ARMA

摘要： 针对传统电网设备缺陷的监视和设备家族性缺陷的风险发布都是事后的被动处理,以及考虑到电力设备家族性缺陷往往不是单个因素引起的,为了实现电网设备家族性缺陷故障主动预警,首先,文章建立了家族性缺陷故障数据库,包括设备缺陷影响因素数据及其缺陷决策数据;其次,采用ARMA模型预测单个影响因素在未来时刻的值,通过Copula函数建立单个影响因素与缺陷决策数据之间的概率预测模型;最后,上述不同因素的概率集成就是家族性缺陷故障发生的预测概率。基于上述研究内容,提出了一种面向电网设备家族性缺陷短时预警的统计机器学习方法。

摘要： ARMADILLO不仅是一个哑铃,更像是一个美丽的雕塑。其手柄设计为倾斜的45度,方便人们可以从任何角度进行抓握。此外,其表面采用原始的青铜色,并进行喷砂和镜面处理,使其具有足够的质感。ARMADILLO具有多种使用方法,哑铃可以穿过手臂或钩在脚上,锻炼身体的不同部位。ARMADILLO旨在促进人们健康的生活方式,同时也为家庭增添了一个艺术品。

摘要： 为了提高石化塔建造的施工安全监测与管理的自动化水平,研发了石化受限空间施工环境安全预警系统。首先基于电化学传感技术实现石化塔施工环境内氧含量及硫化氢浓度的实时检测;然后利用前60个采样点的气体历史浓度值,对自回归移动平均模型(ARMA)进行拟合和优化,对后10个采样点的氧含量和硫化氢浓度进行预测,将预测后的数据与报警的阈值进行对比,实现施工环境安全预警的功能。通过预警测试,计算得到硫化氢和氧含量的ARMA模型的平均绝对百分误差(MAPE)分别为1.407和0.0552,误差较小,说明该预警系统可靠性是较高的。

摘要： 运用EEMD分解和ARMA模型相结合对我国农药产量进行了预测。首先利用EEMD技术对原始信号进行分解,得到频率单一、平稳的本征模函数和光滑的趋势余波,然后运用ARMA模型分别对本征模函数和余波进行预测,最后将二者的预测值合并,实现对目标的精确预测。结果显示:EEMD-ARMA组合模型的平均预测误差为3.23135%,比单一ARMA模型的平均预测误差6.60119%减小51.04898%。由EEMD-ARMA模型预测得到2021年我国农药产量为200.4352万t。

摘要： 针对当前网络流量无法根据流量变化的特征进行预测,且通过单一或者组合模型依然得不到较高准确率的问题,提出一种基于HP(High-Pass Fliter)滤波的流量预测模型。基于高铁站流量数据日高夜低的周期特性以及流量波动增长的长期趋势,依据HP滤波将网络流量分解成周期序列及趋势序列。利用自回归-滑动平均模型(ARMA)对平稳序列预测的优势来进行周期变化的预测;使用人工蜂群算法(ABC)优化后的支持向量回归机(SVR)对趋势序列进行预测;将二者预测的结果叠加,使用遗传算法优化的BP神经网络(GABP)进行结合预测,进一步提高准确率。结果显示,该预测方法可靠,较其他方法具有优越性。

摘要： 往复密封件作为机载液压作动器的重要组成部分,对飞行安全有着重要的影响。机载往复密封件承受着高压、宽温、变载荷、强振动等机载工况,多场耦合作用下其失效机理复杂,现有数值模型难以完全揭示其失效机理。在基于自回归滑动平均(Auto-Regressive Moving Average,ARMA)模型的机载往复密封二元时变相关退化建模过程中,首先,基于维纳过程描述往复密封摩擦力和泄漏量退化轨迹,采用Copula函数连接2个性能退化指标之间的相关性;并用ARMA模型表征相关性系数的时变性,采用2段贝叶斯估计的方法对模型中的参数进行估计;最后,介绍了往复密封试验装置,并基于该装置的试验数据验证了所提出的往复密封退化模型的准确性。

摘要： 本文运用EEMD分解和ARMA模型相结合的方法,对2021年我国大豆产量进行预测。先利用EEMD技术对原始信号进行分解,得到频率单一、平稳的本征模函数和光滑的趋势余波,再运用ARMA模型分别对本征模函数和余波进行预测,最后将二者预测值合并,实现对目标的精确预测。结果显示:EEMD-ARMA模型的平均预测误差为1.20966%,比ARMA模型的平均预测误差(2.68482%)减小54.94447%。由EEMD-ARMA模型预测得到2021年我国大豆产量为1866.564万吨。

