近年来,随着全球气候变暖,北极航线成为了全新的国际贸易与运输通道.然而,由于北极航线的开通年份较晚,历史数据很少,使北极航线航次量的中长期预测非常困难;除此之外,北极航线航次量数据波动剧烈,这进一步提高了预测难度.为了解决北极航线航次量中长期预测问题,本文提出了一种“分解-重组-融合-预测”(Decomposition-RecombinationFusion-Forecasting,DRFF)框架.该框架首先使用STL(Seasonal and Trend decomposition using Loess)分解分别将北极航线航次量数据和北极海冰面积数据分解为趋势项、季节项和剩余项;其次,将两个趋势项组合,并提出斜率融合预测方法对航次趋势项进行预测,同时将两个季节项组合,并提出LSTM-CNN-DNN融合预测方法对航次季节项进行预测;然后,使用灰色波形模型对航次残差项进行预测;最后,将上述三个预测结果进行集成,得到北极航线航次量预测结果.实验结果表明,本文提出的DRFF模型在北极航线航次量中长期预测中表现极佳,提前12步预测的MAPE(Mean Absolute Percentage Error)仅为6.08%,比现有多变量融合预测方法具有更高的精度.
针对小数据代际更替电子产品的废弃量预测问题，提出了基于SIR（Susceptible-Infective-Removed）传染病模型思想的预测方法。松弛SIR模型的约束条件，基于新代电子产品时间序列的小数据特征，构建了时间加权平均误差最小的STa（Sales-Transfer-adjustment）优化模型；引入PSO（Particle Swarm Optimization）算法对STa模型进行参数估计，以差分补偿预测的思想，确定转移量的合理滞后期，提高了对新代电子产品量的预测精度；立足电子产品数据的可得性，以电子废弃物生成量估计模型（Estimation model of waste quantity of electronic products，EWE）实现了对新代电子产品废弃量的预测。基于我国农村电视机和手机4个数据集的实证分析表明，所构建的STa·PSO-EWE模型的性能总体优于其余基准对比模型。
暂无评论