指数平滑

摘要： 滚动密度仪是一种基于探地雷达原理的测量设备,相对其他点式测量方法,滚动密度仪能够为长距离、大范围路面的介电常数和压实度试验提供高效的测量和计算手段。文中选取不同材料的3段路面,分别按照不同的步长范围应用PaveScan RDM 2.0滚动密度仪进行10次相对介电常数的重复测量和路面压实度的计算。综合测量结果建立不同材料路面测试步长与测量数据离散程度的定量相关关系,确定在实际测量环境中的步长选择依据,并且研究同一路面不同位置测量值产生波动的原因和测量值的指数平滑预测方法。

摘要： 准确的虚拟CPU负载预测是提高虚拟机CPU调度性能的重要前提,然而,虚拟机操作系统环境下,虚拟CPU负载预测方法需要尽可能简单、有效。针对虚拟机CPU调度应用场景,以实际CPU负载为研究对象,选取五种简单的时间序列预测算法,详细评估其虚拟CPU负载预测性能,为虚拟机CPU调度的实现提供了研究基础。结果表明,平均移动法、线性递减加权平均移动法、一次指数平滑法等具有良好的CPU负载预测性能,并基于反馈控制思想改进了一次指数平滑法,进一步提高了其CPU负载预测性能。

摘要： 为了及时跟踪非线性化大坝沉降数据并长期预测,针对传统指数平滑方法的缺陷,将改进的指数平滑方法与BP神经网络模型相结合,研究了其在大坝沉降监测中的应用。通过控制全局和局部的目标函数形成改进的指数平滑方法,获得一组平滑预测值;再利用BP神经网络对平滑预测值和平滑预测值与观测值的误差序列进行训练;最后将下一步的误差序列和平滑预测值作为输入,得到的误差预测值与原有平滑预测结果组成沉降预测值。实验表明,组合后的模型预测适应性较好,预测精度较高。

摘要： 针对银行业务中的隔夜头寸预测问题,融合指数平滑与自回归预测的思想方法,提出了一个时间序列一步预测的微分动力学方程,证明了方程的离散化结构同无隐层BP神经网络的等价性。讨论了模型预测有效性问题,并进行了实证分析。对12个样本预报偏差的拟合优度检验表明,绝对预报偏差近似服从指数分布;实证分析了环比波动特征同模型预报误差以及预报同态度的关系,表明在一定条件下模型的预报是有效的,同NLP框架下的LSTM和GRU进行了对比实验表明该模型有更好的表现;定义了稳态指数和转折指数来描述时间序列的环比波动特征,分析表明稳态指数和转折指数可以预估模型预报的误差水平和同态度水平;研究了模型前端降噪对预报结果的影响,结果表明前端降噪可以抑制模型预报的“过敏”行为,有利于对时间序列变化趋势的动态跟踪。

摘要： 随着“沪港通”政策的开通,上海证券交易所和香港证券交易所之间的关系更加紧密。本文主要研究了“沪港通”政策对中国股市风险预警的影响。首先,对股市风险进行划分;其次,选择了上证180指数的收盘价、移动平均线、指数平滑异同移动平均线、心理线指标、乖离率、相对强弱指标和人气指标作为特征变量;最后,运用机器学习方法对中国股市风险进行预测并分析“沪港通”政策对股市风险预警的影响。样本预测结果表明:“沪港通”政策的开通使得中国股市风险预测更加准确。

摘要： 地表水环境质量发展趋势预测是管理当前水环境状况的重要依据,对水环境规划、评价和管理具有重要的参考意义。利用2012—2021年昆承湖湖心断面总磷水质数据,构建指数平滑法-灰色预测GM(1,1)模型。研究发现:经平滑处理后,模型可以过滤掉数据中一些短期不规则的变化,即水质小范围的波动,降低水质数据的随机性,使数据更利于体现整体趋势。模型输出值(模拟值)与原始序列(平滑值)拟合较好。在模型检验通过的基础上,对制约断面达到Ⅲ类水标准的总磷进行预测,研究发现湖心断面“十四五”期间达到湖泊Ⅲ类水标准还有进一步提升的空间。需继续紧盯断面水质达标问题,持续加大治理和生态修复力度。