摘要： 在充分考虑TEC序列非平稳、非线性、高噪声特性前提下,以IGS提供的2017年电离层TEC格网数据为基准,运用BP神经网络和ARMA两种模型分别进行TEC 3 d预测,重点分析两种模型在不同季节时段、不同电离层活跃强度及不同样本长度下的TEC预测性能及精度.结果表明,在不同时段,两种模型均能很好地反映TEC的变化特性,其中ARMA模型在春、冬时段及整体预测精度上略优于BP神经网络.在平静期,两种模型的平均相对预测精度分别为87.3％和87.5％,预测效果相差较小;在活跃期,两种模型的平均相对预测精度分别为78.5％和75.5％,BP神经网络的精度比ARMA模型高3％.随着样本长度的增加,BP神经网络在21 d样本处预测效果最佳,ARMA模型的预测精度随样本长度的增加呈降低趋势.

摘要： 基于经济高质量发展的理论分析框架,以西藏地区1978—2018年的GDP时间序列数据为研究对象,对未来十年西藏地区的GDP发展情况进行研究.首先,对GDP序列作取对数和一阶差分处理,得到相关性极强的平稳时间序列数据;其次,采用ARMA模型对处理后的序列进行拟合,并根据拟合优度、DW检验、AIC准则和SBC准则选取相对最优模型;最后,从样本序列的正态性检验和残差序列的正态性检验与白噪声检验证明了估计结果的稳健性,并采用建立的ARIMA(4,1,2)模型预测西藏未来十年GDP的发展趋势,为政府作出经济发展方面的规划提供理论支撑和依据.

摘要： 通胀预测作为制定货币政策的重要依据,对国家的经济走向产生巨大影响。通过对3种通胀预测模型的研究,以我国2009—2018年通胀数据为样本,将预测值与真实值进行比较分析,最终得出神经网络模型估测结果优于ARMA模型和VAR模型的结论,以期为国家货币政策的制定提供参考。

摘要： 简要介绍了IRI和ARMA(P, q)电离层TEC预报模型的基本原理。任取一时间段,在该时间段上利用IRI和ARMA(P, q)模型计算TEC,并把它们的结果与IGS提供的综合(Final)电离层TEC文件中的结果进行比较分析。结论是:一般在25天之内,ARMA(P, q)模型的TEC预报效果好于IRI;超过25天,应该使用IRI。

摘要： 简要介绍了IRI和ARMA(P, q)电离层TEC预报模型的基本原理。任取一时间段,在该时间段上利用IRI和ARMA(P, q)模型计算TEC,并把它们的结果与IGS提供的综合(Final)电离层TEC文件中的结果进行比较分析。结论是:一般在25天之内,ARMA(P, q)模型的TEC预报效果好于IRI;超过25天,应该使用IRI。

摘要： 简要介绍了IRI和ARMA(P, q)电离层TEC预报模型的基本原理。任取一时间段,在该时间段上利用IRI和ARMA(P, q)模型计算TEC,并把它们的结果与IGS提供的综合(Final)电离层TEC文件中的结果进行比较分析。结论是:一般在25天之内,ARMA(P, q)模型的TEC预报效果好于IRI;超过25天,应该使用IRI。

摘要： 简要介绍了IRI和ARMA(P, q)电离层TEC预报模型的基本原理。任取一时间段,在该时间段上利用IRI和ARMA(P, q)模型计算TEC,并把它们的结果与IGS提供的综合(Final)电离层TEC文件中的结果进行比较分析。结论是:一般在25天之内,ARMA(P, q)模型的TEC预报效果好于IRI;超过25天,应该使用IRI。

摘要： 简要介绍了IRI和ARMA(P, q)电离层TEC预报模型的基本原理。任取一时间段,在该时间段上利用IRI和ARMA(P, q)模型计算TEC,并把它们的结果与IGS提供的综合(Final)电离层TEC文件中的结果进行比较分析。结论是:一般在25天之内,ARMA(P, q)模型的TEC预报效果好于IRI;超过25天,应该使用IRI。

摘要： 简要介绍了IRI和ARMA(P, q)电离层TEC预报模型的基本原理。任取一时间段,在该时间段上利用IRI和ARMA(P, q)模型计算TEC,并把它们的结果与IGS提供的综合(Final)电离层TEC文件中的结果进行比较分析。结论是:一般在25天之内,ARMA(P, q)模型的TEC预报效果好于IRI;超过25天,应该使用IRI。

