改进GM(1,1)-ARIMA-LR模型天然气产量预测研究

为提高天然气产量在少样本情形下预测的准确性,基于对过去的预测误差进行学习的思想,加入自适应学习因子和组合学习因子以改进模型,构建包含GM(1,1)、ARIMA和LR的集成预测模型。该模型以平均误差百分比为评价指标,依据预测步长变化和过去预测误差对单个模型分别进行动态调整,再建立目标规划模型对各模型进行动态加权。实证结果表明,改进GM(1,1)-ARIMA-LR模型能够更好地提取时间序列的长短时依赖关系,与其它的主流模型相比,其预测精度更高。对近5年的天然气产量进行一步、五步与八步预测,GM(1,1)-ARIMA-LR集成模型预测误差分别为1.187%、3.129%、9.855%。本文运用该模型对2023-2030年中国天然气产量进行预测。

基于ARIMA和模拟退火算法的电商包裹调运问题研究

随着网络购物方式的日益普及和互联网经济的发展,因促销活动和物流场地停用所导致的运输和分拣包裹成本上升的问题也随之而来。为了降低运营成本、提高运营效率,预测物流场地和运输线路的货物量,为货物调运选择最优路线和方案尤为重要。基于此,建立了ARIMA时间序列预测模型,对物流场地和线路未来的货运量进行预测研究,建立线性规划模型,优化调整突发情况下的货运线路,利用模拟退火算法进行求解,选择影响程度较小的最优线路,降低运输成本。

基于ARIMA模型的区域用电量预测方法

传统区域用电量预测方法存在预测能力差的问题,为此,提出基于ARIMA模型的区域用电量预测方法。获取区域的历年用电量数据进行预处理,获取统一的用电量数据;再利用ARIMA模型对用电量时间序列进行平稳性检测,利用最小二乘估计方法估值用电量参数;最后结合线性神经网络构建区域用电量预测模型,将统一的用电量数据放入模型中进行计算,以此完成区域用电量的预测。实验结果表明,所提方法可以有效检测出电量负荷及电量同比增速,预测能力强、预测精度高。

西安市城市生活垃圾产生量的多元回归及ARIMA模型预测

基于西安市历年来城市生活垃圾产生量及其影响因素的基础数据,通过对其相关系数的计算,确定西安市城市生活垃圾产生量的主要影响因素为人口数量、地区生产总值、城镇居民可支配收入及建成区面积。建立生活垃圾产生量的多元回归预测模型,对模型的合理性和精度进行分析,预测精度可接受,证明多元回归模型可用于城市生活垃圾产生量的预测。引入ARIMA模型,对所需因子进行预测,应用多元回归模型,对西安市2019—2020年的生活垃圾产生量进行了预测,结果表明,2019—2020年西安市城市生活垃圾产生量将分别达到4.922×106 t、5.219×106 t,且这2 a的垃圾产生量增长率将达到6.0%。

基于高斯粒子滤波的陀螺ARIMA模型辨识方法

ARIMA模型是陀螺信号处理中的一种重要方法,研究ARIMA模型辨识方法对提高陀螺精度有着重要意义。针对常规ARIMA建模滤波方法应用于光纤陀螺时滤波精度较低的问题,在ARMA模型基础上建立了一种适用于中低精度光纤陀螺的非平稳随机过程的ARIMA模型,提出了基于高斯粒子滤波的光纤陀螺ARIMA模型辨识方法。将光纤陀螺的ARIMA模型辨识与状态估计相结合,构建非线性的滤波模型,利用光纤陀螺实测信号进行了实验,结果表明所提出的方法能够有效地抑制光纤陀螺随机噪声,具有较高的工程应用价值。

基于ARIMA模型的高铁浮动票价与票额分配优化方法

针对我国铁路单一的票价体系和确定性票额分配方式问题,探索高铁列车票价与票额的综合优化方法;依据时间序列分析原理,考虑客流的随机性,构建ARIMA客流预测表达式,将该表达式嵌入Log-Linear需求与价格的函数关系式中,结合票价制定规则、列车定员等约束,构建以铁路运输收益最大为目标的高铁列车浮动票价与票额分配综合优化模型;以G13列车为例进行计算分析,算例结果表明该模型能提高铁路运输收益,为高铁票价与票额的综合优化提供一定参考依据。