摘要： 针对三峡地区滑坡位移具有的"阶梯状"的问题,结合变分模态分解(VMD)、二次指数平滑(SES)、BP神经网络(BPNN),提出了一种新的滑坡位移时序预测模型:VMD-SES-BP预测模型.利用该模型对三峡白水河滑坡GPS监测位移数据进行变分模态分解得到趋势分量和其他子序列分量.选择二次指数平滑对趋势分量进行滚动预测,采用灰色关联分析确定滑坡其他位移分量的影响因素,并作为BP神经网络的训练样本进行学习和预测.将各分量的预测结果叠加与真实值比较,预测平均相对误差为0.78％,均方差为3.14 cm,相关系数为0.986.实验结果表明,该模型针对"阶梯状"滑坡位移预测具有良好的适用性,预测精度较高,为滑坡位移预测提供了一定的参考价值.

摘要： 时间序列预测分析利用科学的方法和手段,对未来一定时期内的市场需求、发展趋势和营销影响因素的变化做出判断,为营销决策服务.本文使用Excel的软件提供的定量预测功能和时间序列预测法,可以很好地辅助销售市场预测分析.

摘要： 为应对日益严重的滑坡灾害,开展滑坡位移监测并以此为基础进行滑坡位移变形预测预警,设计出基于深度学习的滑坡位移预测模型和灾害预警方法.收集并整理滑坡位移、降雨和库水位数据,针对位移数据使用指数平滑法得到趋势项和周期项,构建基于门控循环单元的预测模型,分别预测两个分项即可得到滑坡位移的预测值.根据不同的位移阈值划分对应的危害等级,使用预测的位移数据与位移阈值进行比较得到危害等级,从而实现滑坡灾害预警.相较于传统的滑坡位移预测方法,该方法不仅可以保持较好的精确性,而且能减少模型训练时间.

摘要： 5G的节电策略在不同应用场景下可以有多种选择,但准确的业务流量预测始终是其中的关键.为拟合业务流量同时存在季节周期性和短期内可能出现剧烈波动的特性,提出了一种改良的流量预测模型,融合了深度学习LSTM网络模型和指数平滑模型的优势,使整个流量预测在长期预测方面更加稳定可靠.经试验数据检验,改良后的模型对三个试验区域流量的预测相比LSTM的预测结果更精准和细腻.

摘要： 农产品价格具有一定的随机波动特性,容易受到气候,环境,国际走势影响。然而尽管呈现随机特性,农产品价格随着时间的推移会产生相应的变动,呈现一定规律性。本文将指数平滑模型应用于农产品价格预测中,使之适应农产品价格预测体系。试验结果表明,本方法能够有效地对农产品价格曲线进行拟合,预测。

摘要： 针对消耗性备件的需求特点，将采用备件需求重要度综合评价值的方法确定消耗型备件的品种，并在此基础上，综合考虑多种因素影响所产生的结果进行了消耗型备件需求量的趋势分析以及运用移动平均法和指数平滑法对该消耗型备件进行了需求量的预测，并通过实例验证了此方法的可行性，为相关备件筹供单位确定消耗型备件的需求品种和数量提供了定量化的参考依据。

摘要： 研究了同时含有隐含性能退化和输入故障的连续过程故障预测问题.假设退化过程变化缓慢,而输入故障突发且变化快速.基于多尺度主元分析模型,提出了一种针对性能退化过程的故障预测方法.首先对一段正常工况下的历史数据进行离散小波分解,对不同尺度下的小波系数建立相应的主成分分析模型.经过多层小波分解.性能退化过程会被低频系数模型检测到.然后用基于重构的方法估计退化程度,并用指数平滑方法对其进行预测,最后预测出系统剩余有效寿命(RUL).对CSTR的案例研究表明了该方法的有效性。

摘要： 本文基于灰色预测理论,研究了基本灰色预测模型及其改进模型的原理和它们在电力负荷预测中存在的局限性.提出了电力系统中长期负荷预测的新方法--组合优化灰色预测模型.经过仿真,表明了该模型的有效性和算法的可行性.

