检索结果-内蒙古大学图书馆

大连理工大学学报 2024年第3期64卷 307-313页

作者：李海莲高雅丽江晶晶司金忠兰州交通大学土木工程学院甘肃兰州730070 中铁第六勘察设计院集团有限公司天津300308

基于nar神经网络模型和ARIMA传统时间序列预测模型,对高速公路沥青路面的破损状况进行预测,再分别通过最优加权法和残差优化法对两种预测模型进行组合,得到两种组合模型.对各单一模型和组合模型的精度和稳定性进行了比较分析.实例分析表... 详细信息

基于nar神经网络模型和ARIMA传统时间序列预测模型,对高速公路沥青路面的破损状况进行预测,再分别通过最优加权法和残差优化法对两种预测模型进行组合,得到两种组合模型.对各单一模型和组合模型的精度和稳定性进行了比较分析.实例分析表明,组合模型相较于单一模型的精度和稳定性均有所提升,nar-ARIMA最优加权组合模型预测效果最佳.该组合模型所需样本量较小,且基于时间序列.由于采用历史数据作为影响因素代替指标,该组合模型计算速度快、精度高,适用于日常的预测工作,为后续合理的道路养护决策提供了重要的理论依据.

关键词：道路工程路面破损状况预测 ARIMA模型 nar神经网络模型沥青路面

来源：评论

学校读者我要写书评

暂无评论

nar神经网络的应用与检验——以城市居民生活需水定额为例

引用

灌溉排水学报 2017年第11期36卷 122-128页

作者：李析男王宁梅亚东赵先进贵州省水利水电勘测设计研究院贵阳550002 贵州省喀斯特地区水资源开发利用工程技术研究中心贵阳550002 武汉大学水资源与水电工程科学国家重点实验室武汉430072

nar神经网络具有反馈和记忆功能,其在时间序列的建模仿真方面具有显著优点。以城市居民生活需水定额为例,采用nar神经网络建立了贵州省城市居民生活需水定额的时间序列模型,通过试验法、留一法交叉检验讨论了模型相关输入参数的计算与选... 详细信息

nar神经网络具有反馈和记忆功能,其在时间序列的建模仿真方面具有显著优点。以城市居民生活需水定额为例,采用nar神经网络建立了贵州省城市居民生活需水定额的时间序列模型,通过试验法、留一法交叉检验讨论了模型相关输入参数的计算与选取,通过相关系数、Nash效率系数、LBQ检验、ROC曲线方法检验了模型的性能和预测结果的精度,进而对贵州省城市居民生活需水定额变化趋势进行了预测。结果表明,(1)nar模型性能良好并具有较高的预测精度,nar神经网络的相关系数r、Nash效率系数分别达到0.97、0.87,LBQ检验得出预测结果误差不存在自相关性,采用预测结果绘制ROC曲线,其AUC值达到0.938(处于水平1,有较高准确性);(2)需水定额合理性评价中,预测2020年、2030年需水定额分别为137.72 L/(人·d)、132.94 L/(人·d),满足《室外给水设计规范》(GB50013—2006)的要求,具有较好的适用性。

关键词： nar神经网络模型留一法交叉验证 Ljung-Box Q检验 ROC曲线定额预测

来源：评论

学校读者我要写书评

暂无评论

中国快递业发展情况的统计分析与建模研究

中国快递业发展情况的统计分析与建模研究

引用

作者：巩琴琴北京工业大学

学位级别：硕士

快递业作为一个综合性、基础性产业，在刺激消费需求、增加就业、为人民生活提供便捷服务等方面发挥着不容小觑的作用。但是，由于中国快递业开始于上世纪70年代，发展时间仅有40年左右，所以快递市场仍然存在着区域发展不均衡、服务质... 详细信息

