应用自适应HP滤波的卫星遥测数据预测方法

在应用HP(Hodrick-Prescott)滤波的卫星遥测数据预测方法的基础上进一步研究,提出了基于二分法和琴生不等式判别的自适应HP滤波的遥测数据预测方法,有效解决了平滑参数的选择困难。同时,趋势项和波动项预测在应用HP滤波的方法的基础上有创新和优化,分别采用了线性预测模型和自回归单整移动平均(ARIMA)模型,有利于有效趋势特征提取和模型参数调整范围的优化。应用文章方法对卫星在轨行波管阳极电压数据进行分析,证实了方法的正确性和有效性。此方法可有效提高预测精度,实现遥测数据中长期预测,在卫星故障诊断和预警方面具有工程应用价值。

基于HP滤波法的2012-2018年北京新发地市场茄果类蔬菜价格波动研究数据集

茄果类蔬菜是居民餐桌上普遍的菜肴,也是我国重要的栽培蔬菜之一。茄果类蔬菜价格具有非平稳、波动大等属性,掌握其历史价格走势和波动规律可为保障蔬菜供应价格稳定、引导市场有序运行提供科学指导及支撑。通过数据采集整理、平稳性检验和HP滤波法分解处理,形成了北京新发地农副产品批发市场茄果类蔬菜价格波动研究数据集,涵盖2012-2018年间的周度和月度2个尺度,茄子、西红柿、青椒、豆角和黄瓜5种茄果类蔬菜,具体包括蔬菜类型、所在市场、日期、周/月均价、周/月均波动率、周/月均最高价、周/月均最低价、周/月均价HP滤波趋势值、周/月均价HP滤波波动值等数据,反映出北京新发地市场茄果类蔬菜价格的周度和月度变化特征,为科学研究北京市茄果类蔬菜价格波动和监测预警提供了数据基础。

基于HP滤波的股票长期价格神经网络模型预测

将上证指数和深证成指股票数据作为研究对象,对股票长期价格进行预测.选取长短期神经网络、循环神经网络、HP滤波长短期神经网络混合模型和HP滤波循环神经网络混合模型进行比较分析.经过模型间的对比分析,发现HP滤波对长短期神经网络预测的优化效果要优于循环神经网络.

基于HP滤波模型的农产品价格波动分析——以水果为例

运用2001-2011年的鲜果零售价格数据,分析了我国水果价格波动主要特征,运用X11季节调整模型实证分析季节性因素对我国水果价格波动的影响;运用HP滤波分解模型将2001—2011年我国水果价格指数序列分解为趋势值序列和波动值序列,据此考察我国水果价格长期波动的趋势,并对短期波动的周期进行划分。研究发现:我国水果价格具有稳步上涨的长期趋势,但季节性因素、不可观测性因素及国际经济因素会使价格在短期内剧烈波动;此外,研究期内我国水果价格波动可划分为7个周期,各周期持续的时间长度、谷-峰落差都不尽相同,研究末期水果价格波动的幅度和频率都明显提高。提出为了稳定我国水果价格,有必要从生产、消费及进口方面采取针对性措施对水果价格加以调控。

基于HP滤波的SARIMA中期电力负荷预测

在用时间序列模型做电力负荷预测时,季节性是中期负荷预测重点分析的因素项。对全国2004年1月到2013年12月的电能消耗数据建立SARIMA模型,在模型定阶和参数显著性检验中发现,季节性因素的参数在调整过程中多数情况下不显著,这与季节性本身相矛盾,不利于SARIMA模型建立后的预测过程。鉴于这种情况,对原序列进行修整,将HP滤波法应用到ARIMA模型建立之前,提取不同频率的波谱序列。并运用OLS法分别建立模型进行分析,弱化趋势性、季节性等因素之间的相互作用,最后根据HP滤波原理对2014年1月到11月的电能消费量做出综合预测。从预测结果看,这种方法可以降低由序列趋势性、季节性等因素相互影响产生的相对误差,提高预测精度。

