Holt-Winters方法与ARIMA模型在中国航空旅客运输量预测中的比较研究

我国航空运输市场近几年保持持续高速增长态势,国内的航空公司、机场及相关企业有着很大的发展空间。对航空旅客运输量作出准确的预测是相关企业和部门准确把握行业发展趋势,制定正确竞争和投资战略的基础和前提。根据航空旅客运输量趋势性和季节性较强的数据特点,分别使用季节ARIMA模型和加法模型下Holt Winters方法,对中国航空旅客运输量作出了预测,并将预测结果加以比较。

基于ARIMA乘积季节模型和Holt-Winters季节模型的梅毒月发病率预测

目的:探讨ARIMA乘积季节模型和Holt-Winters季节模型在我国梅毒月发病率预测中的应用价值。方法:以2005年1月至2015年12月梅毒月发病率数据为基础,运用SPSS 22.0和Eviews 8.0分别建立ARIMA乘积季节模型和Holt-Winters季节模型,采用2016年1至6月的实际数据验证模型,评价指标是预测误差和平均绝对误差(MAE)。选择精度较高模型预测2016年7至12月梅毒月发病率。结果:MAE的比较结果表明ARIMA乘积季节模型预测精度优于Holt-Winters季节模型,最优模型是ARIMA(1,1,1)×(0,1,1)12,模型口径为:(1-B)(1-B12)(1+0.374B)xt=(1+0.740B)(1+0.775B12)εt,2016年7至12月梅毒月发病率的预测结果(1/10万)分别为3.107、2.989、2.879、2.658、2.631、2.644。结论:ARIMA乘积季节模型具有较高的预测精度,可较好地拟合全国梅毒月发病率的演变趋势。

基于改进遗传算法的Holt-Winters模型在采空沉陷预测中的应用

针对遗传算法存在的缺陷,提出了用小生境方法改进遗传算法。为了提高采空沉陷预测精度,借助Holt-Winters模型的预测功能,应用改进遗传算法求解和优化Holt-Winters模型组合参数,形成了改进遗传算法-Holt-Winters模型组合算法。将组合算法应用于长平高速公路采空区路段沉陷预测,计算表明:改进遗传算法弥补了传统遗传算法易早熟、局部寻优能力弱的缺陷;改进遗传算法-Holt-Winters模型组合算法克服了按梯度试算法搜索质量差和精度不高的缺点,输出稳定性好,预测结果相对误差在2%以内,预测精度显著提高;在采空沉陷中长期预测的相对误差小于0.79%,该算法可用于中长期采空沉陷预测。

基于小波变换和季节性Holt-Winters模型的短期负荷预测方法

精准的负荷预测对售电公司在电力市场中的运行起着十分重要的作用,而企业用户的负荷受多种因素的影响具有不平稳的特性,对此,提出了基于离散小波分解和粒子群优化的季节性Holt⁃Winters模型的短期负荷预测方法。针对原始负荷序列周期性不平稳的特性,利用离散小波变换对原始负荷序列进行分解,并采用季节性Holt⁃Winters模型进行预测,同时借助小波去噪和粒子群算法进一步提高预测模型的准确性。小波去噪在过滤原始数据中潜在的噪声的同时,对数据进行平滑处理,而粒子群算法能让Holt⁃Winters模型在训练过程找到最优参数。采用该模型来预测具有不同变化趋势的日负荷曲线,结果表明所提出的模型具有较高的预测精度,可适用于不同用电类型的用户负荷短期预测。

应用holt-winters加法模型预测出院人次

目的分析holt-winters加法模型预测出院人次的效果。方法使用Eviews6.0软件,采用holt-winters加法模型预测,并与单参数指数平滑方法的计算结果进行比较。结果加法模型拟合效果很好,加法模型的均方误差较单参数平滑方法小。结论 holt-winters加法模型适用于预测出院人次序列。

基于Holt-Winters模型的铁路月度货运量预测研究

铁路货运量预测是铁路运输市场分析的重要内容,对铁路货运业务的开展有着重要指导意义。铁路月度货运量数据序列是既有趋势性增长又有季节性波动特征的时间序列,Holt-Winters模型适用这类时间序列的预测。本文构建Holt-Winters乘法模型来进行铁路月度货运量预测,并以某铁路局化肥月度货运量为原始数据来做实证分析,最后与灰色模型、分组回归等传统预测模型的结果进行比较,结果显示Holt-Winters模型的预测精度最高。