MLR和ARIMA模型在民航安全业绩预测中的应用

为预测民航安全业绩发展趋势,通过散点图、相关系数、主因子分析等多种统计方法,筛选5大类、共计20项与民航安全运行关系密切的社会经济指标,建立民航综合安全指数MLR模型;依据中国民航在1995—2014年间的安全生产历史数据,分析其发展历史、现状、特征与存在的问题,并利用ARIMA模型进行预测分析。结果表明,人员素质因子和技术能力因子对民航安全均有显著影响;民航安全综合指数预测值在2015—2017年间总体稳定;MLR方法和ARIMA模型对民航安全趋势的耦合分析结果良好。

基于ARIMA模型及线性神经网络的用电量需求预测研究

利用二阶差分后平稳的历史用电量数据,建立ARIMA(0,2,2)模型,计算平均相对误差,并进一步采用线性神经网络分段逼近历史用电量之间的关系.最后以北京市为例进行实证研究,结果显示:线性神经网络的预测效果优于ARIMA模型.

基于ARIMA与线性回归组合模型的汽车销量预测分析

现有的汽车销量预测模型大都脱离汽车企业的实际情况,侧重于中国汽车市场的整体销量预测,且预测数据来源难以获取,在各品牌的汽车主机厂并未得到广泛应用。论文根据主机厂数据现状,结合现有汽车销售流程,分析面向品牌的汽车销量预测的主要因素,提出一种基于ARIMA与线性回归组合模型的单品牌汽车销量预测模型,为单品牌的汽车销量预测提供建模参考。

洛阳市人口发展趋势的ARIMA模型

基于洛阳市1989-2009年人口总量数据和线性时间序列建模方法,建立了洛阳市人口发展趋势的ARIMA(2,2,1)模型,并且对2010-2016年洛阳市人口总量和发展速度进行了预测.预测结果显示,洛阳市总人口在未来几年将保持平均增长量为3.6万,平均增长率为0.52%的态势增长.

结合MLR和ARIMA模型的时空建模及预测

针对传统时间序列建模预测过程中忽略空间因素影响和时空交互的问题,提出了一种基于时空多元回归(MLR)的ARIMA预测方法,并应用于某省月均气温的时空预测研究中。通过时序分解去除时空变量明显的季节变化;运用全子集回归法确定显著影响气温的因素,继而得到去季节项数据的MLR模型,从而去除气温的时空趋势变化得到随机变化项;对各站点的随机项时间序列分别进行ARIMA建模;将随机项的预测值与前两项预测值重组,获得最终各站点的时空预测值。实验结果表明,预测值与观测值整体相关系数为0.993 4,误差绝对值均值约为0.9℃。

基于Holt线性趋势和ARIMA模型对安徽省能源消费的预测

能源消耗直接关系到一个地区的发展,能够预测到一个地区的能源消耗量有利于今后的能源调度配置方案的制。针对安徽省能源消耗问题,选择1990年到2017年的安徽省能源消耗量数据,综合利用EViews,SPSS,EXCEL等软件,采取Holt线性趋势模型和ARIMA模型对安徽省2018年到2022年的能源消耗量进行预测。所建立的模型通过相关检验,预测效果理想,并对两个模型的预测结果进行对比分析。最后,根据所得到的结果,对安徽省今后能源使用提出相应的建议,助力区域发展。

基于Mann-Kendall突变检验与ARIMA模型的臭氧水平预测

目的针对未来50年臭氧水平预测,首先以南半球为例,从美国航空航天局(NASA)中获取1985—2015年臭氧含量的数据,按季节分为4类。方法运用Mann-Kendall突变检验的方法,利用MATLAB软件对数据进行检验,应用ARIMA模型对不同季节分别进行预测,考虑到影响大气中臭氧含量的3类因素:相关卤烃浓度、氟氯烃浓度以及氮氧化物浓度,以它们为自变量,臭氧含量为因变量做多元线性回归模型。结果全球30年的春季未出现大的突变,全球30年夏季未出现大的突变,全球30年秋季未出现大的突变,全球30年冬季未出现大的突变;其次,残差序列已经可以认为是一个纯白噪声的序列。结论未来50年臭氧含量不会一直减少,因变量与自变量成反比,即这些物质的排放量逐渐减少,未来50年大气中的臭氧含量缓慢升高至平稳。

