基于Holt-Winters滤波模型的我国互联网普及率分析

文章运用2000年12月至2015年6月我国的互联网普及率数据,基于R软件来进行分析,通过ARI-MA模型和Holt-Winters滤波模型分别对互联网普及率数据进行拟合,最后经过模型比较选择了Holt-Winters滤波模型,并运用Holt-Winters滤波模型预测了我国未来5年的互联网普及率。分析表明到2020年6月年我国的互联网普及率将达到59.4%。

基于Holt-Winters滤波模型的上海新房价格的预测

时间序列分析是用来描述历史数据随时间变化的规律,并用于预测变量趋势的重要工具之一。在房地产市场中常常利用时间序列对房地产价格趋势进行预测,为投资者在房地产市场中提供决策依据。本文基于2005年1月~2015年12月的中房上海新房住宅指数132组月度数据,借助R软件进行分析,通过建立Holt-Winters滤波模型对中房上海新房住宅指数进行数据拟合,最后经过比较选择了Holt-Winters滤波模型加法模型,并运用该模型对未来三年的中房上海住宅指数进行预测。

Holt-Winters模型与SARIMA模型对手足口病月发病率预测效果的比较

手足口病(hand,foot and mouth disease,HFMD)是由肠道病毒感染引起的儿童常见传染病,以发热、手足臀部或者口腔疱疹为主要症状,多发于5岁以下儿童,严重时可导致患儿死亡[1-2]。2008年3月,我国把HFMD列为丙类传染病进行管理[3],近年仍是威胁儿童健康的重要公共卫生问题之一[4]。

基于指数滤波模型的青藏高原根系层土壤水分估算研究

高精度、长时序的土壤水分数据对青藏高原陆-气相互作用研究十分重要。然而,当前青藏高原土壤水分研究大多聚焦表层土壤水分的卫星反演,根系层土壤水分的估算研究相对匮乏。基于青藏高原五个土壤水分观测网络(狮泉河、帕里、那曲、黑河上游、玛曲)数据,本文系统评估了指数滤波模型在青藏高原不同气候与下垫面区域估算根系层(10 cm/20 cm/40 cm)土壤水分的适用性,探讨了不同环境因素(土壤、气候、植被)对模型特征时长参数T值的影响,最后评估了利用三种方法(各观测网络或青藏高原站点最优T值(Topt)中位数、随机森林模型)获取的区域T值估算青藏高原根系层土壤水分的可靠性。研究发现:(1)随着土壤深度的增加,根系层与表层土壤水分的相关性降低,而其空间异质性增大,导致指数滤波模型的应用精度降低,而模型T值及其空间异质性增大;(2)空间上随着降水量和土壤含水量的增加,根系层与表层土壤水分的相关性增大,而其空间异质性降低,使得指数滤波模型的应用精度上升,而其在区域内不同站点应用精度的差异呈现降低趋势;(3)土壤性质尤其是砂土含量是控制青藏高原区域T值空间分布的主要因素;(4)T值的获取对指数滤波模型在青藏高原的应用精度影响较小,当前常用的区域Topt中位数和随机森林模型均能获取相对合理的区域T值和取得一致且相对准确的模拟结果。本研究的发现有望推动利用指数滤波模型基于卫星表层土壤水分资料准确获取青藏高原根系层土壤水分。

滤波辨识(10):多变量Box-Jenkins系统的滤波辅助模型递阶广义增广参数辨识

针对多变量Box-Jenkins模型,即多变量输出误差自回归滑动平均(M-OEARMA)系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

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。

ARIMA模型与Holt-Winters模型在铁路旅客周转量预测中的比较

运用ARIMA和Holt-Winters两种典型时间序列预测模型,对我国2004—2008年铁路旅客周转量的月度数据进行拟合,在此基础上预测2009年的月度旅客周转量,并与2009年旅客周转量的实际值进行比较,同时对ARIMA模型和Holt-Winters模型进行分析比较。

基于集合卡尔曼滤波的水文模型状态变量反馈校正方法

集合卡尔曼滤波已应用于水文模型初始状态误差校正。如何选择校正变量、是否同步校正模型参数、如何优选滤波超参数是其应用难点。为此,以綦江流域GR5J模型为原型,同化实测流量反馈校正模型状态,通过合成实验和滚动预报实验,分析状态变量选择、模型参数扰动、滤波超参数对预报精度的影响。结果表明:准确识别有偏初始状态,集合卡尔曼滤波能提高预报精度;若难以识别,建议同步校正产流汇流状态变量,减少过校正。模型参数有偏时,应先识别模型参数,再校正模型状态。增加集合数和预热时长能提高校正精度,模型和观测噪声的影响具有非单调性;滤波校正效果随预见期延长而衰减,但要优于模型预热技术。该发现可作为作业预报应用状态校正法的参考。

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.