基于STL-Holt-WOA-RF的拱坝位移预测模型

传统的混凝土拱坝位移预测模型主要关注水压、温度、时效等因素与拱坝位移之间的关系,未对拱坝位移数据中所包含的信息进行充分挖掘。为此,采用Seasonal and Trend decomposition using Loess算法(STL)将拱坝位移原始数据分解为趋势序列、周期序列及残差分量。在此基础上,采用鲸鱼优化算法(WOA)结合随机森林算法(RF)对三个分量进行预测,并使用Holt-Winters算法充分考虑趋势序列中的趋势信息对趋势序列的预测结果进行修正。最后将修正后的趋势序列预测结果和周期序列、残差分量预测结果相加,得出拱坝位移最终预测结果。工程实例表明,基于STL-Holt-WOA-RF的拱坝位移预测模型能够显著提高预测的准确性和稳定性,为拱坝位移预测提供了新的思路和方法。

基于神经网络与Holt-Winters模型的铁路货运量组合预测

铁路货运量的预测结果直接影响到铁路运输计划以及有关运输政策的制定.在有关文献研究的基础上,提出了基于Holt-Winters模型和神经网络的铁路货运量组合预测方法,并为Holt-Winters模型和神经网络模型设计了相应的算法,同时,采用最小绝对值法,确定了组合模型中各单项预测模型的权重.最后利用实例验证了该组合预测方法的有效性和实用性.预测结果分析表明:最大预测误差为9.13%,最小预测误差为2.38%,说明本文提出的组合预测模型充分考虑了多指标的共同作用,具有一定的科学性.

Holt-Winters模型与X-11模型在预测中的比较研究

以实际数据为例,对一时间序列分别建立Holt-Winters模型与X-11模型并进行预测。从而对这两种统计模型进行比较研究,得出对于既有趋势又有季节性的时间序列进行预测X-11模型优于Holt-Winters模型。

Holt-Winters与ARIMA模型在电离层总电子含量预报中的比较

利用IGS中心发布的15天TEC数据作为样本,采用Holt-Winters加法、Holt-Winters乘法和ARIMA模型分别进行5天的TEC值预报。分析了太阳活动、纬度、预报时长对3种模型预报精度的影响。实验结果表明,3种模型的预报精度会随着纬度的降低、预报时长的增加而呈下降趋势;电离层活动平静期的预报精度要优于活动活跃期。在平静期,3种模型在高纬度地区的预报效果大致相同;在中、低纬度地区加法模型的预报效果要优于另外两种模型。在活跃期,3种模型在高纬度地区的预报效果大致相同;中纬度地区乘法模型和ARIMA模型预报效果要优于加法模型;在低纬度地区,加法模型和乘法模型的预报效果要优于ARIMA模型。加法模型精确预报时长可以达到5天左右,而乘法模型和ARIMA模型只能达到3天左右。

基于Holt-Winters无季节指数平滑模型的国内电影票房预测

本文首先对2002-2014年国产2D电影票房数据进行分析,从票房现状、观影人数、国产影片数量、院线数量、影院数和银幕数这五个方面,了解了国产电影的现状。其次,通过Holt-Winters无季节指数平滑模型和双指数平滑模型的对比,选择Holt-Winters无季节指数平滑模型对2015年国产电影票房进行预测。

基于Holt-Winters与最小二乘支持向量机的混合预测模型

为了提高地下水埋深时间序列的预测精度,本文应用Holt-Winters三参数指数平滑法作为预测模型,使用最小二乘支持向量机对残差序列进行预测。由于核参数和惩罚因子在很大程度上直接影响了最小二乘支持向量机的预测性能,本文选用果蝇优化算法对其参数进行优化选取,该方法不仅能够建立最优的混合预测模型,而且能够很好地捕获地下水埋深序列的非线性特征。选用甘肃民勤县大坝乡城西八社地下水监测站点的数据来验证所建模型的预测性能,实验结果表明与传统的单一预测方法相比,本文所建混合预测模型提高了预测精度。

基于Holt-Winters及长短期记忆的云资源组合预测模型

云资源的预测分析对于响应资源请求并及时做出决策非常重要,针对容器云资源的过度调配、供应不足的资源管理问题以及云资源预测精度低、数据波动性等问题,为使云资源的预测能够为工作负载的需求提前响应并做出合理分配,提出了一种基于Holt-Winters和长短期记忆神经网络(long short-term memory,LSTM)(HW-LSTM)的云资源组合预测模型,并以预测残差的变异系数赋权。对亚马逊CPU数据集的预测实验表明,提出的组合模型比Holt-Winters、LSTM及卷积神经网络(convolutional neural networks,CNN)模型预测性能及稳定性更好,均方根误差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)、平均绝对百分比误差(mean absolute percentage error,MAPE)、平均绝对比例误差(mean absolute scaled error,MASE)、方差D(n)优化范围分别为0.065~1.026、0.023~0.269、0.001~0.007、0.004~0.039和0.079~4.125。