基于HP滤波—AR模型—GARCH族模型对黄金价格预测研究

黄金作为一种特殊的贵金属,不仅其本身具有货币和商品的双重功能,而且对经济领域有着重要影响,因此预测黄金价格趋势对社会经济发展具有重要意义。文中提出了一种新的预测方法:首先采用HP滤波将时间序列分解为趋势要素序列和周期波动序列;然后针对不同序列的性质,对趋势要素序列采用自回归模型(AR)拟合预测,对周期波动序列采用ARMA-GARCH族模型拟合预测;最后将两个预测序列相加与原序列比较;预测结果在模型精度和范围上均令人满意。

基于HP滤波法和VEC模型的R&D投入与经济增长的动态关系研究

运用HP滤波分析、VEC模型、脉冲响应函数和方差分解等方法,从动态角度分析R&D投入和经济增长之间的互动关系。研究结果表明,R&D经费投入的波动幅度大于R&D人员数量的波动幅度;我国R&D投入与经济增长之间存在着双向互动关系,R&D投入的冲击会引起经济增长正向响应,但是当经济增长发生波动时,会对R&D投入产生负向效果;认为在当前阶段,我国应当持续增加R&D投入。

基于HP滤波和ARIMA模型的我国GDP分析与预测

选取中国改革开放以来GDP的年度数据,运用HP滤波技术将GDP序列分解为长期趋势部分(Trend)和短期波动部分(Circle)并进行宏观描述性分析。对GDP序列建立ARIMA(p,d,q)模型,依据赤池信息准则(AIC)、施瓦茨准则(SC)和杜宾-瓦特森(DW)检验值筛选出最优模型并评价模型的精确性,运用该模型对GDP序列做近期预测。结果表明:我国GDP序列长期趋势表现为持续增长特征,短期趋势表现为波动特征;我国GDP的对数序列是一阶单整序列;ARIMA(1,1,2)模型能够很好地反映GDP变化的规律,其预测的平均相对误差为0.015。

基于HP滤波法的菠萝价格波动分析——以北京丰台区新发地农产品批发市场为例

近年来,菠萝价格波动异常频繁,对消费者和生产者造成很大的影响。本文运用2011年8月至2015年9月北京丰台区新发地农产品批发市场菠萝批发价格数据作为研究对象,剔除通货膨胀对菠萝价格的影响,分析菠萝价格波动主要特征;运用Census X12季节调整模型和HP滤波分解模型将2011年8月~2015年9月的菠萝价格分离出趋势和循环序列,据此考察菠萝价格长期波动的趋势,并对短期波动的周期进行划分,以此剖析菠萝价格波动存在的内在规律。研究发现：菠萝的批发价格属于一种高峰型的波动并具有稳步上涨的长期趋势,但扩张能力正在逐渐下降;菠萝的批发价格很不稳定,变动的幅度很大,波动周期短,市场稳定性差、风险高容易受到其他因素的影响。

基于HP滤波的ARMA-ABCSVR-GABP网络流量预测

针对当前网络流量无法根据流量变化的特征进行预测,且通过单一或者组合模型依然得不到较高准确率的问题,提出一种基于HP(High-Pass Fliter)滤波的流量预测模型。基于高铁站流量数据日高夜低的周期特性以及流量波动增长的长期趋势,依据HP滤波将网络流量分解成周期序列及趋势序列。利用自回归-滑动平均模型(ARMA)对平稳序列预测的优势来进行周期变化的预测;使用人工蜂群算法(ABC)优化后的支持向量回归机(SVR)对趋势序列进行预测;将二者预测的结果叠加,使用遗传算法优化的BP神经网络(GABP)进行结合预测,进一步提高准确率。结果显示,该预测方法可靠,较其他方法具有优越性。

