基于Elman神经网络修正的ARIMA预测模型

为实现船舶设备的预测性维护,提高轮机人员工作效率,提出一种由Elman神经网络修正的自回归综合移动平均(autoregressive integrated moving average, ARIMA)模型用于设备运行数据预测。对输入数据进行平稳化处理,建立相应的ARIMA模型;引入Elman神经网络对ARIMA模型的预测残差进行分析并建立Elman残差预测模型;将ARIMA模型的预测值与Elman残差预测模型的预测值相加,得到最终预测值。采用“育鲲”号船某航次中冷器的海水出口温度数据进行模型的训练和验证,将Elman-ARIMA组合模型与单一模型预测结果的平均绝对百分比误差进行对比分析,结果表明,Elman-ARIMA组合模型具有较好的预测性能。     

基于ARIMA-BP神经网络的船舶交通事故预测

为提高船舶交通事故的预测精度,提出将自回归综合移动平均(autoregressive integrated moving average, ARIMA)模型与BP神经网络组合的船舶交通事故预测方法。该方法考虑船舶交通事故的复杂性和非线性因素,充分结合ARIMA模型与BP神经网络的优势,分别从简单加权和残差优化角度对ARIMA模型与BP神经网络的不同组合方法进行比较研究,并将其应用于2000—2018年英国籍船舶交通事故预测中。结果表明:与ARIMA模型、BP神经网络和ARIMA-BP的简单加权组合预测方法进行对比,ARIMA-BP的残差优化组合预测方法的预测精度最高,其均方根误差、平均绝对误差和平均绝对百分比误差分别为7.16、6.0和4.9%。本文提出的船舶交通事故预测方法可以为相关人员的决策提供指导。     

基于调和分析和ARIMA-SVR的组合潮汐预测模型

为提高潮汐预测精度,解决单一调和分析预测精度不高的问题,提出一种基于调和分析和自回归综合移动平均-支持向量回归机(autoregressive integrated moving average support vector machine for regression,ARIMA-SVR)的组合潮汐预测模型。潮汐分析中,潮汐可认为是由受引潮力影响的天文潮位和受环境因素影响的非线性水位的叠加。采用小波分析对潮汐样本数据进行去噪处理,使用调和分析法计算天文潮位,以调和分析法计算产生的残差作为非线性水位样本数据,并使用ARIMA-SVR模型进行潮高计算,最后将两部分的计算结果进行线性求和得到最终的潮汐预测值。利用美国旧金山港口实测潮汐数据进行预测仿真,结果表明,该组合模型解决了调和分析忽略非线性影响的问题,提高了潮汐预测准确率,可行且高效。     

回归模型中的预测问题

概率统计在社会的各个领域都有着广泛的应用,尤其是回归模型。对回归模型的预测与控制问题进行了研究。首先介绍了回归模型以及回归模型的预测与控制方法,然后分析了回归模型预测的步骤,最后以企业实例为基础,分别对一元回归模型的预测、二元回归模型的预测进行了分析。     

基于正弦和的GM(1,1)幂模型在港口吞吐量预测中的应用

为有效预测具有振荡性质的港口吞吐量,提出基于正弦和的GM(1,1)幂模型(称为正弦和修正模型)。首先通过原始序列建立指数优化的GM(1,1)幂模型以描述总体趋势,然后利用正弦和描述残差中包含的周期性振荡规律,建立正弦和修正模型。利用该模型对广州港吞吐量进行预测,结果表明:该模型能够较好地描述具有周期振荡特征的港口吞吐量时间序列数据,预测精度都显著优于线性回归模型、GM(1,1)和指数优化的GM(1,1)幂模型,可将该模型用于具有振荡性质的吞吐量预测中。     

基于多层回归分析城市雾霾成因模型

基于灰色系统理论,运用多层回归理论及数据挖掘技术,建立了雾霾强度与气象效应和非气象效应的多层混合效应模型,以避开雾霾形成的复杂过程,得到了雾霾与主要成因的量化关系.对模型的残差,得出了模型残差近似服从标准正态分布,表明所建模型具有较好的准确性.     

基于支持向量机的起重机电机振动特征参数预测

提出用支持向量机方法对岸桥电机运行性能特征参数进行预测的方法,并构造基于支持向量回归的单步及多步预测模型.利用该模型对岸桥电机振动烈度时间序列分别进行1步和4步预测,并与自回归(AR)模型的预测值进行比较.实验结果表明,基于支持向量机预测模型的1步预测和4步预测精度均比AR模型的预测精度高,因此该模型对岸桥电机的运行性能特征参数具有较好的短期和长期预测能力.     

