应用灰色GM(1,1)模型的粮食产量预测研究

粮食产量是关系到国计民生的头等大事,准确预测粮食产量有着非常重要的战略意义。选取我国2003—2013年11年间的粮食产量数据,应用灰色预测理论,建立我国粮食产量的GM(1,1)预测模型,对我国粮食产量进行中短期预测。结果表明:灰色GM(1,1)模型的预测精度很高,比较适合进行粮食产量的中短期预测;同时,未来几年我国粮食产量依然保持稳步增长。最后,提出了我国未来几年的粮食生产政策建议。     

基于AR IMA与LOESS的安全生产事故时序预测研究

我国每年安全生产事故都造成大量的人员伤亡和经济损失,因此预防和减少安全生产事故的发生非常重要,利用ARIMA模型和LOESS回归模型组合预测能提高安全生产事故次数预测的精准度.首先建立ARIMA预测模型,用训练集中的预测偏差建立LOESS回归模型,综合两者的预测值,得到最终预测结果.采用2007年9月至2016年7月全国安全生产事故次数数据的实验结果表明:综合2种模型得到的组合预测方法的预测结果精度高于单种模型.     

齐齐哈尔市粮食增产潜力影响要素分析及产量预测

影响粮食产量的因素众多,各因素之间相互制约,使得对粮食增产潜力的研究变得非常复杂。主成分分析法作为处理变量间多相关性的一种方法,能够将多要素指标重新组合成新的互相无关的几个综合指标,从而以较少的综合指标尽可能多地反映原来指标的信息。应用主成分分析法对齐齐哈尔市粮食产量影响要素进行分析,结果表明,粮食播种面积、粮食单产、农田成灾面积3个要素在齐齐哈尔市粮食增产中起着关键作用。最后通过建立粮食增产回归模型,根据相关规划数据,对齐齐哈尔市未来的粮食产量进行了预测。     

基于ARIMA模型的包头市全社会用电量短期预测

通过分析包头市2017—2021年全社会用电量月度数据,运用时间序列的分析方法建立合适的模型,从而达到对包头市未来用电量短期预测的目的.模型预测结果显示：包头市全社会用电量服从ARIMA(2,(1,12),0)模型,利用ARIMA(2,(1,12),0)模型预测包头市未来的短期用电量切实可行,能更好地为电力行业制定短期电力政策提供有力的参考.     

基于ARIMA-LSTM模型的综合能源系统负荷与风光资源预测

在能源互联网快速发展的背景下,研究分析了综合能源系统的多元负荷预测模型及理论方法.针对传统ARIMA(Autoregressive Moving Average Model, ARMA)模型仅能处理线性关系的问题,将ARIMA模型与LSTM(Long-Short Term Memory, LSTM)网络模型结合,提出并建立了ARIMA-LSTM模型.该模型不仅兼容冷、热、气、电等多元负荷的预测,并且可以用于风速、辐射照度等数据的预测,有较好的适应性和预测精度.     

基于ARIMA和SVR的短期电力负荷预测

为提高用电量的预测精确度,将自回归差分移动平均(ARIMA)与支持向量机(SVR)模型相结合来进行预测。以用电数据为研究对象,借助ARIMA模型实现对电力数据的线性趋势预测,通过SVR回归模型对ARIMA模型的预测残差进行数据修正,得到ARIMA＿SVR模型的预测值。实验结果表明,相较于传统ARIMA模型,ARIMA与SVR组合模型的性能和预测精度都得到大幅提升,具有一定的学术价值和应用意义。     

ARIMA模型在交通事故预测中的应用

通过ARIMA模型分析了1970—1997年中国交通事故的十万人口死亡率时间序列的平稳性,用SPSS11.5软件拟合模型并作预测,结果表明,ARIMA模型能提高预测精度,在实际应用中ARIMA模型可用于非季节和季节的各类时间序列,预测较准,可以为政府和交通部门制定预防降低交通事故提供重要的数据支持.     

基于大数据分析的郑州市城市用水量预测

基于2011—2019年郑州市用水统计资料,通过建立ARIMA模型、灰色GM(1,1)模型和基于大数据分析的多元线性回归分析3种模型对郑州市城市用水量进行预测.结果表明,利用主要影响因素建立的基于大数据分析的多元线性回归分析模型优化度R2和平均相对误差分别为0.946和1.758％,而ARIMA模型、灰色GM(1,1)...     

基于ARIMA模型的时间序列建模算法和实证分析

通过对时间序列ARIMA模型建模方法的研究,将方差分析运用于时间序列建模,对季节数据做方差检验并确定周期。基于统计软件SAS分析ARIMA模型建模方法的具体算法,绘制详细的建模流程图。从模型的识别、参数估计、建模和预测等各方面介绍了模型建立和预测的全过程。利用SAS软件,结合引入的方差检验方法和算法流程对1990年1月至2010年12月的中国消费者价格指数季节性时间序列建立了乘积ARIMA模型,预测并分析了CPI的基本走势。     

ARIMA-KALMAN在航材库存动态预测中的应用研究

为提高航材库存需求的预测精度,着力解决ARIMA模型预测滞后性和非同步性问题,提出ARIMA模型和KALMAN滤波技术理论的组合模型.应用ARIMA模型辨识KALMAN滤波初始状态参数,考虑系统噪声的影响,以最小均方误差为估计准则,构建航材库存的动态预警模型,并在测试数据集上检验组合模型库存预警效果.实例分析发现,AR...