应用HP滤波的卫星遥测数据预测方法

卫星遥测数据预测分析在故障预警中发挥着重要作用。文章将用于时间序列分析的HP(Hodrick-Prescott)滤波引入到遥测数据分析领域中,提出了基于HP滤波分解的卫星遥测数据预测方法,并设计了在轨应用的系统方案。利用HP滤波将遥测数据的时间序列分解成趋势成分和波动成分,并根据各项特点分别使用多元自回归和季节型单整自回归移动平均(ARIMA)模型进行预测,然后叠加趋势成分和波动成分各自的预测值,得到最终组合预测结果。该预测方法可以有效降低由趋势性、波动性等因素相互影响产生的误差,提高预测精度,其系统方案可在卫星监视、故障诊断和预警中实际应用。利用预测方法对某卫星行波管阳压遥测数据进行分析,验证了预测方法的正确性和有效性,在半年时间内的预测结果的相对误差小于0.04%。

基于HP滤波模型苜蓿草进口价格波动分析

本研究分析了2008年1月-2017年12月苜蓿草(Medicago sativa)进口价格的波动特征,运用Census X12季节调整模型消除季节性因素及不规则要素,进一步采用HP滤波模型将价格序列分解为趋势值序列和波动值序列,并划分波动周期。本研究揭示的苜蓿草进口价格波动和周期性变化规律对于畜牧企业进口贸易具有重要的意义,可以降低苜蓿干草价格波动带来的负面效应。

基于HP滤波和协整理论的期货套利研究

利用Engle-Granger检验法,检验上海沪铜期货两个近月合约收盘价数据的长期均衡关系.在满足协整理论前提下,利用HP滤波法将两序列分别分解为长期趋势和短期波动周期性两种成分,并建立一种新的跨期套利方法:通过高阶自回归模型拟合趋势成分,并将趋势成分拟合误差转入周期性成分,通过GARCH类模型族对修正后的周期性成分进行拟合;再运用穷举法搜索历史数据标准化残差最优建仓与平仓阈值,建立最优套利方案;最后利用拟合模型进行预测和最优套利方案对未来数据套利.实证结果表明:基于HP滤波的套利方法,平滑指数越小,套利利润越高.与传统未进行HP滤波的套利方法相比,套利成功率较高,风险能得到有效控制,且投资者有较高的收益.

基于HP滤波法的贝类批发价格波动特征分析——以威海水产品批发市场为例

目前,中国贝类价格波动特征的定量研究基本空白,本文借鉴农产品价格波动研究中常用的HP滤波方法,选取威海市水产品批发市场公示的四种贝类(菲律宾蛤仔、栉孔扇贝、牡蛎、鲍)批发价格作为研究对象,对价格进行分解后分析其波动特征。结果显示,过去9年,贝类批发价格以3年为期呈现"增-减-增"的长期趋势;季节因素在夏秋两季对贝类批发价有负向影响,冬春两季则有促进作用;贝类批发价格循环周期短、随机性波动较频繁。这表明,建立贝类价格预测预警机制,防范趋势性和随机性的价格波动风险,是十分必要的。

基于HP滤波与ARIMA-GARCH模型的柱塞泵泄漏量预测

柱塞泵关键摩擦副磨损造成的泄漏增大是其性能退化的主要原因,预测泄漏量的变化趋势有助于定量分析柱塞泵性能退化过程。该研究使用HP(Hodrick-Proscott)滤波对柱塞泵泄漏量进行分解,结合滤波后得到的趋势数据具有非线性及方差异性的特征,基于时间序列方法建立HP-ARIMA-GARCH(HP-Auto Regressive Integrated Moving Average-Generalized Autoregressive Conditionally Heteroscedastic)模型预测柱塞泵泄漏量变化。通过不同时段泄漏量预测结果比较可知,根据HP滤波分解后得到的趋势数据序列建立的HP-ARIMA-GARCH模型较传统时间序列模型预测结果的平均相对误差最高可减小5.42个百分点,能够实现对泄漏量的有效预测。研究结论可为柱塞泵性能退化的定量预测提供理论参考。

