ARMA模型

摘要： 目前,我国商业银行不良贷款余额不断增高,其暴露的风险问题变得更加突出,如果处理不当,极容易造成系统性风险。本文依据2011-2020年商业银行的每一季度不良贷款余额的时间数列进行分析,先后通过平稳性检验与自相关、偏相关检验,建立arma模型并确定模型参数。并以此模型对我国商业银行2021年不良贷款余额进行短期预测,在不考虑外部环境的情况下,结果显示2021年四个季度我国商业银行不良贷款余额呈增长趋势,文章最后依据预测结果提出优化我国商业银行不良贷款余额的建议。

摘要： 交通事故死亡人数预测对于我国交通发展具有重要意义.以我国道路交通安全状况为研究对象,探讨我国道路交通事故死亡人数及未来发展趋势.通过建立的VAR、VEC和ARMA模型,得出VAR模型和ARMA模型具有良好的预测效果;利用Johansen协整检验得出GDP、总人口数、公路里程、机动车保有量等影响因素与事故死亡人数存在长期均衡关系.最后提出基于VAR和ARMA模型的综合集成预测方法对我国2015~2020年的交通事故死亡人数进行集成预测,结果表明集成预测精度更高更稳定,能够有效进行交通事故死亡人数的短期预测.

摘要： 提出一种基于时间序列分析的航空发动机传感器故障诊断方法,通过正常数据离线训练得到ARMA模型,然后在线进行实时故障诊断,可以诊断出航空发动机传感器可能发生的故障。为了验证故障诊断算法的实时性,搭建了基于工控机、故障诊断器和上位机的硬件在环仿真平台,采用自动生成的代码与嵌入式手写代码相结合的方式,将算法下载至基于FPGA+DSP的故障诊断器中进行验证。结果表明,数字仿真条件下ARMA故障诊断算法可以准确地诊断出传感器偏置故障。搭建的硬件在环仿真平台可以实现对算法的实时性验证,加入XNLPC传感器偏置故障,ARMA算法在故障诊断器中的运行时间为1.33 ms,具有工程应用价值。

摘要： 作为5G uRLLC的典型应用场景,工业应用对于数据传输的延迟和可靠性要求越来越严苛,且多样化业务带来的多样性数据的融合传输是当前亟待解决的问题,其中高效的无线资源调度以保障各种数据共存互不干扰、稳定可靠地传输和系统安全稳定的运行是重要的挑战之一。为解决无线网络中周期性的监测数据与紧急数据的协同传输问题,该文针对工业多样化业务数据传输场景中的5G上行链路传输,提出一种基于预测的资源分配方案,该方案利用自回归滑动平均(ARMA)模型根据紧急数据的历史传输周期的激活率预测下一传输周期的紧急数据激活率,根据预测激活率动态地为周期数据和紧急数据预留资源,以在满足紧急数据传输条件的前提下最小化对周期数据传输的影响。仿真实验表明,与传统的资源分配方案相比所提方案能有效降低紧急数据传输对周期数据的影响,并能提升频谱资源的利用率。

摘要： 通过对ARMA模型的理论知识展开介绍,再利用EViews10软件对时间序列数据进行建模,经过比较分析相关的统计量,最终选取相比来说最优的模型对股价的未来趋势进行预测。针对古井贡酒股票(000596)自2020年10月26日至2021年9月21日的开盘价格,对根据其时间序列数据所建立的ARMA模型进行估计检验,将预测的结果与真实的数据进行比较,结合误差比的结果,发现预测值与实际值相差较小。由此得出结论,使用该模型得到的预测序列拟合程度较高,因此适用于对股票的短期价格进行预测。

摘要： 为了研究通过引入滤波器模型实现对随机海浪的模拟,随机海浪可用有色噪声表示。在随机运动问题中,需要引入滤波器模型对白噪声输入进行处理,从而得到符合真实海浪情况的有色噪声。本文利用ARMA过程构造滤波器模型,并探讨不同阶数的ARMA滤波器模型对ITTC双参数谱的拟合程度。通过滤波器生成谱产生波浪时历,将模拟数据的统计值与ITTC双参数谱的理论值进行对比,验证滤波器的有效性。实验结果表明:滤波器模型为随机海浪的模拟与有色干扰的变化带来了极大方便。

摘要： 一、引言天气衍生品是建立在温度、湿度、降水、风等天气变量上的金融合约。自1999年第一份温度期货合约在芝加哥商品交易所(CME)交易以来,天气衍生品已成为管理天气风险的最重要的金融工具。气温衍生品是天气衍生品市场中最常见的一种类型,有一些文献^([1,3])涉及气温建模,其中Alaton^([1])引入了随月份变化波动率的Ornstein-Uhlenbeck (O-U)过程来模拟气温演化。

摘要： 空气质量的好坏直接影响着人们的日常生活,因此,了解空气质量的变化趋势尤为重要。文章以鹤壁市2021年6月1日—12月31日的空气质量指数(AQI)日报数据为样本,基于时间序列分析建立预测模型。首先,利用多种时间序列方法建立拟合模型,经过分析对比得出预测效果较好的ARMA模型;其次,使用此模型对鹤壁市未来10天的空气质量指数进行预测,预测结果与实际数据非常接近,并且此模型并不复杂,具有一定的应用性和可操作性;最后,参照AQI级别划分表可得出鹤壁市未来10天的空气质量所处等级。

摘要： 文章研究的数据采用沪深300指数,选取时间节点为2008年4月25日至2012年4月25日,通过研究建立沪深300每日收盘价和其日收益率的模型,研究股指期货对于A股市场波动率的影响,得出股指期货稳定了A股市场,降低了A股市场的波动性。但仍倾向于股指期货是一个中性的金融衍生产品,会随着不同的外部信息而发挥不同的作用。

