飞行保障架次预测方法研究及恢复期预测

为研究飞行保障架次未来恢复发展情况,在传统时间序列预测方法基础上引入支持向量机(SVM)进行优化,再结合疫情影响预测并判断未来的增长情况,为未来航空运输的恢复提供了一定参考依据。首先基于ARIMA-SVM、Holt-Winters三参数指数平滑-SVM两种组合模型,在无疫情数据基础上进行验证,实现模型精度的优化;然后基于X-12分解疫情时间序列,预测2021年-2023年三年内的月度值,并判断年度增长恢复情况。结果表明:引入SVM优化残差序列后,组合模型与单一模型相比误差有所降低;通过疫情影响分析及预测可以判断疫情影响下的飞行保障架次预计在2023年恢复至疫情前的水平。

运材汽车最佳更新周期的预测

运用技术经济的观点和时间序列分析方法，建立了预测单车最佳更新期的指数平滑数学模型，从而解决了运材汽车单车的最佳更新期和寿命周期费用的事前预测与计算方法，为更新决策和制定更新计划提供了可靠依据．将取得明显的经济效益。

一种采用三次指数的语音基音轨迹平滑算法

基音周期的检测无论在语音合成、语音压缩编码、语音识别和说话人确认等领域都起着非常重要的作用。为了获得更加精确的汉语语音基音周期轨迹,作者依据数字语音信号的特点和三次指数平滑模型的具体特征,采用了一种三次指数平滑法,该方法是在移动平均法基础上发展起来的一种时间序列分析预测法。相对于传统的中值平滑和线性平滑组合方法,该方法有效的解决了传统的语音基音轨迹平滑法中平滑过度的问题,更好的保留了语音基音周期轨迹的细节部分。