体育彩票业的区域经济贡献、耦合关联与市场前景——基于西北地区2007—2021时间序列数据实证

以近15年(2007—2021年)西北五省体育彩票业与各经济指标纵向时间序列数据为分析依据,借助经济学、统计计量学分析方法,通过建立回归方程、单位根检验、误差修正模型、数据无量纲化与绝对差值处理、GM(1,1)模型和残差序列模型,探索体育彩票对区域第三产业经济发展指数贡献弹性、 耦合关联度,并对未来发展前景做出预测研判。主要研究结论：西北地区体育彩票对第三产业经济增长的贡献弹性为0.097 37;区域经济指标与体育彩票业耦合关联度排序为,收入法生产总值＞地方财政支出＞地方财政收入＞居民总消费＞城镇就业人员平均工资＞GDP＞人均GDP＞城镇居民人均可支配收入＞城镇居民人均消费支出;未来5年西北地区体育彩票消费仍处于高水平状态,呈递增趋势,发展市场前景较好。     

基于非参数自回归模型的房价预测

从1991～2008年共18个商品住宅房平均售价入手,利用非参数自回归模型以及局部线性估计,从数学的角度量化地预测了中国未来三年的房价升降趋势．结果表明．未来三年我国房价将会继续攀升．     

优化的长山水道船舶交通流量灰色系统预测模型

为提高长山水道船舶交通流量的预测精度,对灰色系统中的GM(1,1)模型进行优化.在对长山水道船舶交通流量进行分析的基础上,通过改进GM(1,1)模型背景值、改变初始条件、增加新信息优先权、引入残差修正等方法对GM(1,1)模型进行优化.通过该优化模型的预测数据与历史数据的比较验证了该优化模型的准确性和可靠性.最后用该优化模型对长山水道2015—2016年的船舶交通流量进行了预测.     

自由式滑雪空中技巧赛道风速风向超短期预测与分析

旨在实现对赛道上风速风向的超短期预测,为自由式滑雪空中技巧提供实用有效的风速风向预报信息,为运动员稳定性控制与技术训练提供辅助支持。针对赛道风具有非平稳、波动剧烈的特点,采用离散小波变换提取风速风向序列的特征分量,对低频近似分量建立非线性自回归(NAR)神经网络模型,高频细节分量建立差分自回归移动平均(ARIMA)模型,再将各分量结果组合相加得到最终预测结果。误差分析表明组合模型能有效改善单一模型的预测滞后性,预测精度高同时具备预测风速风向突变的能力。对预测结果进一步分析,将其转换为表征赛道风稳定性的指标,来为运动员提供更直观的预报信息。最后对模型计算用时分析表明该方法能够满足实际应用的需求。     

基于改进PSO-ARIMA模型的船舶纵摇角度预测

针对自回归移动平均(auto regressive moving average,ARMA)模型在船舶纵摇角度预测时不具有普遍适用性问题,提出使用自回归综合移动平均(auto regressive integrated moving average,ARIMA)模型进行纵摇角度预测,并采用改进粒子群优化(particle swarm optimization,PSO)算法对模型定阶。对纵摇角度值序列数据进行平稳性检验和差分运算,确定ARIMA模型的适用性;采用具有针对性适应度评价函数的PSO算法进行模型定阶,并优化PSO算法的权重计算方法。通过仿真对比验证本文所提方法的科学性和有效性。仿真结果表明:采用改进PSO算法进行模型定阶的方法能够有效提升模型的预测精度,具有更好的预测效果。     

基于改进灰色模型的中长期电力负荷预测

在中长期负荷预测中,由于电力负荷具有突变性,常规GM(1,1)模型不能及时反映负荷的突然变化,对于发生转折的数据预测精度不高,在实际应用中具有一定的局限性.通过对负荷原始数据序列的预处理及优化,利用等维新息递推GM(1,1)模型进行预测,保证了预测能够较为充分地利用新信息,并加入了残差模型,通过实例分析表明,改进后的模型比常规GM(1,1)模型提高了预测的精度.     

