基于神经网络的多维时间序列预测预报方法

1 引言时间序列就是一列随时间变化的数,它是对客观事物的一种描述,属于时域分析的范畴。我们研究时间序列的目的,就是要对时间序列建立一个参数模型,用于描述事物发展的变化规律。定义1:时间序列{x(t)}是一个t∈Z的实值向量随机变量,其中Z表示整数集。在定义1中,如果x(t)∈R~1,那么{x(t)}就是一维时间序列,所建立的模型称为一维时间序列模型;如果x(t)∈R~(?),那么{x(t)}就是r维时间序列,所建立的模型称为r维时间序列模型。 Box和Jenknis首先成功地建立了一维时间序列模型。近年来Tong也在这方面做了许多很有影响的工作。通过许多人的努力,使得一维时间序列模型,如ARMA模型等都能较好地应用于实际预测工作。一个一维序列{x(t)}的(p,q)阶ARMA模型     

城市生态安全时间序列动态分析研究

本文以呼和浩特市城市生态环境系统为研究对象,选取资源环境压力、环境状态和人文环境响应3个亚系统的22个指标,根据压力——状态——响应模型构建了城市生态安全评价指标,该评价指标通过数据标准化处理、指标权重确定和生态安全评价指数模型构建,从时间尺度上(2000—2008年)测算城市生态安全水平。结果表明:呼和浩特市城市生态环境达到安全等级,并且整体安全水平在不断提高,但其生态压力也在不断加大。同时,针对目前所存在的生态安全问题,进一步从经济社会发展方式、产业发展政策、生态环境建设等方面提出了解决对策和措施。     

城市用水量预测方法探讨

城市用水量预测是进行城市建设规划、供水系统优化调度的一项十分重要的工作。用水量的中、长期预测可以指导城市的规划发展方向,水源布置、加压泵站设置以及供水管网管径选取、铺设位置等规划,用水量对城市用水量预测的研究具有很高的应用价值。     

城市用水量预测模型及应用

城市需水量预测是城市给水和节水发展规划的基础。人工神经网络具有较强的非线性、大规模并行处理能力,其建立的模型可以全面地考虑各种主要因素对城市需水量的影响,较好地解决社会及经济发展水平等影响城市需水量预测所产生的误差问题。     

城市用水量预测方法研究

对目前常用的用水量预测方法进行了研究分类,选择其中几种典型的预测模型针对其特点和适用性进行了分析,并在此基础上提出了未来城市用水量预测的发展方向。     

开都河日径流时间序列混沌分析与模拟

本文利用相空间重构技术和混沌理论讨论了开都河日径流的混沌性质。通过日径流时间序列的功率谱分析,从定性角度讨论了日径流时间序列的混沌特征。进一步根据互信息量法得到相空间重构的延时,再根据Cao方法得到相空间重构的嵌入维数。利用Matlab软件计算得到相空间重构的延时和最佳嵌入维数分别为τ=6,m=14。这样将一维的开都河日径流时间序列重构成14维的相空间。通过最小数据量法计算出开都河日径流时间序列最大Lyapunov指数。利用最大Lyapunov指数对开都河日径流时间序列进行定量混沌分析。最后通过二阶Volterra自适应一步模型进行模拟。结果表明：开都河日径流时间序列的功率谱是连续的,功率谱呈现随频率增高而以指数方式递减趋势,区别于具有离散尖峰谱特征的周期时间序列和具有连续的、频率和振幅不相关谱特征的随机时间序列。这从定性角度表明开都河日径流时间序列具有混沌特征。通过计算得到开都河日径流时间序列的最大Lyapunov指数0〈λmax=0.0097〈1,从定量角度表明开都河日径流时间序列具有较弱的混沌特征。利用二阶Volterra自适应一步模型模拟得到相关系数和相对均方根误差分别0.9376和0.2390。这说明利用Volterra自适应模型模拟效果较好。     

基于时间序列线性拟合方法的时间序列层次聚类

本文利用一种有效的时间序列线性拟合方法。算法所选出的关键点是对时间序列的形态变化影响较大的点,将这些点依次连接实现时间序列的线性拟合。这种线性拟合算法在剔除了噪声的同时,能更精确的定位时间序列中的关键点。实验结果表明,该方法能更好的近似表示原时间序列。和已有的方法相比,该方法拟合后的时间序列和原时间序列之间的拟合误差更小。并且在该方法的基础上运用动态弯曲距离进行层次聚类得到了较好的结果。     

城市用水量变化影响因素及其预测方法

城市用水量预测在城市建设规划、输配水系统的优化调度中具有重要的作用,天气、季节、节假日及不可预见因素对短期用水量影响较大,而其它因素则对长期用水量影响较大。城市用水量变化规律曲线是描述一个城市用水量变化规律的一种简单、直观的方法,它可以以曲线的形式给出用户小时用水量或日用水量变化的统计结果。其对供水管网系统模型水力计算有重要的作用。常用水量预测方法有两类：一类是因果解释性预测方法,另一类为历史数据法,都能够有效的预测城市用水量。     

基于时间序列的数据挖掘技术在城市内涝灾害中的应用研究

水利信息化的建设积累了大量历史水情数据,对这些数据进行挖掘,找到与给定时间段相似的水文过程,为城市防汛提供指导。针对水文数据维度高、周期性强、短期波动频繁等特点,采用分段聚合近似方法进行有效压缩,把握水文时间序列模式的变化特征,在此基础上采用最大特征点优先匹配的动态时间弯曲距离算法比较两个水文时间序列的相似性,并以杭州市水位监测站采集到的历史水位和降雨量信息为样本进行了验证,结果有效。     