摘要： 简要介绍了IRI和ARMA(P, q)电离层TEC预报模型的基本原理。任取一时间段,在该时间段上利用IRI和ARMA(P, q)模型计算TEC,并把它们的结果与IGS提供的综合(Final)电离层TEC文件中的结果进行比较分析。结论是:一般在25天之内,ARMA(P, q)模型的TEC预报效果好于IRI;超过25天,应该使用IRI。

摘要： 本文针对Internet网络控制中延迟变化所引起的系统不稳定问题,提出了一种基于小波ARMA多尺度预测的延迟时间预测方法,并将其与Smith预估器结合应用于Internet网络控制中解决了在随机时变的数据包传输延迟情况下Internet网络控制系统的有效控制问题.以直流电机为例验证了本文中预测算法的可行性和有效性.

摘要： 本文针对Internet网络控制中延迟变化所引起的系统不稳定问题,提出了一种基于小波ARMA多尺度预测的延迟时间预测方法,并将其与Smith预估器结合应用于Internet网络控制中解决了在随机时变的数据包传输延迟情况下Internet网络控制系统的有效控制问题.以直流电机为例验证了本文中预测算法的可行性和有效性.

摘要： 本文针对Internet网络控制中延迟变化所引起的系统不稳定问题,提出了一种基于小波ARMA多尺度预测的延迟时间预测方法,并将其与Smith预估器结合应用于Internet网络控制中解决了在随机时变的数据包传输延迟情况下Internet网络控制系统的有效控制问题.以直流电机为例验证了本文中预测算法的可行性和有效性.

摘要： 本发明涉及一种运动预报的方法，具体涉及的是一种基于ARMA模型修正的改进灰色Elman神经网络气垫船运动预报方法。本发明将获得的气垫船运动数据进行加权滑动平均法预处理，建立改进的灰色GM(1,1)预测模型，将灰色预测模型的残差序列利用基于信息熵改进的Elman神经网络进行训练，反复训练得到预测误差序列与灰色预测值相加得到预测模型最终预测值；对于最终预测值采用ARMA模型修正误差，提高组合预测模型的预测精度；本发明采用加权滑动平均法对数据进行处理，减小原始数据的干扰影响，在传统Elman神经网络模型的基础上加入信息熵加权算法，排除每个输入数据对输出结果有相同影响。

摘要： 本发明属于电力系统的设备故障率预测技术领域，尤其涉及一种利用威布尔分布与ARMA结合的设备故障率预测方法，将获取的设备故障率数据按照时间序列的顺序进行排列，得到设备故障率的时间序列数据。根据设备故障率的发展趋势，对设备所在的故障期进行判断，基于故障期的判断结果选取不同阶段的威布尔分布函数对故障率数据进行建模，确定故障率时间序列数据的趋势项。将故障率时间序列数据与其趋势项作差，得到故障率随机项的时间序列数据，并基于时间序列分析的方法对随机项建立时间序列ARMA模型。将趋势项预测结果与随机项的预测结果相加，得到设备故障率的预测结果。该方法将威布尔分布函数与时间序列分析模型相结合，实现了设备故障率的精确预测。

摘要： 本发明涉及预警模型及方法领域，公开了一种基于ARMA的人口超限预警方法，该方法包括：获取人口数据；将所获取的人口数据根据时间特性分类；当各分类之间存在趋势差异时，对每一类人口数据进行数据采样和拟合以建立拟合模型；根据所建立的拟合模型的自相关系数和偏自相关系数确定ARMA模型的阶数；以及利用已确定阶数的ARMA模型获得阈值估计。通过上述技术方案，提出了完整的人口超限预警模型，包括离线的数据采集、数据处理及数据建模，在线的数据阈值估计及趋势分析等。针对采集的时间序列数据的特征，采用ARMA模型对数据进行预测，计算潜在的影响因素，将影响人口趋势变化的潜在因素利用自相关系数和偏自相关系数计算在内，大大优化了预测精度。

摘要： 本发明公开了一种改进ARMA的锂电池剩余寿命预测方法，该方法包括：应用经验模态分解对电池循环剩余容量数据进行分解，得到的子序列去噪筛选后分别进行自回归移动平均(ARMA)建模，用皮尔逊(Pearson)相关系数验证各子序列与原数据的相关性，通过该相关系数进行EMD加权重构，实现对锂电池剩余寿命的准确预测。通过实验验证，本发明具有较好的预测精度，在正常工况下，同组锂离子电池数据的实验预测起始点越往后，预测误差越小。

