时间序列模型

摘要： 近几年临床供血短缺的现象屡见不鲜,血液紧张会导致临床手术延期、贫血患者的输血治疗滞后等,这些问题不仅威胁患者的生命健康,更增加血液输注的风险。本文以新冠肺炎疫情为例,在突发公共卫生事件时,利用时间序列模型对临床输血治疗以及输血风险的成效进行研究,且基于4R危机管理模式,从四维角度分析其风险因素及应对策略,不仅解决了疫情期间血液供需的不平衡问题,更降低了血液输注风险,从而实现血液最大限度的合理化安全使用。

摘要： 自改革开放以来,中国畜牧业快速发展,畜禽规模化养殖水平得到持续提升。在市场经济之下,保持畜产品价格水平的合理性,不仅关系到肉蛋奶等“菜篮子”商品的足量供给与农民收入,更关系到物价的消费水平与社会生活的稳定。以肉类消费占比最高的猪肉产品为代表,将《全国农产品成本收益资料汇编》的相关数据进行整理分析,选取1989—2018共30年的生猪价格数据,构建ARIMA疏系数模型,并对短期内的生猪价格进行预测,同时提出猪肉价格调控政策的相关建议。

摘要： 目的:分析我国2004—2020年艾滋病发病人数、死亡人数以及发病率和死亡率,并通过建立时间序列模型,对我国艾滋病发病人数进行预测,提出应对策略,为艾滋病科学防治提供借鉴和参考。方法:根据2004—2020年国家卫生健康委《全国法定传染病疫情概况》整理艾滋病发病人数和死亡人数数据,利用SPSS 26.0软件建立ARIMA时间序列模型进行预测,并与实际发病人数进行比较。结果:2020年,我国艾滋病发病人数为62167人,死亡18819人,发病率为4.4283/10万,死亡率1.3405/10万。根据艾滋病发病人数建立的最优时间序列模型为ARIMA(0,1,0),预测数据的平均准确度为90.03%。结论:ARIMA时间序列模型能较好地拟合艾滋病的发病趋势,目前我国艾滋病虽然处于低流行阶段,但是发病人数逐年增加,防治形势依然严峻。应当加强针对艾滋病的宣传教育,提升艾滋病患者的社会支持,积极构建政府领导、部门负责、全社会共同参与的艾滋病防治格局,从而预防、减少艾滋病传播。

摘要： 针对难以全面研究沉陷区下沉变形的动态过程和单一监测手段可能会错失地表沉降阶段某些关键点的问题,以局部地表单点为切入点,联合InSAR与水准数据分别建立幂指数Knothe时间模型、Logistic模型和Weibull模型,进而研究矿区地表动态沉降规律。通过模拟数据分析了沉陷区地表观测点下沉变形特征以及影响上述3种时间函数曲线拟合的各因素;并以淮北袁二煤矿某采区为试验区,采用合成孔径雷达差分干涉测量(DInSAR)技术获得各水准点InSAR时序形变值;最终联合In⁃SAR和水准监测数据,对比分析基于多源或单一监测方式2种情况下3种模型拟合曲线的不同。试验结果表明:①各时间序列模型地表下沉待估参数的大小对曲线拟合形态有较大影响,保证一定的监测周期,可反演出合适的下沉参数,才能更准确地拟合沉陷区观测点下沉时间序列,均方根误差最大可提高95.56%。②幂指数Knothe时间模型、Logistic模型和Weibull模型随时间序列变化的过程与地表沉陷区观测点物理下沉时序过程相符,均能较好地由地表单点下沉时间序列拟合出沉降曲线;3种模型虽下沉曲线拟合效果差异不大,但下沉速度曲线的拟合有明显差异且拟合精度均有所提高,可见联合InSAR和水准测量的沉降时间序列对矿区地表动态沉降进行拟合有明显优势。③基于多源数据拟合的3种时间函数模型相较于仅基于单一水准数据的可靠性更高,对各模型的下沉曲线形态具有较好的收敛作用。