城市水资源系统的自我调节——减少用水量和排水量

论文通过对城市水资源系统的结构分析,指出城市化的产生和发展是造成城市水资源紧缺和水污染的主要原因,而提高城市水资源系统的自我调节能力,加强其反馈结构——循环用水系统和污水回用系统的功能,是城市水资源系统的发展方向,并介绍了国内外在该领域研究的进展。 论文讨论了加强城市水资源系统的自我调节能力——减少用水量和排水量的各种方法,包括:①通过各种行政、经济、教育、宣传手段节约自来水用量;②通过加强冷却水循环、循环用水、污水再生回用、推     

浅谈时间序列的分析预测

时间序列理论是研究计量经济的基础，时间序列分析预测方法是定量分析的主流方法，本文阐连了时间序列的基本特征，并介绍了时间序列的有效分析预测模型：由于已有模型的固有缺陷，这将促使我们进一步探究先进的方法理论。     

时间序列相似性度量的研究

时间序列的相似性度量是时间序列数据挖掘研究中的一个重要问题,是进行序列查询、分类、预测的一项基础工作。寻求一种好的度量对提高挖掘任务的效率和准确性有着至关重要的意义。目前从事这方面的研究除了少许理论论述外,几乎都采用一种固定的方法,即提出具体要求并提供实验数据。然而,大多数实验方法不是使用范围有限就是侧重点不同。为了提供一个比较全面的实验验证,用1NN分类算法进行了大量的时间序列交叉验证实验,重新评估了其中的弹性度量,并使用不同应用领域的28个时间序列数据集进行比较,结果表明,该方法具有更高的准确性。     

基于时间序列的DNA特征分析

生物与生态构成的统一整体称为生态系统,在这个系统中,生物与环境相互影响、相互制约,并形成了相对稳定的生态平衡状态。对不同物种的生物信息进行研究具有重大意义。生物信息学的主要研究对象由DNA、RNA和蛋白质分子构成,这些大分子中含括了物种进化和遗传的所有信息。其中DNA里的线粒体是生物系统研究中应用最为广泛的遗传物质之一,具有进化速率快,在遗传过程不发生基因重组、倒位、易变等突变,严格遵守母系遗传方式的特点。本文中对于30个哺乳动物的线粒体DNA进行研究,利用短记忆ARIMA模型做出详细阐述,概述了线粒体DNA携带mtDNA的一般属性。我们首先对于30个物种随机抽取5个物种的线粒体DNA(位置4,70个碱基)的碱基序列,对其进行时序化;然后利用ARIMA模型进行模型识别、参数估计、模型诊断(检验及优化)、进行预测(碱基位置71-75)。结果表明:在短记忆模型ARIMA(p,q)模型高度显著拟合下,其作为合适的时间序列模型能帮助我们挖掘DNA序列中的未知特性。     

金融时间序列的混沌识别

将非线性和混沌的理论和方法应用在金融时间序列的研究中,识别金融时间序列是否为混沌时间序列是研究者面临的一个首要的问题,各个学科领域根据所研究的具体对象发展出了不同的算法,这些算法对金融hen序列的研究有借鉴作用。然而,金融时间序列的小数据量与混合噪声的特征使得混沌识别更加困难．目前广为应用的金融时间序列的混沌识别方法是Gencay-Dechert法,替代数据法等,这些算法仍然处于发展完善中。     

时间序列预测方法评述

本文对目前常用的和较有发展前途的时间序列预测方法进行了评述,分析了这些方法的长处和不足,并指出了一些值得研究的问题。     

主题演化时间序列中的关键时间点分析

主题演化分析在捕捉最新的学术热点和发现重要的科研成果中起着重要作用.文章借鉴信息检索领域中的时间检索方法,提出一种主题演化中关键时间点计算的方法.基于情报学期刊的实验结果表明,该方法可有效地找出某一研究分支中相关主题演化的重要时间段,为从时间角度研究学科演化提供了一种新的方法和思路.     

基于时间序列的北京空气质量分析

本文对北京市的空气质量变化进行分析,通过运用时间序列分析方法对北京市的空气质量进行总结,通过选取北京2017年年初到2018年年初,总共一整年的空气质量指数AQI作为指标,通过对其进行时间序列分析,观察空气质量指数AQI的变化趋势,以及总体走,分析空气质量指数的置后效应,以及观察空气质量指数AQI的总体形势,了解不同时间的空气质量指数的高低,从而在将来做出应对之策。     

江西省居民消费价格指数的时间序列分析

差分自回归移动平均模型(模型)能对非平稳的时间序列进行较好的拟合和预测,是对该经济现象进行实证分析的有效方法之一,而居民消费价格指数就是一个比较典型的非平稳时间序列。因此本文基于2001年1月至2016年2月的月度数据,通过模型选择,建立了数据拟合较好的模型对江西省消费价格指数进行分析并预测近期的消费价格指数。     

基于时间序列模型的传染病分析

本文选取了从2005年1月到2011年9月间丙类传染病的月发病数,在考虑长期趋势与季节因素的基础上,选择ARIMA模型来对我国丙类传染病每月的爆发数量进行拟合,同时对未来1年的发病情况进行预测.     

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。