摘要： 本文基于灰色预测理论,研究了基本灰色预测模型及其改进模型的原理和它们在电力负荷预测中存在的局限性.提出了电力系统中长期负荷预测的新方法--组合优化灰色预测模型.经过仿真,表明了该模型的有效性和算法的可行性.

摘要： 本文基于灰色预测理论,研究了基本灰色预测模型及其改进模型的原理和它们在电力负荷预测中存在的局限性.提出了电力系统中长期负荷预测的新方法--组合优化灰色预测模型.经过仿真,表明了该模型的有效性和算法的可行性.

摘要： 本文基于灰色预测理论,研究了基本灰色预测模型及其改进模型的原理和它们在电力负荷预测中存在的局限性.提出了电力系统中长期负荷预测的新方法--组合优化灰色预测模型.经过仿真,表明了该模型的有效性和算法的可行性.

摘要： 本文基于灰色预测理论,研究了基本灰色预测模型及其改进模型的原理和它们在电力负荷预测中存在的局限性.提出了电力系统中长期负荷预测的新方法--组合优化灰色预测模型.经过仿真,表明了该模型的有效性和算法的可行性.

摘要： 本发明涉及一种利用季节指数改进二次指数平滑的月用电量预测方法，该方法包括以下步骤：获取用电量历史数据；利用用电量历史数据求得季节指数；根据季节指数和用电量历史数据，获得消除季节影响的用电量数据序列；利用二次指数平滑法获得月用电量预测模型；根据季节指数对消除季节影响的用电量数据序列的月用电量预测模型进行还原，获得最终月用电量预测模型。与现有技术相比，本发明具有预测精度更高以及利用季节指数改进二次指数平滑、二次指数平滑法中采用不同的一次平滑系数和二次平滑系数等优点。

摘要： 本发明公开了一种基于指数平滑的企业电力健康指数构建方法及装置，针对正在用电的用电客户进行基于客户本身和客户所处行业，以电力视角度量电量、电费、违约和业扩等行为，进而综合反映企业电力健康程度。本发明构建企业电力健康指数的指数体系包含三个层级，第一层级为企业电力健康指数，第二层级为10个中间指数，第三层级为基于第二层级的10个指数展开得到的23个基础指数。本发明方案可以通过电力数据综合反映企业的健康程度，具有评价的全面性、客观性和先行性，可以有效支持金融机构、政府部门和国网公司的研究和决策。

摘要： 本发明涉及一种利用季节指数改进二次指数平滑的月用电量预测方法，该方法包括以下步骤：获取用电量历史数据；利用用电量历史数据求得季节指数；根据季节指数和用电量历史数据，获得消除季节影响的用电量数据序列；利用二次指数平滑法获得月用电量预测模型；根据季节指数对消除季节影响的用电量数据序列的月用电量预测模型进行还原，获得最终月用电量预测模型。与现有技术相比，本发明具有预测精度更高以及利用季节指数改进二次指数平滑、二次指数平滑法中采用不同的一次平滑系数和二次平滑系数等优点。

摘要： 本发明涉及负荷预测技术领域，公开了一种基于深度指数平滑网络的短期负荷预测方法，本发明初始化三个因子：季节因子、趋势因子、平滑因子，计算当前推断单元网络中这三个因子在设定时刻的状态，向下一个推断单元网络输出三个因子，迭代运行，直到最后一个推断单元网络运行结束，基于最后一个推断单元网络输出的三个因子计算预测值。本发明设计了一种新的推断单元网络，通过计算三个因子：季节因子、趋势因子和平滑因子，达到可解释目的。季节因子用于描述序列的季节特征，趋势因子描述序列的趋势走向，平滑因子是描述序列的平滑程度。在负荷预测中，构建具有可解释性的预测模型，能够让用户理解模型的推理过程，有助于增加对模型的可信度。

