差分自回归移动平均相关论文
线损率是衡量电网经济性的重要指标，为了实现对电网线损率的时间序列预测，以差分自回归移动平均（autoregressive integrated moving a......
目的 基于差分自回归移动平均模型(ARIMA)通过引入支持向量机(SVM)方法,构建一个组合模型对新型冠状病毒肺炎(COVID-19)的发病趋势......
能源作为经济增长和社会发展的根本动力，在国际上具有十分重要的地位。在中国经济对能源日渐依赖的背景之下，能源问题早已经成为了人......
提出一种基于ARIMA和动态ε支持向量机（ε-DSVM）的组合预测模型（ARIMA-ε-DSVM）,预测松毛虫发生面积.先采用ARIMA模型进行时间序列线性......
针对复杂时间序列预测困难的问题,在综合分析其线性和非线性复合特征的基础上,提出了一种基于ARIMA和SVM相结合的时间序列预测模型......
水环境恶化是当前人类面临的主要生存挑战之一,治理和修复因经济社会发展而造成污染的水域环境已迫在眉睫。随着政策的推动以及行......
黄金作为一种不可再生的资源,具有商品、货币、金融等属性,而且在金融和股票市场中扮演着重要的角色,因而黄金价格影响因素的分析......
利率市场化给商业银行带来了强烈的冲击,商业银行转型过程中的重点目标是降低中间业务的成本和风险,提高收益。银行中间业务对银行......
由于血压时间序列数据受到多种因素影响,具有时变性、非线性和非平稳性特征,因此利用单一的时序预测模型难以准确描述血压的复杂变......
针对地理分布云的业务部署问题，提出一种基于短期预测的业务弹性伸缩算法SPESS。该算法利用动态差分自回归移动平均模型对用户请求......
体育彩票销售量受到多种综合因素影响，呈现出复杂的、非线性的动态变化特性.为了准确刻画体育彩票销售量的变化特征，提出差分自回归......
随着中国经济的快速发展，水环境问题已经成为了国家重点关注的问题之一。作为全国的重点水域，三峡库区相关水域环境能否保持良好状态......
为了提高建筑施工事故的预测精度,设计了基于组合优化理论的建筑施工事故预测模型.首先采用差分自回归移动平均（ARIMA）法对建筑施工......
为提高风电功率的短期预测精度,对组合预测进行了研究。选用差分自回归移动平均模型(ARIMA)与埃尔曼神经网络(Elman)模型,建立新的......
由于国际铀资源价格时间序列数据的非线性性与非平稳性,使用单一的预测模型很难捕捉到其综合趋势。为了进一步提高模型的预测精度,......
针对复杂水域水质变化机理难以掌握、水质预测建模困难且预测精度低的问题,将时间序列分析方法与机器学习方法引入水质预测领域,提......
光伏发电功率的准确预测对于提高电网和微电网的供电质量和降低运行成本具有重要意义。针对光伏发电时间序列的非线性和非平稳特征......
目的:整理江西省2004年-2012年肺结核月发病率资料,探讨单纯差分自回归移动平均(ARIMA)模型和差分自回归移动平均模型与支持向量机......
针对电力通信系统光纤线路未来状态趋势预测问题,提出一种基于自回归移动平均模型（Autoregressive Integrated Moving Average Mode......
为实现光纤线路未来状态趋势预测,提出基于自适应粒子群优化（APSO）的ARIMA-SVM光功率趋势预测法。利用小波变换对光功率数据进行预处......
传染病一旦爆发会给人类带来巨大的损失,是人类面临的一项重大挑战和威胁,对传染病爆发的趋势进行预测,可以提早的做好预警工作,减......
目的在ARIMA和SVM基础上,提出一种肺结核发病率组合预测方法。方法以2004年至2012年江西省肺结核月发病率资料为例,利用R中的forec......