非运动回归模型预测大学生最大摄氧量

研究的主要目的是采用非运动预测变量建立预测大学生最大摄氧量回归模型。研究结果显示：(1)预测大学生最大摄氧量N-EX(non-exercise)回归模型精度高于文献记载的其他回归模型。(2)PFA变量可表示观察最大摄氧量值变异，能替代运动测定变量，有增强N-EX回归模型准确预测最大摄氧量值的能力。(3)体力活动个体差异较小人群，不宜采用体力活动情况(PAR)变量。(4)测定BMIN-EX回归模型优于％FATN-EX回归模型。(5)样本交叉核实国外预测最大摄氧量N-EX回归模型．SEI值较高，说明国外预测最大摄氧量N-EX回归模型不适合我国人群。研究结果说明N-EX回归模型可以提供一种有效而方便的预测大学生最大摄氧量的方法。     

基于线性回归和灰色理论的私家车保有量预测模型

利用多元线性回归与灰色理论建立了私家车保有量预测的教学模型.针对某一地区1996-2008年连续13年的相关统计数据.利用该教学模型得到了该地区2010年私家车保有量为205.39万辆的预测结果.     

时间序列自回归(AR)模型在体育预测中的应用

文中初步探讨了时间序列自回归AR(Auto Regressive)模型在体育中的应用,着重从理论的角度讨论了其可行性,然后通过实例分析进一步证实了在体育中应用时间序列分析的优越性。文中分析表明,AR模型可用于体育统计中趋势的预测、体质或体育系统状态的评价,以及体育环境的预测等多方面。     

体育彩票业的区域经济贡献、关联耦合与市场前景 ——基于西北地区2007-2021年时间序列数据实证

以近15年（2007-2021年）西北五省体育彩票业与各经济指标纵向时间序列数据为分析依据,借助经济学、统计计量学分析方法,通过建立回归方程、单位根检验、误差修正模型、数据无量纲化与绝对差值处理、GM（1,1）模型和残差序列模型,探索体育彩票对区域第三产业经济发展指数贡献弹性、关联耦合度,并对未来发展前景做出预测研判,为西北地区经济发展战略计划的制定和调整提供理论依据,旨在发挥体育彩票产业的经济功效和社会服务功能,助力西北地区体育产业高质量发展。主要研究结论：西北地区体育彩票对第三产业经济增长的贡献弹性为0.09737;区域经济指标与体育彩票业关联耦合度排序为,收入法生产总值＞地方财政支出＞地方财政收入＞金融业＞餐饮住宿业＞GDP＞批发零售业＞人均GDP;未来5年西北地区体育彩票消费仍处于高水平状态,呈递增趋势,发展市场前景较好,加快推进体育强国建设贡献重要力量。     

基于因子分析和曲线拟合的集装箱吞吐量预测

为提高集装箱吞吐量的预测精度,提出基于因子分析和曲线拟合的集装箱吞吐量预测模型。以上海港为例,通过因子分析,分析影响集装箱吞吐量的主要因素,筛选出主因子,得到不同年份的综合经济发展值;再运用曲线拟合方法,建立以综合经济发展值为自变量,以集装箱吞吐量为因变量的三次曲线模型;运用自回归积分移动平均(autoregressive integrated moving average,ARIMA)模型预测2016—2020年的综合经济发展值,进而求得2016—2020年上海港集装箱吞吐量预测值。结果表明:该模型的拟合效果和预测精度均较高,可以运用到集装箱吞吐量预测中。给出上海港在国内经济新常态下转型升级的建议。     

基于NARX神经网络的港口集装箱吞吐量预测

为对港口集装箱吞吐量进行科学预测,采用带外生变量的非线性自回归(NARX)模型对上海港的集装箱吞吐量进行预测.通过主成分分析法对港口吞吐量影响因子进行相关性分析,将筛选出的GDP作为外部输入因子引入NARX模型.实证分析发现,引入GDP的NARX神经网络模型对具有非线性特征的集装箱吞吐量数据有良好的映射逼近性.训练后的网络误差小且拟合度高,具有良好的泛化能力,预测性能较好.     

毛乌素沙地荒漠草原狭叶锦鸡儿-小针茅群落地上生物量对气候因子的动态响应

对毛乌素沙地荒漠草原围封样地狭叶锦鸡儿 小针茅群落地上生物量进行了 7年逐月连续观测,建立了生物量对气候响应的逐月回归模型。研究表明,光、温、水等不同的气候因子在植物生长不同时期表现出不同的影响,其中降水因子在生长季各个月份都是显著影响因子,说明水分的限制作用突出。应用逐月回归模型对三种不同气候条件下生物量的波动范围进行预测,并将逐月回归模型与传统的累积回归模型的模拟结果进行比较,表明在大多数年份逐月回归模型具有更高的精度。逐月回归模型是对传统的累积回归建模方法的有益改进。