基于ARIMA模型探析垃圾分类影响因素及总量预测

针对垃圾生产总量的变化及处理问题,以上海市为例,运用系统聚类、多元回归及最小二乘法等方法,分别构建了聚类模型、双对数线性模型、ARIMA等模型,结合SPSS、Eviews、R语言等软件程序求解,阐释了垃圾分类的内在机理,对未来5年上海市的垃圾总量进行预测.结果表明:垃圾总量的主要影响因素为建筑垃圾,上海市未来几年的垃圾产生量将逐渐回归到2012年之前的水平.在现有政策的基础上,为垃圾分类较好推广提出了合理的建议.

基于多元线性回归与ARIMA组合模型在热轧现货价格预测中的应用

为了实现对热轧现货价格变化的短期预测,本文提出一种基于多元线性回归模型与整合移动平均自回归(Autoregressive Integrated Moving Average,ARIMA)模型的组合预测模型,运用优化组合的模型预测热轧现货未来的现货价格。实验结果表明,该组合模型在预测精度方面有提高,具有一定的实用价值.

基于ARIMA模型对突发状况下煤炭价格的预测

针对突发状况下煤炭价格的预测,考虑煤炭价格的影响因素较多,运用层次分析法,选择合理的影响因素,计算其权重.基于灰色马尔科夫预测模型和多元线性回归分析,研究煤炭价格的波动趋势,运用ARIMA模型得出在突发状况下煤炭价格的急剧下降走向的结论.

非线性代数模型LSTM的应用研究——以股票指数预测为例

为合理预测我国股票指数,建立了一个深层LSTM非线性模型。根据新浪财经提供的2020年1月1日至12月31日,中国股票市场18个指数相关的数据,运用LSTM非线性模型预测该18个指数的收盘价,并将LSTM非线性模型的预测性能与ARIMA线性模型和SVR非线性模型进行对比。实验表明,在短期与长期预测性能对比中,LSTM非线性模型的预测性能最佳。

民航安全状况与社会经济指标关联分析

为了分析中国民航的安全趋势,基于中国民航1995-2014年安全生产历史数据和民航安全运行关系密切的26项社会经济指标,利用因子分析、相关系数等数学方法,建立了多元线性回归模型分析民航安全状况与社会经济指标的管理关联性。该模型表明对民航安全具有显著影响的社会经济指标包括国民经济、产业结构和人员素质。通过对比安全生产指标的拟合值和实际值,分析民航安全趋势的变化规律,并利用自回归移动平均模型预测2015-2018年民航安全生产指标值。计算结果显示该时间段内民航安全生产指标将处于历史高位,且呈现缓慢上升趋势。最后给出了针对行业安全监管、安全运行等方面的改进建议。

地方税收收入预测的数学模型——以贵州省为例

建立地方税收收入的3个单一模型,针对单一模型中存在的模型误差,将组合预测的方法引入地方税收收入预测中,构建基于Cubic模型和ARIMA模型的非负组合预测模型.利用地方税收收入数据进行实证研究表明,组合预测模型的误差优于相应的单一预测模型.

3种模型在肺结核发病率预测中的比较研究

目的对GM(1,1)模型、霍尔特双参数指数平滑预测模型和ARIMA模型在肺结核发病率预测中的效果进行比较。方法利用1980-2007年北京市肺结核的发病率分别建立GM(1,1)灰色预测模型、霍尔特双参数指数平滑预测模型和ARIMA模型,对建立的模型进行拟合。比较3个模型的拟合效果,同时利用ARIMA模型对2008年北京市的肺结核发病率进行预测。结果针对北京市肺结核发病率建立的GM(1,1)模型、霍尔特双参数指数平滑预测模型和ARIMA模型的平均误差率(MER)分别为15.11%、9.51%、9.52%,决定系数R2分别为0.935、0.964、0.969。结论 ARIMA模型对于隐含波动周期并且不稳定的循环型时间序列拟合效果优于GM(1,1)模型,对解决时间序列类型的肺结核发病率等资料有很好的实用价值。