检索结果-内蒙古大学图书馆

农村科学实验 2025年第3期 169-171页

作者：汤雷吼林建国韦添露广西壮族自治区国有派阳山林场

为了更好地利用和加工尾巨桉DH32-29木材，了解和分析尾巨桉DH32-29采伐后水分含量的变化情况，该文以5年生尾巨桉DH32-29为研究对象，在广西壮族自治区国有派阳山林场采伐了符合条件的5年生尾巨桉无性系DH32-29林木40株，对采伐后的木... 详细信息

为了更好地利用和加工尾巨桉DH32-29木材，了解和分析尾巨桉DH32-29采伐后水分含量的变化情况，该文以5年生尾巨桉DH32-29为研究对象，在广西壮族自治区国有派阳山林场采伐了符合条件的5年生尾巨桉无性系DH32-29林木40株，对采伐后的木材进行取样并使其自然干燥，并于2023年9月12日至2024年1月10日每间隔5 d调查1次木材含水率情况。对5年生尾巨桉无性系DH32-29木材样木的含水率均值应用时间序列进行分析，经平稳化处理、模型检验后，确定5年生尾巨桉无性系DH32-29在采伐后120 d内的含水率预测模型为Y_t=0.138-1.000×εt-j。经检验，模型的拟合优度R2为0.988，模型表现优秀，拟合效果好，具有较高的准确性和可信度。最后得出了5年生尾巨桉DH32-29无性系采伐后125～150 d的木材含水率。

关键词：尾巨桉DH32-29 时间序列分析模型木材含水率动态模型

来源：评论

学校读者我要写书评

暂无评论

基于时间序列分析模型的非稳定电力负荷预测方法和系统

基于时间序列分析模型的非稳定电力负荷预测方法和系统

引用

作者：邓若愚胡尚薇王翰林 215000 江苏省苏州市相城区高铁新城青龙港路58号天成时代商务广场29、30层

本申请提供一种基于时间序列分析模型的非稳定电力负荷预测方法和系统，所述方法包括：用经验小波分解方法将非平稳的原始序列分解为一组平稳的子序列，分解后的所述子序列呈现出从低频到高频的特点，各频段的子序列具有相同的特征，且... 详细信息

标准号: CN115829139A

本申请提供一种基于时间序列分析模型的非稳定电力负荷预测方法和系统，所述方法包括：用经验小波分解方法将非平稳的原始序列分解为一组平稳的子序列，分解后的所述子序列呈现出从低频到高频的特点，各频段的子序列具有相同的特征，且具有平稳性；将所述子序列的数据重构后按照从低频到高频的顺序依次送入Autoformer模型中进行预测；将各子序列的预测结果进行整合，得到原始序列的最终预测结果。进一步提高电力负荷预测的精准度，从而可以经济合理地安排电网内部发电机组的启停，保持电网运行的安全稳定性。本申请为EWT和Autoformer组合预测模型，经验小波分解(EWT)的使用从一定程度上满足了Autoformer模型对序列平稳性的要求。

关键词：子序列小波分解预测结果原始序列平稳性时间序列分析模型电力负荷预测安全稳定性分解负荷预测数据重构稳定电力预测模型电网精准度频段发电机组启停整合申请送入预测

来源：评论

学校读者我要写书评

暂无评论

应用时间序列分析模型对大菱鲆选育优良家系发育的动态研究

应用时间序列分析模型对大菱鲆选育优良家系发育的动态研究

引用

第一届全国鲆鲽类产业可持续发展研讨会

作者：王新安马爱军黄智慧薛宝贵杨志曲江波中国水产科学研究院黄海水产研究所青岛2660712 烟台开发区天源天源水产有限公司烟台264300

对不同发育阶段体重的生长速度进行了动态模拟。根据Box-Jenkins建模原理,采用ARIMAR(p,d,q)模型,以大菱鲆选育F1优良家系为研究对象,应用时间序列分析方法对在3-27月龄间不同发育阶段体重的生长速度进行动态模拟,建立各家系的预测模型... 详细信息

对不同发育阶段体重的生长速度进行了动态模拟。根据Box-Jenkins建模原理,采用ARIMAR(p,d,q)模型,以大菱鲆选育F1优良家系为研究对象,应用时间序列分析方法对在3-27月龄间不同发育阶段体重的生长速度进行动态模拟,建立各家系的预测模型。结果表明,模型预测值的动态趋势与实测值基本一致,说明所建模型在一定程度上能反映各家系体重生长速度的变化,可用于后期生长速度的实际预测。

