NAR神经网络的应用与检验——以城市居民生活需水定额为例

NAR神经网络具有反馈和记忆功能,其在时间序列的建模仿真方面具有显著优点。以城市居民生活需水定额为例,采用NAR神经网络建立了贵州省城市居民生活需水定额的时间序列模型,通过试验法、留一法交叉检验讨论了模型相关输入参数的计算与选取,通过相关系数、Nash效率系数、LBQ检验、ROC曲线方法检验了模型的性能和预测结果的精度,进而对贵州省城市居民生活需水定额变化趋势进行了预测。结果表明,(1)NAR模型性能良好并具有较高的预测精度,NAR神经网络的相关系数r、Nash效率系数分别达到0.97、0.87,LBQ检验得出预测结果误差不存在自相关性,采用预测结果绘制ROC曲线,其AUC值达到0.938(处于水平1,有较高准确性);(2)需水定额合理性评价中,预测2020年、2030年需水定额分别为137.72 L/(人·d)、132.94 L/(人·d),满足《室外给水设计规范》(GB50013—2006)的要求,具有较好的适用性。

基于NAR-ARIMA组合模型的高速公路沥青路面破损状况预测

基于NAR神经网络模型和ARIMA传统时间序列预测模型,对高速公路沥青路面的破损状况进行预测,再分别通过最优加权法和残差优化法对两种预测模型进行组合,得到两种组合模型.对各单一模型和组合模型的精度和稳定性进行了比较分析.实例分析表明,组合模型相较于单一模型的精度和稳定性均有所提升,NAR-ARIMA最优加权组合模型预测效果最佳.该组合模型所需样本量较小,且基于时间序列.由于采用历史数据作为影响因素代替指标,该组合模型计算速度快、精度高,适用于日常的预测工作,为后续合理的道路养护决策提供了重要的理论依据.

基于太白山南坡巴山冷杉NPP动态变化的时间序列模型预测效果对比

基于收集整理的太白山地区1959-2016年58年间的气象数据及太白山巴山冷杉林(Abies fargesii Franch.forest)的生理参数数据,运用Biome-BGC模型模拟计算并对输出数据进行提取分析,得到太白山南坡巴山冷杉林的多年净初级生产力(NPP)。然后分别利用自回归求和移动平均模型(ARIMA)、R语言、NAR动态神经网络模型对太白山南坡巴山冷杉林NPP的动态变化进行趋势拟合和短期预测,建立适用于太白山南坡巴山冷杉林NPP的时间序列模型,并应用白噪声检验等相关检验方法对3种模型的预测效果进行评价。结果显示:太白山南坡巴山冷杉林NPP在短期内(2017-2026年)仍保持着波动上升的趋势,可能出现1959年以来的最高值;在对巴山冷杉林未来变化的预测过程中,3种预测模型各有特点,ARIMA模型对太白山南坡巴山冷杉林NPP的预测结果通过了白噪声检验,并给出了在不同置信区间下的可能结果;NAR动态神经网络模型的拟合效果较好,也通过了误差自相关性检验,预测结果较好地模拟了太白山南坡巴山冷杉林NPP在未来一段时期内的变化趋势;R语言在剔除异常数据点后能够运用基础数据较好地对太白山南坡巴山冷杉林NPP动态变化进行模拟,表明预测结果与验证结果相关性达到0.944,误差项的P值远低于0.01。本研究表明3种方法构建的模型在数据拟合中均呈现出较好的效果,预测结果均在可信范围内,在实际预测工作中可根据数据特点选用不同方法。

基于大数据的餐馆外卖行业原材料置办及管理方法

文章针对如何为餐馆合理地规划食材采购量以及如何比较影响食材采购量各因素之间的重要性展开研究。罗列出5个可能影响食材采购量的因素:快餐店优惠活动力度、该区域内人群活动密度、顾客评分、食材购置成本、订单数。利用主成分分析法消除关联性后利用多元线性回归模型拟合出食材采购量与新的主成分之间的定量关系,并使用NAR神经网络模型对未来一段时间内订单量的数值进行预测进而得出最合理的食材采购量。最后结合实际情况,给出了食材采购管理以及食材库房管理的具体方法步骤和注意事项。