摘要： 本发明公开了一种基于指数平滑法的目标跟踪方法，包括：在进行目标跟踪时，采用目标检测网络yolov5对获取到的当前图像帧进行人体检测，生成对应的人体检测框；根据所述当前图像帧及对应的人体检测框，采用改进后的目标跟踪方法deep‑sort进行人体多目标跟踪；其中，所述改进后的目标跟踪方法deep‑sort采用指数平滑法根据每一当前图像帧更新跟踪器的融合特征信息。本发明使用加权移动平均法更新跟踪器，考虑了同一轨迹的历史特征，使得特征更加鲁棒，减少了单帧跟踪错误带来的影响，能够有效的提升行人追踪的速度与效果，进一步提高了行人流统计的准确度。

摘要： 本发明的一种基于指数平滑和双向长短时记忆网络机械轴承寿命预测方法，包括：获取设备的历史运行和维修数据，并整理归档得到预处理数据形式的设备数据；对所述设备数据进行数据清洗和特征预处理，得到处理后数据；将所述处理后数据平滑处理后输入训练好的Bi‑LSTM，得到输出结果，即为机械轴承寿命预测结果。该方法将指数平滑和长短时记忆网络融合，首先使用改进的指数平滑方法对原始信号降噪处理，然后引入时间窗进行特征增强，最后利用双向长短期记忆网络进行数据回归，实现对机械轴承剩余寿命的高效预测。该方法的平滑处理可以有效提升Bi‑LSTM(双向长短时记忆网络)的预测性能。

摘要： 本发明涉及一种基于自更新三次指数平滑法的充电桩用电量预测方法，包括：获取充电桩历史时间序列用电量数据，并收集异常情况；通过相关性分析，得到异常情况对充电桩用电量的影响程度，得到相关性系数；利用相关性系数对三次指数平滑法中的平滑系数进行自动更新，通过更新前后的精度比较，确定出最优平滑系数；基于使用最优平滑系数的三次指数平滑法，对充电桩用电量进行中长期预测，得到对应的预测结果。与现有技术相比，本发明能够有效分析时间序列内在相关性和外部影响因素对充电桩用电情况的影响，依此生成对应的相关性系数，通过不断迭代提升预测效果，降低由于序列异常波动引起的预测误差，进而保证充电桩用电量预测的准确性和可靠性。

摘要： 本发明公开了一种基于指数平滑的位置预测系统及方法。利用指数平滑方法，结合历史签到数据，更加真实的体现历史签到数据对位置预测的影响；使用用户历史签到数据，结合EM算法、指数平滑和高斯模型，实现对用户下一个时间出现的位置进行预测。本发明利用指数平滑方法，有差别的使用历史数据，可以更加真实的反应出历史数据对位置预测的影响，进而提高位置预测模型的预测精度。

摘要： 本发明公开了基于二次指数平滑法的旋转机械振动爬升特征提取方法，包括从在线监测系统获取旋转机械的转速和振动数据；找到一个转速稳定的时间段；判断转速稳定时间长度是否可用于振动爬升特征提取；用二次指数平滑法计算振动爬升量；用模糊隶属度函数计算振动爬升特征值；根据振动爬升特征值判断是否存在振动爬升特征、振动爬升量是否达到报警值。本发明可准确提取旋转机械振动爬升特征并予以报警提示，帮助运行人员及时发现振动爬升异常的问题，防止故障的加重。另外，还可通过该方法对设备的历史振动数据进行分析，以分析设备振动历史数据中是否出现过振动爬升现象。

摘要： 本发明提出一种基于指数平滑的时序数据预测方法，包括以下步骤：S1，利用历史数据建立基于指数平滑模型的离线模型，所述离线模型包括若干周期的子模型；S2，所有子模型定期训练，得到预测结果和平移变量；S3，获取待预测的时间长度以及当前时间，得到未来日期；S4，根据未来日期选取对应周期的子模型；S5，将对应周期的子模型的平移变量，将预测结果向上或向下平移，得到最终预测结果。基于指数平滑模型，使该模型拥有较好的预测带趋势的周期性时序数据的能力。本发明使用了多组子模型分段创建的方法，且可以根据预测时间长度的不同来选择合适的子模型，解决了预测时细节处精确度差的问题。