GM(1,1)模型在卫星钟差预报中的应用

GPS卫星钟差是制约实时精密单点定位(Precise Point Positioning,PPP)的关键因素,而IGS目前并未提供实时与外推的精密钟差,因此,对GPS卫星钟差预报具有重要意义。本文利用GM(1,1)模型预报卫星钟差,并分析了GM(1,1)模型针对不同卫星钟预报的优点与不足,为GPS卫星钟差预报提供借鉴和思考。     

基坑监测灰色时序组合预报模型研究

介绍了基坑监测的意义及基坑监测预报的重要性,叙述了灰色模型基本理论、时间序列基本理论、提出了基坑灰色时序预报方法。对苏州某基坑实测数据进行了计算和分析,首先用灰色模型对位移的趋势项进行了提取,然后用时间序列对剩下的部分进行进一步处理,处理后的数据基本是白噪声,结果表明位移基本被成功提取出来了,说明本文提出的方法是高效的。     

卫星导航系统时间传递方法研究

本文主要对卫星导航系统时间传递的理论方法进行研究,分析了倒定位法、应答式雷达辅助法、卫星共视法及双向时间传递法的系统组成和基本原理,给出了钟差解算公式和时序图。     

遥测降雨异常值的三步抗差统计探测

由于遥测降雨系统自身的原因,遥测降雨资料中常有异常值的出现.充分利用降雨分布特征以及抗差统计理论,提出一种三步抗差统计方法探测遥测降雨资料中的异常值.本方法采用Tukey fence统计方法抵御异常值的干扰,用三步的形式以适应降雨资料的分布特征.对面平均降雨量进行的分组,进一步提高方法的探测效率.数据证明,新方法的探测效果较好,且符合水文预报要求.     

城市日总用水量的时间序列预报

一、引言城市日总用水量预报,是城市供水系统最优控制或称最优经济调度的重要一环。预报的准确性关系到整个供水系统的运行是否安全、经济。本文提出采用时间序列未来特性的方法作城市日总用水量的预报。这一方法是由一个能反映序列已有数据资料的线性随机模型给出预报模型。在数据记录内,可以计算序列的预报值,作为检验提出的预报模型的一种手段。     

对重庆市历年GDP的分析及预测

通过查阅1978年～2012年的《重庆统计年鉴》,得到重庆市1978年～2012年的GDP数据,运用Eviews7.0软件及时间序列分析方法对重庆市GDP的平稳性进行检验,根据时间序列模型的识别规则及ARIMA模型的建模方法,建立了ARIMA（1,2,0）模型,用该模型能描述重庆市GDP状况并作短期预测分析.     

基于ARIMA模型的股票价格预测实证研究

<正>ARIMA模型常用来对时间序列做预测分析，而股票价格的预测一直是股民较为关注的问题，准确的预测股票价格有利于在变化莫测的金融市场上做出合理的决策。ARIMA模型通过对历史数据建模，拟合时间序列数据的变动规律，进而预测未来股票的变化。本文选择深信服科技2021年所有交易日的股票收盘价数据，用ARIMA模型拟合其变化规律，最后对短期内的深信服收盘价进行预测。     

基于时序分析的变形监测数据分析与预报

变形数据分析与预报是变形监测数据处理的重要内容,数据分析与预报结果是进行决策的最主要依据,它们的质量直接影响整个变形监测工作的成效,因此选用切实有效的方法进行变形数据分析和预报十分重要。本文主要论述了采用时间序列模型处理变形数据的原理和方法,并利用信息分析和处理的结果对未来短期内的变形趋势进行预测。     

时空船舶AIS轨迹分析

该文对原始AIS轨迹数据进行了重建、压缩和预测。首先是数据重建,将部分原始数据的位置信息可视化,筛选异常值,之后分别利用了三次样条插值和埃尔米特型插值构建丢失数据及异常点。其次是数据压缩,主要运用Douglas-Peucker算法,结合压缩质量和压缩率,选取最优的压缩阈值。最后是数据预测,该文主要运用了时间序列分析中的指数平滑模型、ARIMA模型分别预测。     

基于SAS系统的时间序列建模应用

SAS系统是国际公认的统计分析标准软件,具有强大的统计分析和统计建模功能,其SAS/ETS模块对时间序列数据编程语言简洁,分析结果可靠。本文以2019年全国大学生数学建模竞赛D题为例,简述SAS系统在数学建模竞赛中的应用实践,进行统计描述,以空气质量检测数据为时间序列建立ARIMA模型,并给出了预测和误差分析,结果表明数据的校准效果良好,提高了数据精度。     

