基于ARMA模型对我国电力消费量的预测

对于我国电力消费需求量时间序列自身规律的认识有助于电力消费量的预测,从而可以避免电荒和电力生产能力的过度投资。以1980年-2007年期间我国年发电量的时间序列数据为基础,通过建立指数回归一模型来拟合时间序列数据。运用残差序列趋势和残差序列相关图、偏相关图的分析,对模型的五种形式的参数估计结果进行比较分析,最后选择模型来拟合发电量时间序列数据,并对其模型拟合的残差进行了单位根检验,检验结果表明残差序列是平稳的,采用模型是合理的。     

基于单位根检验和ARMA模型的桥墩位移稳定性时间序列分析

评估桥墩位移是否收敛和稳定是桥梁健康评估的重要内容。在运用全球定位系统获取桥墩三维监测位移的基础上,首先运用时间序列方法对监测数据进行处理和分析,并使用单位根检验来确定桥梁监测序列是否平稳,为了克服短期偶发因素影响,进而建立自回归移动平均模型对桥梁信号监测数据进行预测分析,最后将桥墩水平位移实测数据与模型拟合结果的残差序列进行单位根检验,以进一步确定桥墩位移的长期稳定性。工程实例表明：单位根检验表明监测序列没有时间趋势,不存在单位根,数据序列为平稳序列,具有常均值和方差;自回归移动平均模型能够较好地刻画监测数据,且具有较高的可靠性和可行性;根据平稳时间序列模型的特征,可以计算监测序列的均值和方差。     

网络异常点检测中性能指标阈值的动态确定方法

通过检测代表性能降质的异常点来实现故障的提前发现和快速恢复是提高通信网的可靠性的重要手段. 采用基于统计假设检验的网络异常点检测方法,提出一种综合运用季节累积自回归滑动平均模型时间序列预测和置信区间计算来动态获取性能指标阈值的方法. 利用累积自回归滑动平均模型在训练集上的拟合残差白噪声符合正态分布的假设,给出了一种通过构造满足t分布的随机变量来计算预测值在任意置信度1－α下置信区间的新算法. 理论分析和实验结果表明,该阈值动态确定方法有效.     

大坝监测数据自回归模型特征根的应用研究

为了通过对大坝监测数据的分析来确定大坝安全监测的安全监控指标,应用时间序列分析方法,采用Levinson递推方法进行参数估计,对大坝监测数据回归分析模型的残差建立AR(p)模型.根据AR(p)模型特征多项式的根与单位圆距离的变化情况来判断大坝结构性态的变化趋势,并据此进行大坝的安全评价.在应用实例中,拱坝在运行过程中产生的裂缝和对坝体所进行的灌浆加固措施,对坝体结构性态所产生的影响以及变化均能够在分析结果中较好地反映出来,表明在大坝观测数据分析时,可以应用该方法有效地进行大坝结构性态的安全评价.     

信号交叉口交通事故频次显著影响因素的作用

为了分析信号交叉口几何设计及其他交通相关因素对安全的影响,搜集了北京市87个信号交叉口4年的轻伤及以上伤亡事故及相关交通信息,构建了事故纵向数据样本。利用基本负二项回归模型和分别基于3种作业相关结构的广义估计方程负二项模型对数据样本进行拟合。通过累积残差检验比较了4种回归模型对数据样本的拟合性能。结果表明,基于自回归型相关结构的广义估计方程负二项回归模型具有最优拟合效果。利用该模型对影响轻伤及以上伤亡事故发生的各显著因素作用进行了估计,并与基本负二项回归模型所估计的结果进行了比较,说明了时间相关性对模型估计的影响。     

计及温度影响的短期负荷预测时间序列模型

时间序列模型在国际和国内的短期电力负荷预测中得到了广泛应用.然而,这种方法的一个主要缺点是无法将影响负荷预测的主要因素之一即气象因素考虑进去.在此背景下,首先基于负荷和气温数据建立了负荷预测的回归模型,然后构造了回归模型残差累积式自回归一滑动平均模型并对回归模型进行修正.最后,用广东电力系统的实际负荷数据说明了所发展的...     

基于ARIMA-ANN的大坝安全监控模型

坝体的变形能反映建筑物的运行状况,受各种复杂因素影响,坝体变形监测数据是一个不平稳的时间序列.基于传统时间序列不能解决非平稳数据,使用自回归求和滑动平均序列建立模型,结合工程实例进行坝体变形监测数据的拟合与预测,并用BP神经网络进行误差预测,得到最终预测值.经过实际大坝的数据建模检验,建模方法可行,预测结果精度高,在大坝安全监测中具有较好的实用性.     

