检索结果-内蒙古大学图书馆

计算机与现代化 2017年第10期 72-75页

作者：杨雨诗何博侠周鑫刘慧丽葛方丽南京理工大学机械工程学院江苏南京210094

为实现中文文本的准确分类,提出一种基于词库匹配的分类方法。在测试集中采用向量空间模型进行特征表达,用基于词逆向文档频率(TF-IDF)的主成分分析法计算权值,筛选并建立47个行业的索引词库,然后根据与索引词库的余弦相似度判断文本行... 详细信息

为实现中文文本的准确分类,提出一种基于词库匹配的分类方法。在测试集中采用向量空间模型进行特征表达,用基于词逆向文档频率(TF-IDF)的主成分分析法计算权值,筛选并建立47个行业的索引词库,然后根据与索引词库的余弦相似度判断文本行业类别,建立自回归积分滑动平均(ARIMA)模型,预测其未来10天发展趋势。实验结果表明,索引词库的平均分类效果指标F值为85.6%,预测模型的平均相对误差为3.41%,证明该分类方法是有效的。

关键词：文本分类向量空间模型主成分分析法余弦相似度自回归积分滑动平均模型

来源：评论

学校读者我要写书评

暂无评论

夏季短期电力负荷ARIMA-SVR组合预测模型

引用

黑龙江电力 2016年第2期38卷 104-108页

作者：王喜平王雅琪华北电力大学经济管理系河北保定071003

针对夏季电力负荷因波动性、非线性等特点和易受气温、日类型等因素影响,用单一模型难对其做出精确预测的问题,基于自回归积分滑动平均模型(ARIMA)和支持向量回归机模型(SVR)的优点,构建了ARIMA-SVR组合预测模型。通过ARIMA预测模型进... 详细信息

针对夏季电力负荷因波动性、非线性等特点和易受气温、日类型等因素影响,用单一模型难对其做出精确预测的问题,基于自回归积分滑动平均模型(ARIMA)和支持向量回归机模型(SVR)的优点,构建了ARIMA-SVR组合预测模型。通过ARIMA预测模型进行线性拟合,然后根据粒子群算法(PSO)优化参数的SVR预测模型对ARIMA模型的残差预测值进行修正。结合实际案例对夏季用电负荷进行趋势预测和误差分析,结果表明ARIMA-SVR组合模型的负荷预测精度较高,优于传统的单一预测模型。

关键词：支持向量回归机自回归积分滑动平均模型粒子群优化短期负荷预测误差分析

来源：评论

学校读者我要写书评

暂无评论

基于多种模型融合的电能计量互感器误差自动化补偿方法

引用

自动化与仪表 2024年第9期39卷 110-113,117页

作者：杜瀚霖柳州市计量技术测试研究所柳州545000

为电能精准计量提供保障,提出基于多种模型融合的电能计量互感器误差自动化补偿方法。获取影响电能计量互感器误差的关键特征数据,作为改进LSTM与SVR输入,得到对应子模型的预测输出,计算子模型的权重系数,通过平均加权法融合模型的预测... 详细信息

为电能精准计量提供保障,提出基于多种模型融合的电能计量互感器误差自动化补偿方法。获取影响电能计量互感器误差的关键特征数据,作为改进LSTM与SVR输入,得到对应子模型的预测输出,计算子模型的权重系数,通过平均加权法融合模型的预测结果,确定电能计量互感器运行数据预测值,利用自回归积分滑动平均模型实现电能计量互感器误差的动态补偿。实验结果表明,特征数据选择可有效降低电能计量互感器比差和角差波动幅度;误差补偿后的二次电压曲线平滑,且更加接近理想的正弦波形。

关键词：互感器误差补偿传递熵 SVR LSTM 自回归积分滑动平均模型

来源：评论

学校读者我要写书评

暂无评论

时序模型ARIMA在数据分析中的应用

引用

福建电脑 2024年第4期40卷 25-29页

作者：李玲玲辛浩淮北职业技术学院计算机科学技术系安徽淮北235000

时间序列是进行趋势分析的方法之一。随着大数据时代的到来,经济趋势、企业经营、市场预测和天气预测等常常需要进行预测和分析。本文对某知名化妆品公司2010年至2018年间的2122条股票数据,采用ARIMA模型进行趋势分析,预测未来的发展趋... 详细信息

时间序列是进行趋势分析的方法之一。随着大数据时代的到来,经济趋势、企业经营、市场预测和天气预测等常常需要进行预测和分析。本文对某知名化妆品公司2010年至2018年间的2122条股票数据,采用ARIMA模型进行趋势分析,预测未来的发展趋势。通过模型的拟合与效果考核,所得到的结果说明了应用ARIMA模型对股票进行趋势分析时,可以取得较好的预测效果。