摘要： 短波发射机是短波波段无线通信信号传输装置,受到元器件变质、运行环境等因素的影响,短波发射机的工作状态与运行指标会发生一定的变化,应当及时对短波发射机进行维护检测,保证其运行的平稳性。因此,本文研究了短波发射机的维护检测关键技术。根据短波发射机的故障类型,对其进行相应的排查处理,获取具体的故障位置与信息。通过建立时间序列模型,检验短波发射机序列白噪声,判断故障是否消除。实验结果表明,此种维护检测技术的检测值与实际值较为接近,检测的误差率较小,能够实现快速维护检测短波发射机故障的目标。

摘要： 商业公司的金融服务平台通常有着上亿的客户,庞大的用户群体使得其服务场景中每天都必然会触及大量资金的流入和流出,对资金的管控压力也越来越大。在当前的宏观经济环境和现实状况下,要确保资本管理在一个可控的范围内,对未来的资本流量规模做出预估十分必要。现有文献表明,在实际操作中有多种模型可以进行相关的预测。使用比较多的包括基于统计学方法来完成的ARIMA模型、周期因子时间序列预测模型以及基于神经网络的LSTM时间序列预测模型等。本文以余额宝平台用户资金流量为背景,通过比较以上三种不同资金流量预测模型的适用条件、优点及局限性,尝试对比分析出针对不同条件下更加准确有效的资金流入流出预测模型,最大程度贴近未来资金流量真实值,从而更好地进行企业的经营管理。

摘要： 本实验希望通过对时间序列模型进行分析,预测未来30年内年平均气温及年降水量的趋势变化,为后续的研究提供理论基础。通过对贡布红杉树木年轮标准年表(STD)建立时间序列模型,运用ARIMA模型分析与STD相结合分析其趋势变化,并运用该模型进行时间尺度上的科学预测。样芯间的相关系数为0.319,表明各样芯之间的树轮宽度变化具有较好的一致性。平均敏感度为0.122,说明年轮个体的高频波动信号相对较弱。信噪比为19.538且样芯总体代表性为0.911均超过理论的最低阈值;气温与降水对树木径向生长有着明显的滞后性,前一年9月及当年8月气温与树木径向生长有着显著的正相关(P<0.05),而当年1月及11月气温对树木径向生长有着显著的负相关(P<0.05);降水对树木径向生长同样表现出相关,前一年11月降水与树木径向生长之间有着正相关(P<0.05),当年1月降水与树木径向生长之间表现出负相关(P<0.05)。通过模型推测在未来30年内研究区域贡布红杉径向生长将会降低,并推测在研究区域内生长季(8~9月)气温将会下降,非生长季(1月及11月)气温将会上升。

摘要： 在新的经济形势下,保障居民就业已经成为影响我国经济社会持续健康发展的重要因素,外商直接投资的变动也对我国的就业状况产生了深刻影响。本文利用1999-2019年江苏省时间序列数据对外商直接投资的就业效应进行实证研究,考察了FDI对江苏省第二、三产业就业的影响,并就江苏省利用FDI存在的问题提出相关建议。研究表明江苏省第二、三产业就业量与FDI存在长期均衡,且FDI对就业数量具有正效应,能够促进就业数量的增加,就业数量的增加也能影响FDI的增长。

摘要： 为提高电池寿命预测精度,为电池管理提供参考,引进PSO算法,设计一种针对锂离子电池剩余寿命的预测方法。根据电池在使用过程中的充放电方式,建立锂离子电池的寿命时间序列AR模型,掌握锂离子电池在一定周期或指定时间序列内的寿命波动情况;引进PSO算法,按照分量序列与时间特性,使用高斯函数对电池容量空间粒子进行拟合,以此实现对锂离子电池容量衰减趋势的预测;引进CEEMDAN算法,计算电池剩余寿命,对计算结果进行补偿,输出高精度的预测结果。本文选择某科研单位提供的NASA数据库作为测试数据,设计对比实验,实验结果证明,设计的方法在预测过程中,得到的预测结果精度更高。

摘要： 为实现对电能消耗进行准确预测,基于美国PJM公司数据集,采用基于深度自回归循环网络(deep autoregressive recurrent networks,Deep AR)时间序列模型,对Commonwealth Edison公司未来某12 h区间电能消耗进行预测.该模型基于长短期记忆网络(long short term memory network,LSTM)得到数据的分布参数,最后在高斯分布中进行采样,从而得到预测值.采用平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)作为预测短期电能消耗评价指标,并与差分整合移动平均自回归模型(autoregressive integrated moving average,ARIMA)算法模型和Prophet算法模型进行比较.结果表明:Deep AR算法模型的MAE、RMSE和MAPE分别为1070.01、1279.31和6.12%,预测准确率较高;该算法不仅能够预测未来一段时间的电能消耗,还能预测其概率分布,进一步刻画事件发生的全局性.

