含置信区间的ARIMA与GARCH混合式电价预测方法研究

通过对已有的各种电价预测方法的深入研究,提出一种带置信区间的混合式电价预测方法.比较了自相关函数和偏自相关函数判断平稳性及残差方差图定阶法,认为游程检验判断电价序列平稳性方法和AIC准则模型定阶法可避免预测过程中的主观因素,提高预测精度.通过引入电价误差序列异方差判断,结合ARIMA和GARCH,提出含置信区间的电价预测方法,极大地克服了单点预测缺点,增加算法的灵活性,使得市场竞价者可以根据自己对电价预测精度的期望选择电价波动的范围.采用PJM市场数据,验证了算法的有效性.     

基于ARIMA LSTM组合模型的楼宇短期负荷预测方法研究

在楼宇短期负荷预测中,针对单一预测模型难以充分学习负荷时间序列中的特性问题,提出了一种基于自回归差分移动平均-长短期记忆神经网络(ARIMA-LSTM)组合模型的楼宇负荷预测方法。首先,根据灰色关联度选取相似日时间序列数据为训练样本;然后,利用ARIMA模型预测负荷,并将原始数据和ARIM A预测数据之间的误差视为非线性分量;最后,通过LSTM神经网络对误差序列进行校正,得到楼宇短期负荷的最终预测值。通过对上海市某楼宇的预测效果分析,并将其与ARIMA模型、LSTM模型和ARIMASVM组合模型进行对比,验证了所提方法能够有效控制预测误差,提高楼宇负荷预测精度。     

基于ARIMA时间序列模型的中国塑料制品产量预测研究

根据中国2000~2019年塑料制品产量的时间序列数据,研究差分自回归移动平均模型ARIMA(p,d,q)的建模和应用。利用白噪声检验和平稳性检验对原始序列进行预处理及ARIMA模型识别,在模型定阶后进行参数估计,检验模型拟合效果,并预测塑料制品的产量。结果表明:ARIMA(2,1,1)模型可以很好地描述塑料制品产量的变化趋势,使用该模型可以预测未来五年的塑料制品产量。     

基于小波分析的短期电价ARIMA预测方法

电力市场中的电价具有特殊的周期性,以天、周、年为周期波动,且大周期中嵌套小周期.作者提出一种基于小波分析的累积式自回归滑动平均方法(WARIMA)用于短期电价预测,首先利用小波变换能将交织不同频率成份的混合信号分解成不同频带上的块信号的特性,将电价这一随机序列进行小波分解,得到低频上的概貌序列和高频上的细节序列,并在此基础上对各个子电价序列分别利用累积式自回归滑动平均模型(ARIMA)进行预测,然后在电价平稳时段用概貌序列预测结果直接作为电价预测结果,而在电价非平稳时段将各子序列预测结果重构作为最终的预测结果.为了对比分析,将直接使用ARIMA模型的预测结果和采用WARIMA方法的预测结果进行了比较,表明引入小波分析对提高预测精度是有益的.     

基于ARIMA的矿山电网故障暂态行波波头辨识及故障测距

由于矿山电网含有大量的整流设备及非线性负载,运行时含有稳定的高次谐波分量和高频噪声,同时矿山电网多为短距离线路,故障后产生的暂态信号与原有高次谐波混叠严重,给行波故障测距带来了极大的困难。通过分析矿山电网故障行波的时域特征,提出基于整合移动平均自回归模型(ARIMA)对行波波头到达前的高频周期信号进行预测,并结合波头到达时刻的真实波形得到波形残差,同时对残差进行平稳性校验,通过行波波头到达时刻前后残差平稳性的不同确定准确的波头到达时刻,进而实现行波故障测距。利用低压电缆网络仿真实现矿山电网故障,仿真结果表明:与小波变换与经验模态分解相比,所提方法能够准确辨识行波波头,且不易受故障状况和噪声的影响,能有效提升行波可行性及精度,尤其适用于含有整流设备及非线性负载矿山电网故障测距。     

一种准确预测无线局域网业务量的时间序列模型

在对随机选取的实际环境中的多组无线局域网业务量数据的研究过程中,发现无线局域网业务量具有明显的多重季节性．利用差分和特定间隔抽样对原始数据处理,从而验证了无线局域网业务量的季节性．并提出了一个能够准确预测无线局域网业务量的时间序列模型：乘积型季节ARIMA(0,1,1)(0,1,1)₁₂模型,通过迭代计算,将此模型转化成一个MA模型,并且利用MA模型的性质对模型参数作出估计．利用差分方程法,对随机选取的一段无线局域网业务量进行了预测．结果表明,此模型可较好地对无线局域网的业务量进行短期预测,且提前10步预测的平均相对误差仅为0.0401．     

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...     

四川入境游人数的预报

根据2004年1月至2010年3月四川入境游数据,运用时间序列分析方法建立干预模型,进而以所建立的干预模型对四川入境游人数进行了预测,为四川省将来入境游事业的规划与发展提供理论依据和政策建议.     

单变量ARIMA模型的铁水钛含量预报

以某大型钢铁企业四号高炉为背景,针对其钛含量采样周期不固定的特点,提出了利用三次样条函数对采样数据序列进行等间距化处理,再利用ARIMA模型进行建模及预测的综合方案.利用Visual C++及SPSS对方案进行了模拟实验.结果表明:该方案预测精度高,符合工艺要求,实现简单,适于在线运行.     

基于季节ARIMA模型的近海表层水温时间序列模拟与预测

基于1996—2007年逐月时间序列数据,采用季节ARIMA模型对连云港近海表层水温时间序列进行模拟,并依据残差不相关和简洁性原则确定模型的结构,建立最优预测模型ARIMA（1,0,1）（0,1,0）12。运用该模型对2008年逐月表层水温进行预测,预测值与实际值的变动趋势基本一致,且平均相对误差仅为3.5%。在此基础上对2009年连云港近海逐月表层水温进行预报,预报结果符合该海域表层水温的逐月变化趋势,表明模型用于近海表层水温预报是可行的。