基于SARIMA-SVR组合模型的空气质量指数预测

空气质量指数(AQI)在波动中既具有整体的时间序列线性特征和明显的季节性波动周期,又具有多种因素影响的不确定性,为了提高AQI的预测精度,基于Ri3863.3.3和Matlab R2014a两种编程软件,提出了一种同时具有线性和非线性的复合特征的时间序列预测模型——SARIMA-SVR组合模型。以太原市2014年1月—2019年7月的AQI月均值数据为基础,利用SARIMA时间序列模型进行线性预测,利用SVR模型对残差进行非线性预测,加和得到组合预测模型的预测结果,分析比较SARIMA,SVR和SARIMA-SVR这3种模型的预测结果和平均绝对百分比误差。结果表明,组合预测模型发挥了2种模型各自的优势,相较于单一预测模型的预测结果而言,其预测精度更高,稳定性更好。通过此模型得到的空气质量预测结果不仅可为人们的日常生活提供指导,而且可为大气污染的防治工作提供科学依据和借鉴意义。

SARIMA-SVR混合模型在电费收入预测中的应用

针对SARIMA模型和SVR模型在预测电费收入数据时因存在线性因素和非线性因素所产生的难以精准预测的问题,提出一种将SARIMA和SVR相结合的SARIMA-SVR混合模型.利用延边供电公司的月电费收入数据对SARIMA-SVR混合模型的有效性进行验证显示,SARIMA-SVR混合模型的平均绝对百分比误差比SARIMA模型和SVR模型分别低了13.50%和73.75%.该结果表明SARIMA-SVR混合模型对电费收入数据具有较好的预测效果.

基于SARIMA和SVR组合模型的转向架系统寿命评估

随着地铁运营时间和里程的增加,地铁车辆逐渐接近其理论寿命,为确保车辆运行安全性,需对其重要子系统进行健康状态及剩余寿命评估。文中选取车辆转向架系统作为研究对象,提出了一种基于协方差优选法的季节性回归移动平均(SARIMA)和支持向量回归(SVR)的组合模型对转向架寿命进行评估。首先,将车辆转向架系统历史故障率转化为健康指数,然后基于协方差优选法将SARIMA和SVR进行赋权组合,根据转向架系统历史健康指数进行预测,最后建立历史和预测的健康指数与运行时间的数学模型,分析得到转向架系统的剩余寿命。以某地铁车辆转向架系统为例进行算例分析及验证,结果表明组合模型可更准确地预测其健康状态,为有关维修部门开展维修维护策略提供理论依据,估计得出其剩余寿命,为车辆寿命后期退役及延寿决策提供理论数据分析支撑。

SARIMA-SVR组合模型在上海市肺结核流行趋势预测中的应用

目的 构建SARIMA-SVR组合模型,为上海市肺结核预测预警体系的建设和防治策略的制定提供理论依据。方法 基于时间序列分析方法,选取2011年1月—2018年12月上海市肺结核月报告发病数,分别建立季节性自回归移动平均模型(seasonal autoregressive moving average model, SARIMA model)、支持向量回归模型(sopport vector regression model, SVR model)和SARIMA-SVR组合模型,并以2019年1—12月的数据为验证集,对3种模型的拟合精度进行对比。结果 上海市肺结核发病具有季节性特征,且持续时间长,3—9月平均发病数高于全年平均水平。SARIMA、SVR和SARIMA-SVR组合模型均能较好地拟合上海市肺结核发病趋势,其中SARIMA-SVR组合模型预测精度最高,且明显优于对比模型(MAPE=9.70%,RMSE=55.03)。结论 SARIMA-SVR组合模型能较好地预测上海市肺结核的发病趋势,对上海市和其他城市制定肺结核季节性防控措施有一定指导意义。

基于奇异谱分析的PMI组合预测模型

为了提高制造业采购经理人指数(PMI)的预测精度,结合PMI周期性和非线性的特点,提出了融合奇异谱分析(SSA)、季节差分自回归移动平均(SARIMA)模型和支持向量回归(SVR)模型的组合预测模型。该模型采用SSA将PMI分解为主要成分和噪声成分,借助SARIMA模型处理线性问题以及SVR模型处理非线性问题的优势,分别为两个成分建立相应的预测模型,针对主要成分选取SARIMA模型和SVR模型建模,噪声成分选取SVR模型建模,最后将各自得到的结果组合为最终的预测结果。实验显示:SSA-SARIMA-SVR模型的误差评价指标最低,预测效果最好,可供预测PMI走势。

基于SARIMA-Intervention-SVR/BP神经网络的串联预测模型

本文利用SARIMA模型处理线性问题的优势、干预模型处理突发事件及异常值的优势、支持向量回归(SVR)模型或BP神经网络模型处理非线性问题的优势,提出了一种串联组合预测模型:SARIMA-Intervention-SVR/BP神经网络串联模型。通过对受911事件影响的美国航空客运里程、受非典影响的北京入境旅游人数以及受新冠疫情影响的中国民航货运量三个数据集的实证分析,证明了该串联模型相对于单一模型、SARIMA-Intervention串联模型以及一些衍生串并联组合模型在受到以上干预时预测的有效性。

应用SARIMA-GA-SVR组合模型预测第八师石河子市肺结核病发病率结果分析

目的评价SARIMA-GA-SVR组合模型在新疆生产建设兵团第八师石河子市肺结核病发病率预测中的应用效果,并与单纯SARIMA和GA-SVR模型进行比较。方法以第八师石河子市2005年1月—2018年12月肺结核病月发病率数据为训练样本,分别建立SARIMA、GA-SVR和SARIMA-GA-SVR组合模型,对2019年1月—2020年12月肺结核病月发病率进行预测,并与真实值进行比较,采用RMSE和MAE评价模型能力。结果三组模型对2005年1月—2018年12月肺结核病月发病率数据的拟合集RMSE分别为2.3947,2.4058和1.2381,MAE分别为1.7632,1.8753和0.9650。预测2019年1月—2020年12月肺结核病月发病率RMSE依次为1.9380,1.7528和1.7340,MAE为1.4740,1.2060和1.2076。结论SARIMA-GA-SVR组合模型拟合效果及预测能力均高于任意单一模型,适合应用于第八师石河子市未来肺结核病发病率的预测。