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。

数说深圳城市管理十年巨变——基于Holt-Winters模型预测分析

本文描绘了2003-2013年深圳市城市管理主要统计指标发展轨迹,并运用Holt-Winters模型对部分指标2014年发展趋势进行预测,结果表明,深圳市建成区绿化覆盖率和建成区绿地率面临增速放慢压力,而生活垃圾清运量将以6.4%增速继续上升,在此基础上提出政策建议。

Holt-Winters模型在电能表需求预测中的应用

电能表需求量的预测直接影响计量中心采购、检定和配送等计划的制定以及库存的有效利用。介绍基于加法的Holt-Winters预测模型原理,利用该模型对2013—2015年历史数据进行拟合,通过最小残差平方和计算出最优平滑系,对2016年数据进行预测并实际值进行对比,验证了该模型的有效性。

基于ARIMA模型与Holt-Winters模型的建成区绿化覆盖率的预测

根据1986年-2012年我国城市建成区绿化覆盖率数据,分别运用ARIMA模型与Holt-Winters模型进行拟合和预测,并对两种模型的预测效果进行分析和比较。结果表明,在正常发展趋势下,我国城市建成区绿化覆盖率在2015年将能达到"十二五"发展规划目标。在此基础上,提出提高建成区绿化覆盖率的相关政策建议。

Holt-Winters模型在铁路货运量预测中的应用

铁路货运量的预测结果直接影响到铁路运输计划及有关运输政策的制定。通过提出基于Holt-Winters的铁路货运量预测模型,介绍了平滑系数α、β、γ的选取及初始平滑因子、递推计算过程等关键预测环节,并对该预测模型设计了相应的算法,最后利用实例验证了Holt-Winters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。

基于Holt-Winters模型的天然气负荷预测

探讨Holt-Winters乘法模型在企业天然气供应负荷预测中的应用价值。以2015—2018年各季度天然气负荷为基础,运用SPSS分别建立Holt-Winters加法模型和乘法模型,采用2019年各季度的实际数据验证模型,采用均方根误差(RMAE)作为模型评价指标。结果:RMAE的比较结果表明加法模型优于乘法模型,具有较高的预测精度,可较好的拟合企业天然气负荷的变化趋势。

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。

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。

ARIMA模型与Holt-Winters模型在乳腺外科出院人数预测中的应用

目的对某院2011年1月-2016年5月乳腺外科出院人数进行时间序列预测分析,旨在为医院信息化、科学化管理提供参考依据,同时对ARIMA模型和Holt-Winters模型进行分析比较。方法通过ARIMA模型和Holt-Winters模型对乳腺外科出院人数进行模型训练,然后利用2016年6月、7月出院人数进行验证,并利用所建立的模型对2016年8月-12月出院人数进行预测。通过ARIMA模型和Holt-Winters模型对出院人数数据进行拟合,并与2016年6月和7月实际值进行比较。结果 ARIMA(0,1,2)(1,1,0)_(12)模型中非季节性移动平均系数MA1=-0.9549,季节性自回归系数SAR1=-0.3278。Box-Ljung统计量检验均无统计学意义(P=0.148),因此残差序列为白噪声序列。Holt-Winters模型对时间序列数据进行对数变换修正后的α,β,γ的估计值分别为0.19,0.31,0.76。Box-Ljung检验统计量无统计学意义(P=0.88),意味着延迟1~20阶为非零自相关,并且预测误差在整个时间段呈现出服从零均值,方差不变的正态分布。结论乳腺外科出院人数存在逐年上升的趋势,并且具有很明显的季节性趋势,Holt-Winters模型相比ARMIA模型对于短期的出院人数预测具有更强的实用价值,可作为科学管理提供参考依据。

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。

基于Holt-Winters时间序列预测模型的电力大数据应用

针对电力大数据中大工业用电量呈现出季节性变化的特点,先选择Holt-Winters方法建立时间序列预测模型,然后选取最优的平滑系数组合以确保预测的精度,再使用相对误差来估计建立的预测模型在大工业用电量预测中的性能,最后通过具体的应用实例说明该时间序列预测模型具有较好的预测精度和应用价值。

基于Holt-Winters和LSTM的组合模型在电能表需求预测中的应用

针对省级计量中心物资需求量大且人工审批的方式对需求提报的合理性缺少科学判断的情况,提出构建组合模型对电能表的需求量进行预测,辅助计量中心订单需求的合理性研判和智能推荐。本文首先介绍加法的Holt-Winters预测模型和LSTM循环神经网络预测模型的组合策略,然后,分别利用两个模型通过最小残差平方和误差反向传播的方法对2015-2017年历史数据进行拟合,计算出最优参数并通过组合策略得出最佳权重,最后,利用最终组合模型对2018年数据进行预测并与实际值进行对比,验证该模型的有效性。

基于MSPA和MCR模型的庐山市生态网络构建

【目的】在生态环境形势严峻的背景下,构建生态网络是连接破碎化斑块间的重要纽带,是保障物种迁徙交流的有效途径。【方法】以庐山市为研究对象,以GIS技术为核心,利用MSPA法对庐山市进行景观格局分析,再运用景观连通性评价法选取重要生态源地;其次采用AHP分析法结合专家打分法建立阻力因子评价体系构建阻力面,再基于MCR模型完成庐山市生态网络的构建,运用重力模型选取重要潜在生态廊道,给出生态网络的优化对策,最后应用生态网络分析法,对出生态网络的可行性进行分析。【结果】1)庐山市10处重要生态源地的面积为37 946.52 hm^(2),庐山和鄱阳湖为两处大型生态源地;2)遴选出19条重要生态廊道长为297.05 km,主要分布于中部地区;3)构成生态廊道的景观三要素分别为林地、水系和耕地,廊道宽度设置为300 m;4)构建形成“两区两带三轴”的生态安全格局。【结论】研究区内中心城区及中南部地区斑块分布零碎,景观连通性差,缺少生物栖息活动的绿色空间,应大力改善两地的生态环境,生态绿廊由两地内部向外部空间延伸构建,最终绿廊绿道交织成网覆盖全域,新增3个生态核心节点和9条重要生态廊道后的网络连接指数明显提高,表明构建的庐山市生态网络可行性较强。研究结果对于庐山市的城市绿地系统规划、生态园林城市的建设和生物多样性保护具有一定的指导意义。