关键词：时间序列股票数据预测模型自回归积分滑动平均模型

来源：评论

学校读者我要写书评

暂无评论

基于三种映射结构非线性模型检测方法及其应用

引用

现代商业 2019年第25期 110-114页

作者：张承钊成都职业技术学院

预测股票市场价格指数是一项具有挑战性的任务。许多学者尝试过多种模型来预测股票指数,主要有自回归积分滑动平均模型、人工神经网络、支持向量机、决策树和遗传算法等。本文采用神经网络预测中国基准股票指数——沪深300指数走势,试... 详细信息

预测股票市场价格指数是一项具有挑战性的任务。许多学者尝试过多种模型来预测股票指数,主要有自回归积分滑动平均模型、人工神经网络、支持向量机、决策树和遗传算法等。本文采用神经网络预测中国基准股票指数——沪深300指数走势,试图通过改变输入数据和神经元数量等来取得更好的拟合效果。利用命中率和均方误差对预测精度进行测量。通过调整滞后阶数和隐层神经元个数,观察命中率的变化趋势。结果表明,通过并行输入向量数据对收盘价命中率的作用不大,但是能显著提高最高价和最低价的命中率。

关键词：自回归积分滑动平均模型人工神经网络遗传算法命中率均方误差

来源：评论

学校读者我要写书评

暂无评论

基于R语言时间序列的ARIMA模型预测某三甲综合医院人均月住院费用和住院日的研究

引用

中国卫生产业 2024年第11期21卷 220-224页

作者：李君曹良海四川大学华西医院宜宾医院(宜宾市第二人民医院)病案科四川宜宾644000 四川大学华西医院宜宾医院(宜宾市第二人民医院)重症医学科四川宜宾644000

目的运用自回归积分滑动平均模型(Autoregressive Intergrated Moving Average,ARIMA)建立月平均住院费用和住院日的医学经济学模型,为医院精细化管理提供依据。方法利用R4.0.2软件对2017年1月—2021年12月四川大学华西医院宜宾医院(宜... 详细信息

目的运用自回归积分滑动平均模型(Autoregressive Intergrated Moving Average,ARIMA)建立月平均住院费用和住院日的医学经济学模型,为医院精细化管理提供依据。方法利用R4.0.2软件对2017年1月—2021年12月四川大学华西医院宜宾医院(宜宾市第二人民医院)的平均住院费用和住院日数据建立时间序列ARIMA预测模型。结果住院费用最优模型为ARIMA(0,1,1),赤池信息准则(Akaike information criterion,AIC)=924.35,贝叶斯信息准则(Bayesian Information Criterion,BIC)=928.51,残差Ljung-Box Q=12.51(P=0.768),可认为残差序列为白噪声。平均住院日的最优模型为ARIMA(5,1,1),AIC=87.49,BIC=104.11,残差Ljung-Box Q=10.05(P=0.612),可认为残差序列为白噪声。2022年1—12月实际值与预测值基本吻合,月人均住院费用和人均住院日的平均相对误差为0.55%、0.29%。结论建立基于时间序列ARIMA模型能够为合理配置卫生资源提供强有力的数据支撑。

关键词：自回归积分滑动平均模型平均住院费用平均住院日预测

来源：评论

学校读者我要写书评

暂无评论

超声波测距信号实时降噪滤波算法仿真与应用

引用

科技通报 2019年第5期35卷 107-110页

作者：苏晨张朋常静河南工学院河南新乡453003 中原工学院郑州450007

针对目前油井超声液面深度测试系统测量噪声大,测量范围小、结果误差大、测量精度低的问题,提出一种新型超声波信号高效降噪和滤波算法。采用自回归积分滑动平均模型建模方法对油井套管中的超声波序列建立ARIMA数学模型体系;运用高精度... 详细信息

针对目前油井超声液面深度测试系统测量噪声大,测量范围小、结果误差大、测量精度低的问题,提出一种新型超声波信号高效降噪和滤波算法。采用自回归积分滑动平均模型建模方法对油井套管中的超声波序列建立ARIMA数学模型体系;运用高精度新息自适应卡尔曼滤波算法实时估计超声波序列中的液面回波;采用液面波自动识别技术检测微弱液面回波。仿真和工程应用结果表明,算法实时、高效,动液面深度测量误差小,能满足实际工程应用。