关键词：大菱鲆生长发育时间序列分析模型动态模拟

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的多传感器时间序列分析模型

基于注意力机制的多传感器时间序列分析模型

引用

作者：章轲樊谨黄益攀王洪堃赵备朱逸飞 310018 浙江省杭州市下沙高教园区2号大街

本发明公开了一种基于注意力机制的多传感器时间序列分析模型。本发明包括数据收集、数据挖掘、时间序列分析和前端可视化，所述的数据收集通过设置在人体上的可穿戴传感器设备进行收集；可穿戴传感器设备分别固定在测试人员身体的大臂... 详细信息

标准号: CN111291804A

本发明公开了一种基于注意力机制的多传感器时间序列分析模型。本发明包括数据收集、数据挖掘、时间序列分析和前端可视化，所述的数据收集通过设置在人体上的可穿戴传感器设备进行收集；可穿戴传感器设备分别固定在测试人员身体的大臂上侧和膝盖上侧，其中左臂上侧设置主传感器,其余都是从机传感器；从机传感器通过其射频无线传输模块将运动信号发送到主传感器，再发送到手机；根据分析方向进行定向分析，如果是运动预测，则对信号进行预处理，再由模型进行预测；如果是活动识别，则对信号进行预处理、特征提取、特征归一化、特征降维和识别分类器；最后均将结果显示在手机上。本发明用于多变量时间序列长期预测，可以实现实时运动预测。

关键词：预处理传感器设备数据收集主传感器可穿戴传感器手机预测时间序列分析模型射频无线传输时间序列分析特征归一化注意力机制多传感器分析方向活动识别人员身体时间序列实时运动数据挖掘特征提取运动信号运动预测多变量分类器可视化大臂左臂膝盖发送测试分析

来源：评论

学校读者我要写书评

暂无评论

航空装备事故的灰色时序组合预测模型

引用

中国安全科学学报 2012年第4期22卷 32-37页

作者：甘旭升端木京顺王青西京学院基础部空军工程大学工程学院

为提高航空装备事故预测水平,提出一种基于灰色和时间序列分析模型的航空装备事故组合预测模型。先构建灰色模型,提取历史数据中承载的趋势信息。然后进行模型选择、阶数识别和参数估计,建立灰色残差的时间序列分析模型,用以刻画历史数... 详细信息

为提高航空装备事故预测水平,提出一种基于灰色和时间序列分析模型的航空装备事故组合预测模型。先构建灰色模型,提取历史数据中承载的趋势信息。然后进行模型选择、阶数识别和参数估计,建立灰色残差的时间序列分析模型,用以刻画历史数据中的随机波动特征。最后,将2个模型的预测值相加,得到所求的组合预测结果。实例中,以美国空军1996—1999年的A级飞行事故10万时率数据为基础,建立灰色时序组合模型,模型中短期预测精度优于单一灰色模型,平均相对误差控制在5%以内,预测结果能够反映航空装备安全的实际状况。

关键词：灰色模型时间序列分析模型单位根检验航空装备事故组合预测

来源：评论

学校读者我要写书评

暂无评论

全国货运量预测与货运结构分析

引用

统计与决策 2022年第18期38卷 179-183页

作者：李红娟卢天哲祝汉灿绍兴文理学院数理信息学院浙江绍兴312000

货运量是典型的非线性数据,并且存在季节特性,基于此,文章根据全国货运季节波动规律,采用季节分解的方法对货运量数据进行分解,针对分解后数据特征建立SAO-LSSVM-MA模型进行预测,以2000年1月至2019年5月、2000年1月至2020年5月的数据作... 详细信息

货运量是典型的非线性数据,并且存在季节特性,基于此,文章根据全国货运季节波动规律,采用季节分解的方法对货运量数据进行分解,针对分解后数据特征建立SAO-LSSVM-MA模型进行预测,以2000年1月至2019年5月、2000年1月至2020年5月的数据作为训练集,2019年6月至11月和2020年6月至11月的数据作为测试集进行预测,并通过建立VAR模型进一步分析货运方式之间的动态关系。结果显示:所建模型精度明显高于LSSVM和ARIMA模型;公路货运量对民航货运量、水路货运量、铁路货运量影响都较大,四种货运方式之间不仅存在拉动作用,还存在竞争关系。

关键词：货运量预测货运结构 LSSVM模型时间序列分析模型脉冲响应方差分解

来源：评论

学校读者我要写书评

暂无评论

跨座式单轨车载空调系统故障时间序列预测方法研究

引用

重庆交通大学学报（自然科学版） 2022年第3期41卷 130-135,142页

作者：杜子学蒋大卫吴晶重庆交通大学轨道交通研究院重庆400074 重庆交通大学交通运输学院重庆400074 重庆市轨道交通(集团)有限公司重庆400042

空调系统作为城市轨道交通的重要组成部分,直接影响到乘客乘坐的舒适性。对空调系统故障数时间序列的进行预测,有助于合理制定维修策略和零件采购方案,从而控制成本。针对空调系统故障数时间序列的预测问题,在分析故障数的周期性波动规... 详细信息