摘要： 在医院信息及质量管理中,统计预测已经成为一种不可或缺的工具,可以为医院管理决策提供客观依据.在广泛的预测实践中,统计预测是应用最广的预测方法.它通过对大量数据资料的统计分析,能够得到比较准确的预测结果.时间序列模型作为一种定量预测方法,在统计学中是一种常用的预测手段.常见的建立时间序列模型的方法有指数平滑模型、自回归滑动平均混合模型(autore-gressive integrated moving average,ARIMA)等.这两种方法在医院统计指标的预测中已经被广泛的应用,如医院的月平均住院日、门诊量和日住院量等.平均住院日不仅是衡量医院医疗质量和综合管理水平的重要指标之一,也是反映医院内涵建设和工作效率的重要指标.因此,对平均住院日进行建模预测是十分必要的.本文在某综合医院的统计报表中提取2014年1月-2017年12月的月平均住院日,其中2014年1月-2017年6月的数据用于创建时间序列,利用SPSS20.0进行统计分析,分别采用指数平滑法和ARIMA对创建的时间序列拟合模型,评价模型效果,并对2017年7月-2017年12月的平均住院日进行预测,比较实际值与预测值间的符合程度.

摘要： 针对在导弹测发控设备的计量保证方案中的数据呈现序列相关问题,提出利用基于时间序列模型AR(2)的残差控制图,并用马尔科夫链法计算不同自相关参数下的平均运行链长.通过与传统的Shewhart控制图比较发现其性能较好,基本消除序列相关带来的影响.同时,利用计量保证方案中产生的真实数据再一次对设计的残差控制图进行验证,残差控制图有效减少了非异常原因造成的波动,减少了虚假警报,进一步说明了其消除序列相关的有效性.

摘要： 地铁结构变形会影响到地铁的运营安全.某地铁区间隧道进行了为期近一年的结构变形监测,论文尝试利用已有变形监测结果,采用时间序列模型对地铁结构变形进行预测.结合该工程实例,分别采用回归分析模型和时间序列模型进行了变形预测,结果表明,回归分析模型的预测精度约为±0.21 mm,时间序列模型的预测精度约为±0.11 mm.时间序列模型预测的精度较高,效果良好.对地铁结构变形的准确预测,可为地铁安全运营提供有力帮助.

摘要： 本文针对导弹故障分析需求,分析了导弹测试关键参数的变化情况,介绍了ARIMA故障预测模型的基本原理和建模步骤,结合导弹测试参数进行了实例分析,可为未来一段时间内是否故障提供参考,实现对导弹的预防性维修.

摘要： 以导航卫星钟误差预报钟常用的传统预测方法(二次项拟合模型与灰色模型)为基础,依据各自适用的特点,对IGS提供卫星钟差的时间序列进行了分解并建模分析.二次多项式模型参与建模的观测数据多,模型比较稳定,但是模型是关于时间的函数,随着时间的增长,预报误差也会积累,因此适合短期预报.灰色模型仅利用4个数据即可建立模型,因此可以加快建模的速度,模型的精度与时间没有直接关系,因此适合长期预测.传统预测模型二次多项式拟合与灰色模型建模时忽略了钟差中的随机项,利用时间序列模型对随机项进行了时间序列分解分析.

摘要： 本文采用确定性时间序列分析法对锦州市地下水位进行模拟预报.首先计算平稳时间序列的周期成分,然后运用AR (p)模型模拟地下水位的随机成分,模型精度检验合格后对地下水位进行预报.结果显示,自1999年起该地区地下水水位呈逐年下降趋势;存在两个主要周期,一个周期长度为1年,反映了地下水水位的年内变化规律,另一个周期长度为3年,反映了地下水水位的年际变化规律;采用AR (p)模型拟合随机项,精度较高.