自适应组合滤波算法在3D假肢模型中的应用

针对经典统计滤波算法无法自适应选取参数以及传统双边滤波算法难以兼顾保特征和光顺性的问题,提出一种自适应组合滤波算法。首先引入基于局部点云体积的自适应标准差倍数以灵活滤除假肢点云大尺度噪声;在滤除大尺度噪声的基础上,引入一种新的协方差矩阵加权方式,提高估计点云法向的准确性,并通过法向夹角变化程度的均值对特征权重因子进行改进,增强双边滤波因子的保特征性,旨在光顺三维假肢模型小尺度噪声。与单独使用统计滤波、双边滤波相比,所提算法在3个假肢模型的最大误差E_(max)至少降低了5%;平均误差E_(ave)至少降低了6.9%。仿真结果表明,该改进算法在有效剔除假肢模型大尺度噪声的同时又避免了过光顺和去噪不彻底,可以较好地保持模型中的几何特征。

滤波辨识(14):类多变量输出误差ARMA系统的滤波辅助模型递阶广义增广迭代参数辨识

针对类多变量输出误差自回归滑动平均(M-OEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波辅助模型递阶广义增广梯度迭代辨识方法、滤波辅助模型递阶多新息广义增广梯度迭代辨识方法、滤波辅助模型递阶广义增广最小二乘迭代辨识方法、滤波辅助模型递阶多新息广义增广最小二乘迭代辨识方法。这些滤波辅助模型递阶广义增广迭代参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量输出误差随机系统中。

基于扩展卡尔曼滤波的交互式多模型跟踪算法研究

在辅助驾驶系统中,行人轨迹跟踪一直是一项有挑战性的任务,因为行人的回波信号中往往存在着许多干扰噪声。此外,行人在运动过程中可能会做出突然转身或其他改变方向的行为,这将直接导致行人运动轨迹呈现出非线性特征。针对上述问题,文中提出一种基于扩展卡尔曼滤波的交互式多模型跟踪(IMM-EKF)方法,适用于毫米波雷达对行人进行轨迹跟踪。首先,在扩展卡尔曼滤波算法(EKF)的基础上重构状态预测协方差矩阵,来补偿EKF非线性化过程中引入的误差;然后将改进的EKF作为交互式多模型算法(IMM)中的滤波器,根据行人运动特性选择匀速模型和协调转弯模型作为跟踪模型,利用所提出的IMM-EKF算法进行轨迹跟踪。实验结果表明,所提出的滤波算法较典型的EKF和改进的EKF算法,在跟踪滤波精度方面均有所提升,同时具备更优的跟踪鲁棒性。

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。

带LC滤波器的永磁同步电机多步模型预测电流控制

【目的】为提升永磁同步电机(PMSM)模型预测电流控制(MPCC)的控制性能,在PMSM与逆变器之间增加LC滤波器。【方法】建立带LC滤波器的三阶多步MPCC系统,对逆变器电流、电容电压及电机电流进行预测控制,并与一阶多步MPCC和磁场定向控制(FOC)进行仿真对比。【结果】仿真结果表明:在相同开关频率和预测步数下,相较于一阶MPCC,三阶MPCC下PMSM的转矩脉动和电流脉动明显减小,电流总谐波失真(THD)更低;对于三阶MPCC,随着预测步数的增加,电流THD、电流脉动和转矩脉动逐步减小。【结论】随着预测步数的增加,三阶MPCC系统的控制性能逐步提升;三阶MPCC的控制性能优于一阶MPCC;在较高开关频率处,四步至五步的三阶MPCC的控制性能优于FOC。