快递业作为一个综合性、基础性产业，在刺激消费需求、增加就业、为人民生活提供便捷服务等方面发挥着不容小觑的作用。但是，由于中国快递业开始于上世纪70年代，发展时间仅有40年左右，所以快递市场仍然存在着区域发展不均衡、服务质量差等诸多问题。因此，快递业发展的影响因素分析和快递业务量的预测对于促进快递业的健康、高效发展，协助企业做好决策有重要作用。　　本文首先基于灰色关联度分析的方法，计算2001-2016年中国快递业务量和18个影响因素之间的灰色关联度，对其进行排序得到排名前三的因素为:民航货邮运输量、公路里程、货物周转量。其次，根据18个影响因素的关联度，应用层次分析法，计算出18个因素对快递业务量的影响度。结果显示民航货邮运输量、公路里程及货物周转量对快递业务量的影响最大，依次在影响度中排名前三，影响度总和为37.2％;排名后三的因素影响度总和为5.6％，仅是前三名总影响度的七分之一左右，对快递业务量的影响力较小。　　最后，以中国快递业务量在2001-2016年的数据为基础，把2001-2012年共12年的数据作为训练集，2013-2016年共4年的数据作为测试集，分别建立ARIMA(1，2，1)模型，nar神经网络模型，灰色GM(1，1)模型。依据各模型的拟合和预测结果，计算各模型的预测误差，发现灰色GM(1，1)模型的预测误差最小，预测最为准确。综合分析结果，选取预测效果最佳的灰色GM(1,1)模型对中国在2017-2021年的快递业务量数据进行预测，得到预测结果分别为:421.2285亿件、613.1201亿件、892.4283亿件、1298.976亿件、1890.727亿件。　　本文选择预测效果最佳的模型对中国快递业务量进行了预测，根据预测结果对中国快递业未来的发展走向进行了分析，并对中国快递业的发展提出了一些具有针对性的建议。

关键词：快递业业务量预测 ARIMA模型 nar神经网络模型灰色GM(1,1)模型

来源：评论

学校读者我要写书评

暂无评论

基于分形分析的复旦人民币汇率指数的实证研究

基于分形分析的复旦人民币汇率指数的实证研究

引用

作者：康凤华南京财经大学

学位级别：硕士

随着科学技术的迅速发展,非线性科学已经成为科学家们用来研究复杂性问题的前沿科学。现今的金融市场,由于各种数据如股票价格、汇率指数、黄金价格等每日的变化极其复杂,国内外学者们开始运用非线性科学的理论和方法来探索这些数据自... 详细信息

随着科学技术的迅速发展,非线性科学已经成为科学家们用来研究复杂性问题的前沿科学。现今的金融市场,由于各种数据如股票价格、汇率指数、黄金价格等每日的变化极其复杂,国内外学者们开始运用非线性科学的理论和方法来探索这些数据自身的规律性,寻找对金融市场的预测方法。一些学者研究发现,金融数据的变化并不是无序的,其变化规律也不是随机的,而是具有一定的相关性,所以寻找一种描述和预测金融市场变化规律的方法,对金融数据的变化做出更精确的估计和预测是至关重要的。汇率市场是金融市场不可或缺的重要组成部分,本文以非线性理论为基础,把智能计算方法和分形理论应用到汇率市场的研究中,对汇率指数的波动特征进行分析,测度汇率市场的风险大小,并对其运行趋势进行预测。同时对预测效果进行分析和比较。本文结构如下:第一章介绍了本文的研究背景及意义、国内外研究现状及本文的研究内容,指出本文的创新之处。第二章介绍了分形理论和分形分析方法。重点介绍了R/S分析法、DFA分析法和MF-DFA分析法。第三章运用MF-DFA和多重分形谱方法,研究复旦人民币汇率指数收益率序列的波动特征,同时应用VaR模型测度其风险大小。结果表明,复旦人民币汇率指数收益率序列具有多重分形特征,且实际有效汇率的多重分形强度略高于名义有效汇率的多重分形强度。VaR模型适用于对其风险进行度量,且发现,在不同的置信水平下,所得的VaR值不同,置信水平越高,所测的市场风险值越大。第四章对复旦人民币实际有效汇率指数进行预测研究。建立了nar神经网络模型和分形插值模型对汇率指数进行预测和仿真,并把这些预测模型进行分析和比较。结果表明,分形插值模型的预测效果要比nar神经网络模型的好一些。第五章是总结与展望。

关键词：多重分形消除趋势波动分析法多重分形谱分析法 VaR模型分形插值模型 nar神经网络模型

来源：评论

学校读者我要写书评

暂无评论

兰州市中央商务区深基坑开挖监测与预测研究

兰州市中央商务区深基坑开挖监测与预测研究

引用

作者：李月锋兰州理工大学

学位级别：硕士

深基坑工程由于涉及到复杂的地质条件、繁杂的施工技术以及复杂多样的施工现场条件,经常发生各种基坑施工安全事故,造成一定的经济损失和不良的社会影响。为了避免一系列基坑安全事故的发生,在深基坑施工全过程中必须进行深基坑变形监测... 详细信息