摘要： 库存成本是企业中成本控制的重要方面.文中通过Eviews软件建立时间序列模型对产品需求进行预测,建立了最优订货批量模型,并与传统经济订货批量模型进行对比分析,发现前者对于降低库存成本具有重要意义.

摘要： 应用季节时间序列资料分析方法——简易时间序列季节周期回归模型,以2004 ～2007年非煤矿山各季节事故发生起数和死亡人数的统计资料为依据,计算出非煤矿山安全事故的季节周期回归模型.运用季节周期模型预测2008年全国非煤矿山的安全事故起数和死亡人数,与实际值进行卡方检验,确定模型建立的合理性.季节周期回归模型可以运用到预测非煤矿山各季节事故起数和死亡人数,推算出矿山容易发生全事故的季节,为矿山进行安全事故预防提供依据.

摘要： 由于设备早期故障信号比较微弱及其非平稳性,传统故障诊断方法很难判出故障类别及故障程度.为解决该难题,本文首先对故障信号进行EMD(Empirical Mode Decomposition)分解获得多个基本模式分量(IMF),然后计算各IMF的能量熵并建立AR模型,提取模型的自回归参数和残差方差作为故障特征向量,并以此作为支持向量机(SVM)分类器的输入参数来区分设备的工作状态和故障类型.最后以滚动轴承故障诊断为例验证了该方法的有效性.

摘要： 由于设备早期故障信号比较微弱及其非平稳性,传统故障诊断方法很难判出故障类别及故障程度.为解决该难题,本文首先对故障信号进行EMD(Empirical Mode Decomposition)分解获得多个基本模式分量(IMF),然后计算各IMF的能量熵并建立AR模型,提取模型的自回归参数和残差方差作为故障特征向量,并以此作为支持向量机(SVM)分类器的输入参数来区分设备的工作状态和故障类型.最后以滚动轴承故障诊断为例验证了该方法的有效性.

摘要： 特征量提取装置(100)具有：数据取得部(110)，其取得时间序列数据作为输入时间序列数据(D1)；多滤波器应用部(120)，其具有多个数字滤波器，对数据取得部(110)取得的输入时间序列数据(D1)应用各数字滤波器，按照每个数字滤波器输出应用后的包含时间序列特征或频率特征的时间序列数据即滤波器响应时间序列数据(D5)；以及特征量提取部(130)，其针对多滤波器应用部(120)输出的多个滤波器响应时间序列数据(D5)，按照每个滤波器响应时间序列数据(D5)提取特征量，输出提取出的特征量作为特征量数据(D2)。

摘要： 本发明公开一种基于时间序列模型的流量预测方法，其中，该方法包括：获取PON口流量数据，数据预处理，数据特征工程，lightgbm建模，fbprophet建模以及模型融合预测输出。该方法可以准确地预测未来流量的变化，多特征以及多模型的使用保证了预测的准确性和稳定性，与现有技术相比，该方法预测更加准确，表现稳定，并可复用在不同的PON口及其他流量预测场景。

摘要： 本发明涉及一种基于时间序列模型特征的变电站故障检测方法，具体为：1：提取变电站高压开关系统的历史数据，对高压开关系统的所有开关过程中的电流数据进行分析，提取电流变化特征，按一定采样间隔选取采样点，做出电流的时间序列图；2：对时间序列图中的非平稳时间序列进行差分，再建立自回归模型ARIMA(p,d,q)，用自回归模型ARIMA(p,d,q)进行拟合预处理，得到相关残差序列MS1；3：建立自回归模型SARIMA(P,D,Q)，用自回归模型SARIMA(P,D,Q)对相关残差序列MS1进行处理，得到相关残差序列MS2；4：根据相关残差序列MS2绘制平稳自相关过程的单值控制图，并通过判异准则进行判异检测，根据检测结果判别变电站的状态；本发明简单易行、精确度高、适应性强，且具有很高的应用价值。

摘要： 本发明公开了一种基于ARMA模型和混沌时间序列模型的流量分析方法。该方法能实现流量采集和特征提取、流量分析、流量预测和异常流量检测。首先对流量进行监听和统计，通过计算Hurst指数、ARMA参数、分数差分、关联维度、时间延迟并估计Lyapunov指数；根据流量分析提供的参数和预报公式对样本点进行一定步长的预测，并根据Hurst指数的变化预警网络中的异常流量。