时间序列混合模型及其在原油价格预测中的应用

在时间序列建模时,随机扰动项经常表现出非高斯性质,造成传统的时序模型的估计和预测偏误.针对这个问题,提出一种新的时间序列混合模型--多维高斯混合转移分布模型(MCMTD模型),用来处理残差项不是白噪声的情况,并提出采用遗传算法进行参数估计.将新提出的MCMTD模型应用于对国际原油价格的预测分析中,进行模型的可行性检验.实证结果显示,MGMTD模型可以得到较好的预测结果.     

建筑能耗分析用逐日随机气象模型

针对建筑能耗分析所需气象数据的特点，应用时间序列分析方法对北京市十年六项气象参数（温度日均值，温度日较差，水蒸气分压力日均值，水蒸气发压力日较差，太阳总辐射和太阳直接辐射）建立了六维疏系数混合回归随机气象模型。为使用于建模的数学满足平稳性要求，在建模前对原始气象数据进行了平稳性变换。建模时用近似BIC准则挑顺归变元和确定模型阶数。模型建立后首选通过了白噪声检验，可用于预报和模拟。将用此模型是出的模拟值与实测气象数据进行的分析对比表明，模拟数据不仅很好地反映了气象随机过程的数量大小和分布特征，而且很好地反映了各气象参数自身和相互间的相关关系。因此，模型可实际用于建筑能耗分析，空调系统负荷计算，运用管理及动脉控制。     

观测数据拟合分析中的多重共线性问题

为有效克服在工程安全监测数据及统计数据的拟合与预测研究中，采用最小二乘回归法难以有效识别自变量因子间的多重共线性并消除其对回归模型精度影响的不足，引进偏最小二乘回归（PLSR）方法，对观测数据变量及其影响因子进行拟合与预测分析。将模型拟合预测与非模型式的数据内涵分析有机结合，可同时实现回归建模、数据结构简化以及因子间的多重共线性分析，并通过交叉有效性检验来控制模型精度。结果表明：PLSR方法对系统信息和噪声有良好的辨识能力，能有效克服因子多重共线性对模型精度的影响，使模型结果对实测变量的物理成因解释更趋合理，因而比最小二乘回归方法更具广泛适用性。     

带输入加速度估计的自校正去卷跟踪平滑器

处理了雷达跟踪系统中带输入加速度估计的问题．用现代时间序列分析方法［８］，基于ＡＲＭＡ新息模型，提出用白噪声平滑估值器计算带输入加速度估计的自校正会卷跟踪平滑器的新方法，并用仿真例子说明新方法的有效性．     

噪声自适应抑制技术在大坝安全监测数据处理中的应用

利用传感器监测大坝安全特征量从而实时掌握大坝安全状况是目前较为常见的安全监控手段。噪声干扰是传感器数据输出的重要问题,严重影响建模分析的精度。针对传统线性滤波的不足,提出了基于RBF神经网络的非线性神经网络滤波器,该模型克服了传统线性滤波对非高斯噪声处理时的缺点,且不需要关于输入信号和噪声的先验知识,非线性映射能力强。采用自适应噪声抵消基本原理,构造RBF神经网络自适应滤波器,然后针对该系统建立Simulink仿真模型。该技术应用在大坝监测数据处理中,取得了良好的效果。     

中国大陆GPS连续站时间序列噪声分析

GPS位置时间序列中不仅存在白噪声,还存在大量的闪烁噪声。如果只使用纯白噪声的协方差矩阵来估计速度,速度的不确定性会被严重低估。利用频谱分析和极大似然估计的方法对中国大陆地壳运动观测网络的264个GPS连续站长达20 a的GPS坐标时间序列进行了噪声分析,并计算出每个测站速度的不确定性。结果表明东、北及垂直方向上呈现了不同的噪声特性。频谱分析估计的光谱指数高于极大似然估计的指数,但均在−1附近,表明主要的噪声模型是白噪声加闪烁噪声。使用不同的噪声模型计算的速度不确定性存在较大差异,在东、北及垂直方向上,最优噪声模型计算的速度不确定性分别是只使用白噪声模型的(11.5±2.1)倍、(12.9±2.9)倍和(14.8±3.7)倍。利用极大似然估计方法与FOGMEx方法所计算的速度差距不大,在东、北及垂直方向上,利用极大似然估计方法所计算的速度不确定性分别是FOGMEx方法的(2.8±1.5)倍、(1.5±0.7)倍和(3.5±2.8)倍。     

基于光滑支持向量机的机械振动时间序列分析

时间序列分析方法是动态系统建模的重要手段,传统的序列预测方法如统计和神经网络并不适用于复杂的非线性系统,为此引入了一种新的基于支持向量回归(SVR)的时间序列分析方法。为了降低计算的复杂度,采用了光滑化方法对SVR的基本算法进行改进,并应用于汽轮机振动数据序列,尝试建立汽轮机组振动状态模型。仿真结果表明:光滑支持向量回归(SSVR)算法具有良好的预测性能。与传统的时间序列预测方法(如神经网络)相比,SSVR算法具有更高的收敛速度和更好的拟合精度,有效地扩展了SVR的应用范围。     

