,将检索量数据组织为时间序列,对其用自回归滑动平均(ARMA)模型进行建模预测.先将时间序列进行聚类,仅对聚类中心序列进行ARMA模型识别,同类序列用该模型进行近似建模预测;经过数据预处理、相似性分析、基于相似度的聚类、时间序列预测等过程,得到检索量数据的预测值,并将其与检索量的实际值做比较.结果表明,用同一个ARMA模型拟合相似时间序列的方法具有可行性,且有较高的预测准确率.从聚类结果还可看出,同品牌产品的检索量数据趋于聚成一类,这为检索词关系的挖掘提供了参考.

非平稳信号的一种ARMA模型分析方法

该文提出了一种新的非平稳信号的时变参数ARMA模型分析方法,用它分析数据需两个基本步骤:首先,用一种信号分解方法把信号分解成一些基本模式分量。接着,对分解得到的基本模式分量建立时变参数ARMA模型,从而得出时颇平面上的时变参数ARMA模型谱。该方法可用于复杂的非线性、非平稳信号的处理。