基于SGP4模型的卫星跟踪精度分析

由于基于SGP4／SDP4模型生成的空间目标编目数据库是目前最完整的数据源，而TLE根数必须与SGP4／SDP4模型配套使用才可以达到最好的预报精度，所以SGP4／SDP4模型被广泛地运用于不同的任务中。本文的轨道预报以SDP4／SDP4为模型，获取TLE根数，以卫星过顶为时间基准，向两边以每秒一点的间隔预报，在高仰角情况下适当增加预报点密度。以此来获得相应的轨迹报文，并和实际的卫星跟踪数据进行对比，来验证SGP4模型的精确度。     

一种基于GM(1,1)算法在矿产预测中应用

矿产资源在我国属于资源比较丰富,但是我国对于矿产资源的预测数据确是少之又少,其矿产的机理又比较复杂.针对这个情况,本文利用灰色GM(1,1)模型时间序列预测理论对矿产资源预测进行建模预测,分析了该预测模型在实地矿产预测中的实际应用,证明了方法的有效性.     

经济时间序列的状态空间预测

预测是研究经济时间序列的重要课题,而经济序列大都是非平稳的,因此经济序列的预测比一般平稳时间序列困难得多。利用状态空间模型对经济序列进行建模、预测,不仅方便易行,且效果很好。不仅可对经济时间序列所含趋势、周期、季节各分量进行预测,而且可对经济时间序列本身进行预测。本文就是讨论用状态空间模型对经济序列进行预测的方法与实现。     

中误差在滑坡体变形监测资料精度判别中的应用

本文在滑坡体安全监测资料序列建立统计模型研究的基础上,通过对测点变形中误差的研究分别考察模型的精度,用以判断模型预报的优劣,并通过实际工程变形测点进行建模分析,具体判别各测点监测精度情况。     

人工神经网络对时间增长序列预测能力分析

本文从人工神经网络的构成函数出发,分析了网络对某一类具有时间增长特性的过程或序列在学习和建模时存在的局限性和用神经网络模型对这一类系统进行预测时存在的固有误差问题;提出对具有时间增长特性的过程或序列进行预处理后再用神经网络建立系统的非线性模型,最后给出用不同方法对同一系统建模和预测的比较     

ARMA模型在金融机构现金收入中的应用

ARMA模型是一类常用的随机时间序列模型,它是一种精度比较高的序列短期预测方法,本文主要是通过分析数据的特征,建立一个合理的ARMA模型,利用这个模型对我国经济进行合理的预测.     

基于O-U模型的天气衍生品定价研究——以气温期权为例

天气衍生品(Weather Derivatives)作为一项国外金融创新产品,为天气风险管理和转移提供了新途径,其中产品定价是该领域研究核心问题之一。本文以O-U模型为基础,采用时间序列建模方法,分析了上海1951～2010年气温的动态变化,对模型参数进行估计,并检验了模型预测精确度。研究结果表明:O-U模型与时间序列建模相结合方法能够提高气温变动预测精确度,进而借助蒙特卡罗模拟方法,可以完成对天气期权产品的合理定价。     

基于DAP-SVDD长春雾霾预测模型研究

自2011年起,雾霾一词逐渐走进人们的生活,对人们的身体健康产生了很大的影响,特别是雾霾成分复杂,可以诱发多种疾病产生,于是,有效预测雾霾发生情况,提前应对采取预防措施十分必要,于是我们需要建立一套有效准确的雾霾预测模型,但雾霾成分复杂,数据维数高、不平衡,传统的预测模型在处理此类数据时极易发生误判或陷入"维数灾难"。针对上述问题,本文提出了一种基于二分法自动搜寻偏向参数的DAP聚类与支持向量描述SVDD相结合的建模方法,利用长春地区空气质量数据以及大气污染数据训练模型,预测长春地区未来24小时雾霾发生情况。实验表明,该模型预报准确率达到86.7%,比传统预测模型准确率提高11.3%,建模时间缩短6.13s,因此提出的模型能够较为准确预测出长春第二天雾霾发生情况。     

登陆热带气旋时间间隔非规则性的初步研究

利用1950～2005年<台风年鉴><热带气旋年鉴>所给出的有关资料,对近56年来登陆我国热带气旋时间间隔的非规则性做了初步研究.先统计了每年热带气旋之间的时间间隔,得到56个时间间隔序列,然后做回归方程求趋势,将原序列减去趋势项,得到的剩余序列再做方差分析.结果表明每年的时间间隔序列存在一定的趋势,有的年份还存在周期.之后计算了时间间隔序列的关联维数,并建立自回归模型,采用选点法,对时间间隔序列进行预报及检验.     

共积序列方法和长短期模型的结合

本文主要是探讨一种新的预测方法,为长、短期预测的结合寻找一条简洁实用的途径。 1 问题的提出在各种预测方法中,时间序列分析方法无疑占有重要的地位。其主要优点是短期预测精度较高。但也存在不少缺点:建模所需的数据样本大;建模和检验工作比较复杂,而且,时间序列模型用于长期预测时,误差往往很大,这主要是由于模型阶次的限次,不能反映较长