一类多路复用器系统的噪声滤波设计

在实际的多路复用系统中,当信号通过通信网络进行传输时,时常会发生具有随机性的时滞或数据丢失现象。该文研究当传输信号存在不超过一个采样周期的随机延迟的多路复用系统噪声滤波问题。对多路复用器系统状态空间模型进行改写,并通过扩维的方法解决噪声模型非白的问题,从而建立新的状态空间模型;基于新模型通过采用降维的最优滤波设计方法设计出多速率最优分析滤波器;通过计算机仿真试验,验证新滤波器的有效性。     

高炉铁水硅质量分数的非线性检验

为检验硅质量分数w(Si)的非线性特征，以邯郸钢铁公司7号高炉在线采集的2000炉铁水的w(Si)数据作为母体样本空间，首先运用替代数据法对w(Si)时间序列做非线性定量检验；针对替代数据法容易受系统噪声和时间序列自相关程度影响的缺点，根据信息论冗余图像法进一步对w(Si) 序列做非线性定性判别；通过与典型的线性自回归模型和混沌Lorenz模型的冗余图像的比较，指出w(Si)序列的非线性并非是噪声引起的平凡非线性，而是高炉冶炼内在机理决定的本质非线性，为应用非线性模型对炉温做预测和控制建立理论了依据     

坝区岩体的剪切蠕变经验方程及参数数值反演

岩体的剪切蠕变特性是影响坝区边坡岩体变形与长期稳定性的重要因素之一。利用现场剪切蠕变试验数据回归拟合得到了坝区“硬、脆、碎”辉绿岩脉的剪切蠕变经验方程,并由最小二乘法得到了剪切蠕变经验方程的拟合参数;提出了可以真实模拟现场剪切蠕变试验过程以及岩体实际地层分布情况的蠕变参数数值反演分析方法。通过对比分析可知,回归拟合变形值及数值反演计算变形值均与试验变形值比较接近,最大误差均未超过8％,表明剪切蠕变经验方程能有效反映坝区岩体的剪切蠕变变形特性,且建立的剪切蠕变数值模型也是合理可靠的,这为深入认识和了解坝区辉绿岩脉在不同应力水平下的剪切蠕变力学特性提供了重要的试验和理论依据,也为坝基边坡工程稳定性分析和设计提供了技术参数保证。     

粒子群优化加权灰色回归组合的卫星钟差预报

为了提高卫星钟差预报的精度和稳定度,提出了一种基于粒子群算法优化指数函数和线性函数逼近的加权灰色回归组合的自适应卫星钟差预报方法.该方法首先在建模之前考虑到卫星钟差钟跳频繁的现象,采用中位数法探测钟跳数据并将其剔除后,采用分段线性插值法将缺失的钟差数据补齐;然后考虑到卫星钟差存在系统噪声,采用三点平滑法对钟差数据进行平滑处理后,建立了以指数函数和线性函数逼近加权灰色回归组合的卫星钟差预报模型.针对模型中的精度递增因子难以确定的问题,采用粒子群优化算法对精度递增因子进行自适应寻优.最后,采用IGS服务器上发布的事后精密卫星钟差产品,并结合4种典型变化趋势的卫星钟差进行了6 h的预报试验.试验结果表明:该方法的预报性能明显优于其他几种常用模型,其6 h的平均预报精度(RMS)和稳定度(Range)相对于常用的二次多项式预报模型、灰色预报模型、修正指数曲线法预报模型和自回归滑动平均预报模型分别提高了79.10%、44.00%、80.70%、32.30%和63.10%、29.80%、77.60%、26.30%.     

基于相空间重构的降雨时间序列降噪及预测研究

为解决降雨混沌时序预测精度较低的问题,基于相空间重构思想,引入改进的局部投影算法进行降雨时序的降噪;采用定性和定量的混沌特性判定方法,指出降雨时序具有明显的混沌特性.并在此基础上构建了基于最小二乘支持向量机的降噪、预测一体化模型并进行了多步预测实验.实验结果表明:降噪前后预测精度相差很大,表明噪声是造成混沌预测方法预测精度较低的主要原因.最后通过与其他预测方法比较,验证了所建立的混沌预测模型预测精度高、误差较小,可用于工程实际.     

混凝土坝坝体温度场的时空分布模型

许多大坝只在坝体内布置有限的温度计，并且许多运行多年的大坝更因坝体内的温度计损坏而无法知道坝体温度场状况，为此根据坝体温度计实测资料和边界温度条件。着重分析气温、水温及水泥水化热3个主要因子对坝体温度场的影响，建立坝体温度场时空分布模型。通过实例分析表明，温度场的回归拟台曲线与实测值曲线拟合得较好。