关键词：超声波检测波自动识别技术卡尔曼滤波时间序列自回归积分滑动平均模型

来源：评论

学校读者我要写书评

暂无评论

深圳市手足口病预测模型比较

引用

热带医学杂志 2023年第9期23卷 1323-1327页

作者：毕嘉琦郑磊梁玲莎钟玉君深圳市宝安区公共卫生服务中心广东深圳518104

目的探讨时间序列分析法在手足口病预测中的应用,分别构建基于百度指数与发病率的自回归积分滑动平均模型(ARIMA),对比模型预测效果从而选出较佳的模型。方法疫情资料来源于中国疾病预防控制信息系统,百度关键词指数数据从百度指数官网... 详细信息

目的探讨时间序列分析法在手足口病预测中的应用,分别构建基于百度指数与发病率的自回归积分滑动平均模型(ARIMA),对比模型预测效果从而选出较佳的模型。方法疫情资料来源于中国疾病预防控制信息系统,百度关键词指数数据从百度指数官网上以月为单位进行收集。采用stata15.0SE与SPSS 20.0软件对数据进行整理与分析,并建立ARIMA模型;运用均方根百分比误差(RMSPE)和平均绝对百分比误差(MAPE)来评价百度指数构建的ARIMA模型与发病率构建的ARIMA模型之间的预测效果。结果2017-2021年深圳市辖区手足口病共9174例,年均发病率为16.43/10万;发病率高峰集中在10、5、7月。男性年均发病率10.33/10万,高于女性年均发病率6.11/10万,差异有统计学意义(χ^(2)=16.215,P<0.05)。发病年龄段主要集中在0~<6岁(7960例,86.76%),人群种类分布以散居儿童为主(6901例,75.22%)。基于复核百度指数的模型MAPE=41.535%,RMSPE=21.633%;基于发病率的模型MAPE=42.731%,RMSPE=22.201%,前者的预测性能更好。结论基于百度指数建立的ARIMA模型可提升模型的预测性能,可结合手足口病发病率及百度指数建立ARIMA模型,加强预测效果。

关键词：手足口病百度指数自回归积分滑动平均模型

来源：评论

学校读者我要写书评

暂无评论

中国卫生总费用影响因素实证研究与预测分析

中国卫生总费用影响因素实证研究与预测分析

引用

中国卫生经济学会第十七次年会

作者：贺睿博李军山殷晓露江西中医药大学经济与管理学院江西南昌

目的:对卫生总费用的影响因素进行实证研究,并运用ARIMA模型对卫生总费用占国内生产总值的比重进行预测分析,为卫生部门制定政策提供数据参考和对策建议. 方法:采用计量经济学中的协整理论,检验变量之间的协整关系来进行实证研究,运... 详细信息

目的:对卫生总费用的影响因素进行实证研究,并运用ARIMA模型对卫生总费用占国内生产总值的比重进行预测分析,为卫生部门制定政策提供数据参考和对策建议. 方法:采用计量经济学中的协整理论,检验变量之间的协整关系来进行实证研究,运用时间序列分析中ARIMA模型进行预测. 结果:国内生产总值、城市化率与卫生总费用之间存在长期稳定的正向相关关系,政府卫生事业费占财政预算支出比例与卫生总费用存在长期负相关关系.ARIMA(5,1,2)模型预测误差值均在3％以内,预测精度较高,2013-2017年卫生总费用占GDP百分比分别为5.45％、5.50％、5.57％、5.64％、5.71％. 结论:政府应拓宽筹资渠道,加大对卫生事业的投入力度,完善医疗服务供方的补偿机制,抑制卫生费用的不合理增长.

关键词：卫生总费用国内生产总值协整理论自回归积分滑动平均模型

来源：评论

学校读者我要写书评

暂无评论

基于ARIMA模型的网络团购短期销售量预测

基于ARIMA模型的网络团购短期销售量预测

引用

第十一届全国青年系统科学与管理科学学术会议暨第七届物流系统工程学术研讨会

作者：史楠王刊良西安交通大学管理学院陕西西安 710049 中国人民大学商学院北京100872

网络团购已经成为国内时下最受欢迎的电子商务模式,团购较低的折扣吸引了大量的消费者,而对团购销售量进行短期预测有助于商家和团购网站在第一时间把握商机,合理调配商品的数量.本文以团购三天交易量数据为依据,建立ARIMA模型对团购第... 详细信息

网络团购已经成为国内时下最受欢迎的电子商务模式,团购较低的折扣吸引了大量的消费者,而对团购销售量进行短期预测有助于商家和团购网站在第一时间把握商机,合理调配商品的数量.本文以团购三天交易量数据为依据,建立ARIMA模型对团购第四天交易量进行了预测,与真实值相比具有较为准确的预测结果.

关键词：电子商务网络团购销售量预测短期自回归积分滑动平均模型

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：