ARMA模型和Holt-Winters指数平滑模型在企业用电量预测中的应用与分析

本文通过对时间序列的研究分析,提出基于ARMA模型和基于Holt-Winters指数平滑模型进行企业用电量预测的方法。对采集的中山市某企业用电量数据样本分别用上述两种模型建模和后续30天的用电量数据预测,分析样本数量对预测准确度的影响、用累计短期高频数据预测中长期数据的效果,比较两种模型的预测准确度。结果显示:基于ARMA模型的预测方法对于企业未来30天逐日用电量预测能够达到平均95%以上的拟合度,基于Holt-Winters指数平滑模型累计逐日预测数据预测下1个月用电量数据具有高达99%以上的拟合度,二者组合应用具有较高的可行性和推广价值。

基于ARIMA与Holt-Winters组合模型的电离层TEC预报

分别采用时间序列中的求和自回归移动平均模型ARIMA(Autoregressive integrated moving average)模型和指数平滑模型Holt-Winters的加法模型,对IGS站发布的广西地区16个格网点进行短期的电子含量TEC预报。并利用组合权重的方法对两种模型组合进行TEC短期预报。分析比较不同季节各个模型的预测效果,以及电子含量的变化与太阳黑子数变化之间的联系。结果表明,组合模型的预测精度在各个季节都优于两种单一模型,不同季节,太阳黑子数的含量和电离层电子含量预测的精度也有较大差异。

ARIMA模型和Holt-Winters方法在边坡土体深层水平位移预测中的比较

边坡土体深层水平位移预测是边坡变形监测的重要内容,对预防边坡安全事故有重要指导意义。典型的两种时间序列预测方法:ARIMA和Holt-Winters,适合预测边坡土体深层水平位移这类是既有随机性增长(或降低)又有时变性波动的非平稳时间序列。选取了648个土体深层水平位移历史数据作为实证分析的原序列,使用ARIMA模型和Holt-Winters方法对其作出了预测,并比较分析预测结果。结果表明:两种方法的短期预测效果都很好,各具特点。

EEMD-Holt-Winters的电离层TEC预报模型

利用IGS中心提供的全球电离层TEC数据,建立集合经验模态分解与Holt-Winters组合的预报模型。根据地磁活动情况,选取地磁平静时段和地磁活跃时段的低、中纬度TEC序列,分别采用EEMD-Holt-Winters组合模型和单一Holt-Winters模型进行建模预报。实验结果表明,地磁平静期文中模型的相对精度最优可达91.71%,均方根误差最优可达1.54 TECu,地磁活跃期文中模型的相对精度最优可达86.83%,均方根误差最优可达2.18 TECu,预报结果较单一模型有显著提高。

Holt-Winters模型在卷烟预测中的应用

提出基于Holt-Winters卷烟预测模型,对该预测模型设计了相应的算法,并以实际数据为例验证了Holt-Winters模型预测方法的有效性和实用性。

基于Holt-Winters模型的济南泉域地下水资源保护研究

以济南名泉趵突泉历年的地下水位为研究对象,对2012年5月至2017年11月趵突泉地下水位波动规律进行分析,评价保泉形势,探索保泉供水的有效措施。通过模型的比选,最终确定利用HoltWinters指数平滑加法模型,从时间序列的角度分析预测趵突泉地下水位的变化趋势,并计算出了模型的拟合优度指标和拟合统计量。决定系数R2值为0.897,平稳的R2值为0.627,数值均较大且其余各项拟合优度指标均较好,说明模型的拟合效果整体精度较高。利用模型对2018年趵突泉的地下水位进行了预测并给出了预测值95%的置信区间,预测年平均水位为27.814 m,泉水位波动的峰值为28.291 m、谷值为27.329 m且谷值将出现于2018年的6月份,为近6年来的最低水位值,低于27.6 m的保泉红色警戒线,接近27.01 m的泉水停喷线。预测结果表明:2018年趵突泉将存在潜在停喷的危机,济南市的保泉任务依然严峻。为争取泉水持续喷涌,在此基础上提出了科学保泉建议和节水保泉措施,为济南市评判、预测、调整水系及地下水开采布局提供科学依据。

昆明市月降水量的预测分析研究——基于SARIMA模型和Holt-Winters相加模型

降水量在时间和空间上的非均匀分布,很大程度上决定了洪涝、干旱和暴雨等气象灾害的强度.通过分析2000—2019年昆明市月降水量的数据,拟合建立SARIMA模型和Holt-Winters相加模型2种预测模型,分别预测了2019年月降水量,结合2019年月降水量实际值,对比分析预测误差.结果表明:Holt-Winters相加模型预测精度相对较高,该模型更能准确预测昆明市短期降水量.