基于时间序列模型与灰色模型的组合预测模型的研究

为了能有效地提高预测模型的精度,提出了组合预测模型。本文首先利用ARIMA模型对时间序列数据进行模型的识别和拟合,然后由比较可知优化后的GM（1,1）模型拟合和预测效果好于GM（1,1）模型,最后通过赋予合理权重结合ARIMA模型和优化后的GM（1,1）模型两种方法得到ARIMA-GM的组合预测模型。预测结果表明：组合模型的预测准确性高于各个模型单独使用时的准确性,组合模型发挥了各个单一模型的优势。     

基于时间序列与DEGWO-SVR模型的隧道变形预测方法

为了对准确预测隧道变形的非等距性及复杂非线性特征,结合时序分析理论、差分进化算法(DE)、灰狼优化算法(GWO)和支持向量回归机(SVR)模型,提出新的隧道变形预测模型. 利用3次样条函数插值法将非等距监测数据等距化;基于时间序列原理将变形分解为趋势项及平稳随机项,并采用所提模型分别对2个分解项进行预测;将各位移分量叠加,实现隧道累积变形的预测. 以重庆市兴隆隧道实测拱顶沉降为例,预测前方ZK37+900和ZK37+910断面拱顶沉降,并与已有模型进行对比. 结果表明：所提模型预测的均方根误差分别为0.193 7 、0.086 9 mm,平均绝对百分比误差分别为1.21%、0.55%,相关系数分别为0.997 1、0.992 8. 相比于已有模型,所提模型的预测精度更高、误差更小,具有更好的适用性及应用前景.     

死因死亡率的非平稳时序模型预报及有关探讨

本文对某大城市某区脑血管系统疾病等四个主要死因死亡率建立了非平稳时序模型,据此描述各死因死亡率的季节性规律,并在此基础上进行了预报.文中还讨论了模型参数的物理意义及模型的适用范围等问题.     

一种基于时间序列最近偏向技术的网络信任模型

在已有P2P模型的基础上,提出了一种基于时间序列最近偏向技术的网络信任模型(recent-biased trust model,RBTM)。该模型采用了时间序列可变分割法选取评价时间单元(evaluate time unit,ETU),同时引入了比较合理的时间衰减因子,并对新数据的加入做了详尽的描述;根据节点交易的历史时间信息、内容相似度和反馈评价值自适应动态地调整节点的推荐值;实例表明,该模型具有良好的扩展性和较低的运行开销。     

时间序列分析法与边坡位移预报

将边坡位移｛ｘｔ｝看成是一系列时刻ｔ１，ｔ２，ｔ３…，ｔｎ得到的时间序列，采用时间序列分析方法，对其进行模型识别、参数估计、位移预报．由于该法认为时间序列是一随机过温，可以通过概率分布函数对其取值的规律性作统计描述，能体现边坡位移预报的随机性和不确定性，从而突破传统的边坡位移预报的确定性分析方法．计算结果表明：该法预报精度高，可靠性强，考虑因素全面，是一种行之有效的方法．     

中国人均GDP的时间序列模型的建立与分析

综合运用了判别时间序列平衡性的方法,建立了中国人均GDP的时间序列模型为了消除虚假回归,利用单位根方法检验了时间序列的单整阶数;在判别差分序列的平衡性之后,利用自相关函数图和偏相关函数图判别了时间序列模型的自回归阶数（AR（P）和移动平均阶数MA（q);然后利用TSP软件用OLS法对时间序列模型的回归参数进行了估计与显著性检验,并对通过检验的回归结果进行了分析。     

Modeling and Simulation of Time Series Prediction Based on Dynic Neural Network

Molding and simulation of time series prediction based on dynic neural network(NN) are studied. Prediction model for non-linear and time-varying system is proposed based on dynic Jordan NN. Aiming at the intrinsic defects of back-propagation (BP) algorithm that cannot update network weights incrementally, a hybrid algorithm combining the temporal difference (TD) method with BP algorithm to train Jordan NN is put forward. The proposed method is applied to predict the ash content of clean coal in jigging production real-time and multi-step. A practical exple is also given and its application results indicate that the method has better performance than others and also offers a beneficial reference to the prediction of nonlinear time series.     

Modeling and Simulation of Time Series Prediction Based on Dynamic Neural Network

Molding and simulation of time series prediction based on dynamic neural network(NN) are studied.Prediction model for non-linear and time-varying system is proposed based on dynamic Jordan NN. Aiming at the intrinsic defects of back-propagation (BP) algorithm that cannot update network weights incrementally, a hybrid algorithm combining the temporal difference (TD) method with BP algorithm to train Jordan NN is put forward.The proposed method is applied to predict the ash content of clean coal in jigging production real-time and multistep. A practical example is also given and its application results indicate that the method has better performance than others and also offers a beneficial reference to the prediction of nonlinear time series.     

时序分析法在岩层与地表移动中的应用

将多次观测得到的岩层与地表移动变形值看成是一系列时刻得到的时间序列,采用时序分析方法对其进行模型识别、参数估计及预测预报．并通过工程实例对该方法进行了初步检验．     

基于回声状态网络的飞机混沌时间序列预测模型

准确检测飞机即将发生的故障或预测其状态的变化趋势,对于实现飞行安全具有重要意义。文章针对传统基于回声状态网络在故障预测中的不足,构建了基于小波降噪的回声状态网络预测模型。该模型保留了非线性时间序列回声状态网络预测的优势,并采取小波变换对混沌时间序列进行降噪预处理,有效提高了含噪混沌时间序列的预测精度。论文通过对某飞机发动机滑油散热器温度时间序列数据序列进行预测分析,表明文中模型具有较好的预测精度,验证了模型的有效性。     

改进型灰色马尔科夫模型在径流预测中的应用

随着径流量预测重要性的凸显,径流预测模型不断涌现.针对单一径流预测的局限性及一般的耦合径流预测精度不高的问题,应用数据加载法提出了GM(1,1)的修正模型,并对模型进行残差修正,提出了改进型的灰色马尔科夫耦合预测模型,进一步提高了径流预测的精度,区间预测成果更具科学性和实用价值,并将预测模型具体应用于三门峡水库入库年径流预测,预测成果可靠度高.     

神经网络与时间序列模型在股票预测中的比较

首先利用时间序列中的AR IM A模型和人工神经网络建立了两类股票价格预测模型并对一定时期的股票价格进行了预测,然后用4种广为使用的统计评价方法对两类模型的预测性能进行了比较。结果表明,两种模型都取得了很好的整体预测效果,而在趋势预测方面,神经网络则得到了比AR IM A模型更准确的结果。