深基坑工程由于涉及到复杂的地质条件、繁杂的施工技术以及复杂多样的施工现场条件,经常发生各种基坑施工安全事故,造成一定的经济损失和不良的社会影响。为了避免一系列基坑安全事故的发生,在深基坑施工全过程中必须进行深基坑变形监测,而建立适当的预测模型进行基坑变形预测,对基坑的安全施工有重要的指导意义。本文以兰州市轨道交通1号线一期工程省政府站及中央商务区基坑监测项目为依托,以现场采集的各项监测数据为基础,理论联系实际,根据实际监测数据建立时间序列模型和nar（Nonlinear Auto Regressive models）人工神经网络模型,对基坑未来的变形趋势进行预测。由于数据采集过程中受外界干扰因素较多,引入了卡尔曼滤波对其原始时间序列进行了滤波处理,并在结合两种模型优势的基础上提出了一种基于卡尔曼滤波的时间序列-nar人工神经网络模型进行基坑变形预测分析,最后将三种模型的预测结果进行对比分析。本文的主要研究内容如下:（1）通过对兰州市轨道交通1号线一期工程省政府站及中央商务区基坑监测项目进行监测,分析各监测项目的实际监测数据结果,发现基坑在监测期内各监测项目未出现监测报警,基坑开挖过程基本处于安全稳定状态。（2）通过对基坑支护桩多期沉降监测数据进行IDW（Inverse Distance Weighted）插值处理及基于R软件平台采用最小二乘方法对基坑支护桩沉降坡度进行提取分析,确定基坑支护桩沉降变形趋势最大区域为ZJ52监测点附近区域,后期预测分析将以该点的监测数据为重点。（3）通过对三种模型的预测结果对比可知:基于Kalman滤波的ARIMA-nar组合模型的预测精度最高,其精度指标平均绝对误差MAE、均方根误差RMSE、平均绝对百分误差MAPE和拟合优度R2分别为0.2787、0.5279、3.9150和0.9972,均优于单一的ARIMA和nar神经网络模型,nar人工神经网络模型的预测精度次之,时间序列ARIMA模型的预测精度最低。（4）验证了所提出的基于卡尔曼滤波的时间序列-nar组合模型在基坑监测预测领域的实用性,将其应用于基坑支护桩水平位移和支护桩深层（测斜）位移等监测点进行变形预测分析。根据预测结果可知:时间序列模型和nar人工神经网络模型均能够得到较为准确的预测结果。而基于卡尔曼滤波的时间序列-nar人工神经网络组合模型,在经过卡尔曼滤波去噪的基础上,得到的结果精度更高,适用性更强,能够为基坑的安全施工提供更可靠的数据支撑。

关键词：深基坑变形监测时间序列卡尔曼滤波 nar神经网络模型

来源：评论

学校读者我要写书评

暂无评论

基于大数据的餐馆外卖行业原材料置办及管理方法

引用

科技视界 2021年第17期 145-149页

作者：曹启鹏潘雨澄北京工业大学理学部北京100000

文章针对如何为餐馆合理地规划食材采购量以及如何比较影响食材采购量各因素之间的重要性展开研究。罗列出5个可能影响食材采购量的因素:快餐店优惠活动力度、该区域内人群活动密度、顾客评分、食材购置成本、订单数。利用主成分分析法... 详细信息

文章针对如何为餐馆合理地规划食材采购量以及如何比较影响食材采购量各因素之间的重要性展开研究。罗列出5个可能影响食材采购量的因素:快餐店优惠活动力度、该区域内人群活动密度、顾客评分、食材购置成本、订单数。利用主成分分析法消除关联性后利用多元线性回归模型拟合出食材采购量与新的主成分之间的定量关系,并使用nar神经网络模型对未来一段时间内订单量的数值进行预测进而得出最合理的食材采购量。最后结合实际情况,给出了食材采购管理以及食材库房管理的具体方法步骤和注意事项。

关键词：主成分分析法多元线性回归模型 nar神经网络模型标准化回归系数原材料管理方法

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：