摘要： 一种基于时间序列模型系数灵敏度的结构损伤识别方法及系统，所述方法包括：步骤1，建立与结构运动方程对应的多维ARMAX模型，并提取ARMAX模型的自回归系数；步骤2，构建多维ARMAX模型自回归系数对结构刚度折减系数的灵敏度矩阵；步骤3，根据损伤前后ARMAX模型自回归系数变化量和自回归系数对结构刚度折减系数的灵敏度，建立损伤识别求解方程，并使用稀疏正则化算法对方程进行求解，获取解向量；步骤4，根据解向量中的非零元素实现对损伤位置和程度的识别。本发明直接利用多维时间序列模型系数作为损伤敏感特征，能够准确识别结构中损伤的位置和程度。

摘要： 本发明涉及深度强化学习和金融量化交易领域，为基于强化学习算法与时间序列模型的股票交易方法及系统，其方法包括步骤：数据预处理，对收集的股票数据按类别进行整理，过滤错误数据、重复数据，数据归一化，预处理完成后得到得到股票数据集；建立时间序列模型预测股票价格，对股票基础价格数据集进行划分，建立并训练可用于股票基础价格数据的时间序列GRU模型，输出股票预测价格；股票交易强化学习模型输出决策，应用PPO算法训练智能体得到应用于股票交易的强化学习模型以输出股票交易的行动决策。本发明可以充分挖掘潜藏于股票基础数据中的信息，在股票交易环境中作出合理交易决策，为现实股票交易相关人员提供参考。

摘要： 本发明公开了一种基于时间序列模型的MOSFET寿命预测方法，其包括以下步骤：S1、通过实验获取MOSFET器件的老化数据；S2、数据预处理与建立数据模型；S3、自回归移动平均模型的参数选取与模型训练；S4、基于时间序列模型的寿命预测。本发明使用了时间序列模型来对MOSFET器件进行寿命预测，该方法操作简便，准确性高，能够提高功率MOSFET器件的使用可靠性。

摘要： 本发明属于土木工程结构检测技术领域，具体提供了基于时间序列模型系数与子结构的损伤识别方法及系统，其中方法包括：将整体结构划分为若干个尺寸较小的子结构，并建立与各个子结构对应的ARMAX模型；提取子结构的ARMAX模型的自回归系数，确定损伤所在的子结构；对存在损伤的子结构进行分析，构建ARMAX模型自回归系数对子结构刚度折减系数的灵敏度矩阵；建立子结构损伤识别求解方程，并对方程进行求解，以获取解向量；根据解向量，识别损伤在子结构中的具体位置和损伤程度。该方案仅需要对结构的部分区域进行测试和计算，避免了对整个结构进行测试和计算，分析更加简单高效；可应用于公路、市政、铁路桥梁结构健康监测系统，应用前景广阔。

摘要： 本发明提供了一种基于时间序列模型的业务流量切流方法及装置，可用于人工智能技术领域，所述方法包括：接收运维人员终端传输的切流请求；获取处理业务的服务器集群信息，根据预设的切流指标通过所述服务器集群信息获取所述服务器集群中所述切流指标对应的指标数据，通过预设时间序列模型对所述指标数据进行预测得到切流指标变化趋势；根据所述切流指标变化趋势对业务流量进行切流控制，本发明通过预设时间序列模型对业务处理的服务器集群的切流指标变化进行预测得到切流指标变化趋势，降低了性能测试的成本，提高了系统切流指标变化趋势预测的准确性和服务器集群业务处理的稳定性。

摘要： 本公开提供了基于时间序列模型的掘进面前方裂隙类比预测方法及系统，包括：获取历史岩体裂隙参数指标数据，分别构建不同岩体裂隙参数指标时间序列；对所述岩体裂隙参数指标时间序列进行平稳性判断，对于不平稳的序列进行差分运算，获得平稳序列；基于不同参数的平稳序列的自相关函数图和偏自相关函数图及裂隙预测序列模型选择标准，分别确定裂隙预测模型，并对模型的未知参数进行估计；基于确定的裂隙预测模型，对掘进面前方裂隙参数进行预测。所述方案能够对掘进面前方岩体裂隙提前进行全面精确的预测，有效降低地质灾害对施工的影响。