摘要： 本发明公开了一种基于ARMA与BP神经网络的太阳总辐照资源预测方法，该方法包括:获取太阳辐射和气象要素数据，将对应于同一时刻的各项数据作为一个影响成分，采用主成分分析法对影响成分进行降维处理，确认预测模型参数；通过ARMA最优预测模型对总辐照时间序列{GHI

摘要： 本发明是一种基于ARMA和BPNN组合模型的MIMU陀螺随机误差预测方法，主要包括：步骤一：在静止的状态下采集单轴微陀螺仪的随机漂移数据，通过观察自相关参数ACF和偏相关参数PACF的图形特性判断陀螺原始数据序列的平稳性，进行ADF单位根的检验，经过差分剔除序列的趋势项后得到平稳的数据。步骤二：采用AIC最小准则法对陀螺平稳序列进行模型定阶，构建陀螺漂移平稳序列的ARMA模型。步骤三：使用组合模型对陀螺的随机漂移序列进行建模，从步骤二的ARMA模型的误差数据中选取训练集和测试集，建立BP神经网络预测模型，设置BP神经网络的结构。步骤四：对所建BP神经网络模型的样本数据进行训练，并保存陀螺随机漂移的预测结果。

摘要： 本发明提供一种含外源输入的多变点门限ARMA模型及其贝叶斯分析方法，首先基于ARMA模型构建MB‑TARMAX时间序列模型；对采集的两组时间序列数据进行预处理后根据时域变点和值域变点进行重排，根据重排后的数据获取该模型的似然函数；然后基于本发明的MB‑TARMAX时间序列模型的所有未知参数的先验分布，获取所有未知参数的联合先验分布，并根据贝叶斯定理结合似然函数得到所有未知参数的联合后验分布；最后基于联合后验分布，获取所有未知参数的满条件后验分布以及对应的满条件后验分布形式，针对不同的满条件后验分布形式，在贝叶斯的框架下应用蒙特卡洛马尔科夫链采样方法方便地得到了MB‑TARMAX时间序列模型的参数的估计值。

摘要： 本发明公开了一种基于ARMA与3sigma的动态阈值检测方法及系统，属于IT系统异常检测领域。针对现有技术中准确性和容错性都较弱的问题提出本方案。包括依次激活的第一检测阶段和第二检测阶段；所述的第一检测阶段通过ARMA模型设置动态阈值，用动态阈值检测当前时刻的值以判断是否发出告警；所述的第二检测阶段在所述的第一检测阶段发出告警后通过3sigma模型验证所述告警的有效性，当有效性检测通过时对外发送告警。优点在于，利用ARMA学习历史数据的特征，通过ARMA模型得到不同时刻的阈值并检测是否发出警告，再通过3sigma确定警告的有效性，实现两阶段模型来解决阈值的准确性和容错性问题。

摘要： 本发明公开了一种基于EEMD与ARMA的软件漏洞趋势预测方法，解决了传统预测方法只对单一漏洞进行预测，且预测结果精度低的问题。实现包括：获取漏洞数据；根据漏洞成因划分漏洞成因类型；构建两个待预测数据集；使用EEMD方法处理一个待预测数据集；对IMF分量数据集集合进行漏洞趋势预测；对残差数据集进行漏洞趋势预测；合并漏洞趋势预测结果；对另一待预测数据集进行漏洞趋势预测，完成基于EEMD与ARMA的软件漏洞趋势预测。本发明不改变数据集本身性质对构建的两个待预测数据集进行处理，使用ARMA模型对处理得到的数据集进行预测。本发明从多角度对漏洞发展趋势做出预测，预测结果准确率更高，普适性更好。

摘要： 本发明公开了一种基于ARMA算法的进汽阀门卡涩预测方法，包括：基于ARMA算法建立预测模型；对所述预测模型进行训练及测试；获取当前时刻的进汽阀门指令值及进汽阀门反馈值，将当前时刻的进汽阀门指令值与进汽阀门反馈值输入到训练及测试后的预测模型中，得M时刻后进汽阀门指令值与进汽阀门反馈值之间的偏差，再根据M时刻后进汽阀门指令值与进汽阀门反馈值之间的偏差确定M时刻后进汽阀门的卡涩情况，该方能够较为准确的预测进汽阀门的卡涩情况。