基于HP滤波对大宗水果市场价格波动规律的研究

选取2005年1月至2019年7月的175*3*2组时间序列数据,包括红富士苹果、香蕉、橙子在内的三种代表性水果的集贸市场中等价格和集贸市场中等价格和中等价格指数。运用Census X-12季节调整法,HP滤波模型,剔除红富士苹果,香蕉和橙子三种水果在价格波动过程中的季节因素和长期发展趋势,深入挖掘大宗水果市场价格波动的周期性以及短期波动因素。找出大宗水果市场价格波动的主要原因,为我国大宗水果市场之后的价格稳定机制的搭建提供参考性意见。

基于HP滤波与非线性维纳过程的退化建模与失效分布研究

针对退化建模中广泛采用的非线性维纳过程难以得到失效时间分布精确表达式的问题,提出了一种新的非线性维纳过程退化建模与失效分析方法。首先,运用HP（Hodrick-Prescott）滤波提取退化数据的长期趋势;其次,从理论上说明对数变换消除非线性异方差的可行性;然后,提出非线性维纳过程二步估计方法,利用最小二乘法进行确定性漂移趋势的参数估计,利用极大似然估计法进行扩散参数估计,在此基础上给出首达时意义下非线性维纳过程失效时间分布的精确表达式;最后,以焊点为研究对象进行退化建模与失效分析,实测实验数据分析结果表明,非线性维纳过程退化建模方法能够给出焊点失效时间分布,且精度优于线性维纳过程,更优于回归模型。

基于HP(2)-ENN模型的高炉煤气发生量预测

针对钢铁企业高炉煤气发生量频繁波动,且难以通过建立机理模型进行预测的问题,结合HP滤波、Elman神经网络各自性质,建立了HP(2)-ENN模型对高炉煤气发生量进行预测。根据企业实际数据应用模型,结果表明,所建模型预测效果良好,与其他常用模型相比,适合高炉煤气发生量的预测,并为合理调度副产煤气提供操作依据。

“双碳”目标下我国煤炭减量化使用的压力指数测度研究

煤炭是我国能源供给的主体品种,煤炭使用是我国碳排放的主要来源,在双碳目标和能源保供给的双重约束下,煤炭减量化使用很迫切,但会给国民经济带来较大的压力。本文通过修正的等方差加权法测度我国30个省(区、市)煤炭减量化使用的压力。在全国层面的分析中,本文基于ARIMA模型与ARMA-EGARCH(1,1)模型,得到了煤炭减量化使用压力指数在2021~2035年有下降的趋势,且煤炭波动的风险处于可控范围的结论;在地区视角下的研究区域层面的分析中,本文基于ARIMA模型与灰色关联度模型,得到了煤炭减量化使用压力指数的变化趋势存在地区间、地区与全国层面的异质性,在2014年后异质性逐步降低,在2021年后异质性变化将进一步平稳等结论。应坚持“先立后破”的能源转型思路,大规模发展可再生能源,为煤炭减量化使用创造宽松的外部经济环境;要积极赋能煤资源型地区和煤炭企业进行自我转型,降低煤资源型地区的减煤压力。

基于指数平滑和PSO-BP混合模型的建筑工程造价指数预测

建筑工程造价指数是进行工程造价管理的重要依据。为了提高建筑工程造价指数预测的准确性,首先,利用HP滤波将造价指数分解为趋势序列和波动序列,然后采用指数平滑模型对趋势造价指数序列进行预测;其次,利用粒子群算法(PSO)优化的BP神经网络对建筑工程造价指数的波动序列进行预测,PSO-BP神经网络模型的输入指标为引起造价指数变化的4种材料价格;最后,叠加二者预测值即为建筑工程造价指数的预测值。实验结果表明:该混合模型对6个月的造价指数预测的平均相对误差为0.55%,取得了很好的效果,为准确预测建筑工程造价指数提供了一定参考。