空调系统作为城市轨道交通的重要组成部分,直接影响到乘客乘坐的舒适性。对空调系统故障数时间序列的进行预测,有助于合理制定维修策略和零件采购方案,从而控制成本。针对空调系统故障数时间序列的预测问题,在分析故障数的周期性波动规律及变化趋势的基础上,结合Census X12季节调整方法,构建季节性自回归积分滑动平均模型(X12-ARIMA模型),并基于残差序列建立BP神经网络模型,将两个模型预测值相加得到改进的X12-ARIMA-BP模型的预测值,并与X12-ARIMA模型、BP神经网络模型、ARIMA-BP变权组合模型的预测值进行对比。以重庆轨道交通3号线为例,基于7年的空调系统月故障数据分别利用4种模型进行故障数拟合并预测。研究结果表明:相比实际值,改进的X12-ARIMA-BP模型的预测结果的平均绝对百分比误差为18.54%,比X12-ARIMA模型降低了6.38%,比BP神经网络模型降低了11.01%,比ARIMA-BP变权组合模型降低了4.75%;对比其它3种预测模型,改进的X12-ARIMA-BP模型预测效果最好。

关键词：轨道工程跨座式单轨空调系统故障数据时间序列分析模型故障预测

来源：评论

学校读者我要写书评

暂无评论

基于小波去噪的高铁沉降预测模型研究

引用

测绘地理信息 2015年第1期40卷 37-40页

作者：刘闯花向红赵杰王中华武汉大学测绘学院武汉大学灾害监测与防治研究中心武汉市珞喻路129号430079

以武汉市某高铁的沉降观测数据为基础,对小波去噪前后的观测数据分别采用非线性曲线拟合模型和时间序列分析模型进行建模预测,并与实测数据进行比较分析。结果表明,观测数据经小波去噪后再进行建模分析,两种方法的预测精度都有很大改善... 详细信息

以武汉市某高铁的沉降观测数据为基础,对小波去噪前后的观测数据分别采用非线性曲线拟合模型和时间序列分析模型进行建模预测,并与实测数据进行比较分析。结果表明,观测数据经小波去噪后再进行建模分析,两种方法的预测精度都有很大改善,对高铁沉降变形预报有一定的实用价值。

关键词：小波去噪高铁沉降非线性曲线拟合模型时间序列分析模型预测模型研究

来源：评论

学校读者我要写书评

暂无评论

烟台市人口分析及预测

引用

水土保持研究 2007年第3期14卷 80-81页

作者：李清翠张振华谢恒星鲁东大学地理与资源管理学院山东烟台364025

利用时间序列分析模型和GM（1,1）模型拟合了烟台市人口数量，并对未来4年烟台市人口进行了预测。结果显示，二次滑动平均模型的相对误差波动范围为-0.731％～0.702％，均接近于0，预测精度最高。利用二次滑动平均模型预测未来4年烟台... 详细信息

利用时间序列分析模型和GM（1,1）模型拟合了烟台市人口数量，并对未来4年烟台市人口进行了预测。结果显示，二次滑动平均模型的相对误差波动范围为-0.731％～0.702％，均接近于0，预测精度最高。利用二次滑动平均模型预测未来4年烟台市人口分别为646．395万人、646．445万人、646．495万人和646．545万人，人口有逐年缓慢上升的趋势。

关键词：时间序列分析模型 GM(1,1)模型拟合精度预测

来源：评论

学校读者我要写书评

暂无评论

基于VAR模型的东亚主要国家和地区金融危机传染实证研究

引用

金融理论与实践 2013年第3期 29-34页

作者：宝音朝古拉苏木亚赵洋锡林郭勒职业学院内蒙古锡林浩特026000 内蒙古大学经济管理学院内蒙古呼和浩特010021

以亚洲金融危机、美国次贷危机和欧洲主权债务危机为背景,运用VAR模型、Granger因果检验以及脉冲响应分析等经典时间序列分析模型为工具,对东南亚地区主要经济体之间的金融危机传染进行实证分析。实证结果表明,我国大陆股市波动对其他... 详细信息

以亚洲金融危机、美国次贷危机和欧洲主权债务危机为背景,运用VAR模型、Granger因果检验以及脉冲响应分析等经典时间序列分析模型为工具,对东南亚地区主要经济体之间的金融危机传染进行实证分析。实证结果表明,我国大陆股市波动对其他东南亚主要经济体股市波动的影响不断增加,而其他主要经济体的股市波动对中国大陆股市波动的影响还不是很明显。

关键词：金融风险传染时间序列分析模型东亚主要国家和地区

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：