基于分数阶模型多新息无迹卡尔曼滤波算法的超级电容SOC估计

对超级电容的SOC估计展开了研究。首先,搭建了超级电容测试平台,用于超级电容的参数辨识,并对超级电容进行了常规性能测试;其次,在不同的环境温度和动态工况下采用多种算法进行超级电容SOC估计。结果表明,采用分数阶模型多新息无迹卡尔曼滤波(FOMIUKF)算法对超级电容SOC的估计精度最高,对超级电容的路端电压跟随情况最好,估计结果的均方根误差和平均绝对误差的最大值分别约为1.8%和1.73%。

基于序贯滤波的三维多模型跟踪算法

在三维机动目标跟踪领域,单模型跟踪算法已经无法满足高机动目标的跟踪要求,而多模型算法因其能够处理多种不同场景和变化,能够更有效地应对目标机动运动的多样性和不确定性。三维高机动目标跟踪相较于二维机动目标跟踪,因其复杂的空间动态特性,需要更多的模型构成模型集来实现精确跟踪。这种情况导致经典的交互式多模型算法设计非常复杂,计算资源消耗过大。而传统的多模型算法,由于没有考虑模型之间的交互性,其跟踪性能不佳。针对以上问题,借鉴序贯滤波的思想,本文提出了一种新的多模型跟踪架构。这一架构将序贯滤波与多模型算法相结合,将上一时刻多模型的融合结果作为下一时刻每一个模型滤波的输入,这一过程极大地简化了交互式多模型算法中复杂的交互实现过程。同时,针对模型集组合问题,将三维运动解耦为几种二维运动模型和一维运动模型的组合集,形成新的三维空间机动目标跟踪模型集。通过对仿真模拟数据和实测数据的跟踪对比结果表明,相较于传统的多模型算法,本文提出的基于序贯滤波修正的多模型算法在跟踪精度上有显著的提升,且其跟踪精度与交互式多模型算法相当,但在运算时间上则远远优于交互式多模型算法,显著降低了运算资源的需求。

基于一体化电磁骚扰传导模型的开关柜微机保护装置电磁干扰滤波器设计

为解决高压开关柜断路器在海上风电场等场景下频繁操作产生的电磁干扰问题,分析其电磁骚扰传导过程,并设计合理的抗干扰措施以提高微机保护装置的电磁兼容水平,该文提出一种高压开关柜一体化电磁骚扰传导仿真模型,针对断路器开断电磁骚扰设计了电磁干扰(EMI)滤波器并验证其性能。首先以KYN61—40.5型开关柜真空断路器为例,建立其电磁骚扰一体化仿真模型,通过试验与仿真获得断路器开断电磁骚扰的特征;然后根据该特征设计了基于定K型和m推演的EMI滤波器并验证其性能。研究结果表明,微机保护装置电流测量端口的骚扰电压主导频率约为312 kHz,一体化电磁骚扰传导仿真模型仿真结果与试验结果最大相对误差为9.8%,表明该模型可用于电磁骚扰传导过程的仿真;该文设计的EMI滤波器的陷波频率与理论设计值的最大相对误差为-8.8%,接入EMI滤波器后骚扰电压下降93.94%,持续时间下降71.42%。研究成果可为高压开关柜微机保护装置的电磁骚扰传导过程分析和电磁兼容水平提升提供参考。

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。

多特征下室内声源定位的复合模型粒子滤波

为提高混响噪声下声源定位的精度和稳健性,提出多特征复合模型粒子滤波算法。该算法以麦克风接收信号的多特征构建似然函数,采用卷积神经网络提取多假设时延估计图像的深度特征,建立基于支持向量回归的时延估计模型;引入波束输出能量融合机制,弥补单特征不能同时抑制噪声和混响的缺陷。针对说话人运动随机性的问题建立声源跟踪的复合模型,改善说话人跟踪系统的鲁棒性。仿真和实测结果表明:在复合模型跟踪下,多特征算法比可控响应功率时延估计算法位置平均均方根误差减少83%以上;在多特征观测下,复合模型比郎之万模型和随机行走模型位置平均均方根误差减少46%以上;新算法实现了对复杂环境下随机运动声源的有效跟踪。