摘要： 通过R软件研究ARMA模型在平稳时间序列数据预测方面的优势,对太平洋股份和云铝股份的股票日收盘价进行实证分析,并作出试探性的预测分析。

摘要： 本文以ARMA时间序列预测模型为基础,通过原始差分方法获取电离层VTEC(Vertical Total Electron Content)平稳序列并进行预测,针对其理论与过程中的不足,提出一种非差分获取平稳化序列的方法.对非差分序列进行平稳性验证,并将预测结果与差分序列预测结果进行对比,证明用非差分平稳化序列预测的合理性与可能性.而后依据长时间序列的IGS电离层VTEC产品为原始数据,用非差分平稳化方法对其进行处理,分别对2006年至2015年各年内第263天至272天的VTEC序列进行连续预测.对比不同时期的预测结果,得出非差分序列的预测在太阳活动低峰年精度高,在太阳活动高峰年的精度低,在不同的电离层活跃程度下,预测结果具有一定的区分度。

摘要： 本文以ARMA时间序列预测模型为基础,通过原始差分方法获取电离层VTEC(Vertical Total Electron Content)平稳序列并进行预测,针对其理论与过程中的不足,提出一种非差分获取平稳化序列的方法.对非差分序列进行平稳性验证,并将预测结果与差分序列预测结果进行对比,证明用非差分平稳化序列预测的合理性与可能性.而后依据长时间序列的IGS电离层VTEC产品为原始数据,用非差分平稳化方法对其进行处理,分别对2006年至2015年各年内第263天至272天的VTEC序列进行连续预测.对比不同时期的预测结果,得出非差分序列的预测在太阳活动低峰年精度高,在太阳活动高峰年的精度低,在不同的电离层活跃程度下,预测结果具有一定的区分度。

摘要： 本文以ARMA时间序列预测模型为基础,通过原始差分方法获取电离层VTEC(Vertical Total Electron Content)平稳序列并进行预测,针对其理论与过程中的不足,提出一种非差分获取平稳化序列的方法.对非差分序列进行平稳性验证,并将预测结果与差分序列预测结果进行对比,证明用非差分平稳化序列预测的合理性与可能性.而后依据长时间序列的IGS电离层VTEC产品为原始数据,用非差分平稳化方法对其进行处理,分别对2006年至2015年各年内第263天至272天的VTEC序列进行连续预测.对比不同时期的预测结果,得出非差分序列的预测在太阳活动低峰年精度高,在太阳活动高峰年的精度低,在不同的电离层活跃程度下,预测结果具有一定的区分度。

摘要： 本文以ARMA时间序列预测模型为基础,通过原始差分方法获取电离层VTEC(Vertical Total Electron Content)平稳序列并进行预测,针对其理论与过程中的不足,提出一种非差分获取平稳化序列的方法.对非差分序列进行平稳性验证,并将预测结果与差分序列预测结果进行对比,证明用非差分平稳化序列预测的合理性与可能性.而后依据长时间序列的IGS电离层VTEC产品为原始数据,用非差分平稳化方法对其进行处理,分别对2006年至2015年各年内第263天至272天的VTEC序列进行连续预测.对比不同时期的预测结果,得出非差分序列的预测在太阳活动低峰年精度高,在太阳活动高峰年的精度低,在不同的电离层活跃程度下,预测结果具有一定的区分度。

摘要： 移动基站成本包括租赁成本和电费成本,以及维护成本等.其中电费成本控制是成本控制中最重要的环节.基站外电各种复杂多变的环境,如电缆损耗,超负荷运转,私接负载等各种情况导致电费成本的急剧上升.如何有效地识别,分析出耗电异常,从而对异常情况进行有效控制,减少基站运营的电费成本是本文的关注点.本文利用时间序列分析中的ARMA模型对历史耗电量进行拟合和预测,利用小波变换中多尺度微分算子的方法构造预警模型.该模型对基站耗电情况有很好的预测和预警功能,无论是理论上还是实际上都有重要意义.

摘要： 移动基站成本包括租赁成本和电费成本,以及维护成本等.其中电费成本控制是成本控制中最重要的环节.基站外电各种复杂多变的环境,如电缆损耗,超负荷运转,私接负载等各种情况导致电费成本的急剧上升.如何有效地识别,分析出耗电异常,从而对异常情况进行有效控制,减少基站运营的电费成本是本文的关注点.本文利用时间序列分析中的ARMA模型对历史耗电量进行拟合和预测,利用小波变换中多尺度微分算子的方法构造预警模型.该模型对基站耗电情况有很好的预测和预警功能,无论是理论上还是实际上都有重要意义.

摘要： 移动基站成本包括租赁成本和电费成本,以及维护成本等.其中电费成本控制是成本控制中最重要的环节.基站外电各种复杂多变的环境,如电缆损耗,超负荷运转,私接负载等各种情况导致电费成本的急剧上升.如何有效地识别,分析出耗电异常,从而对异常情况进行有效控制,减少基站运营的电费成本是本文的关注点.本文利用时间序列分析中的ARMA模型对历史耗电量进行拟合和预测,利用小波变换中多尺度微分算子的方法构造预警模型.该模型对基站耗电情况有很好的预测和预警功能,无论是理论上还是实际上都有重要意义.

摘要： 移动基站成本包括租赁成本和电费成本,以及维护成本等.其中电费成本控制是成本控制中最重要的环节.基站外电各种复杂多变的环境,如电缆损耗,超负荷运转,私接负载等各种情况导致电费成本的急剧上升.如何有效地识别,分析出耗电异常,从而对异常情况进行有效控制,减少基站运营的电费成本是本文的关注点.本文利用时间序列分析中的ARMA模型对历史耗电量进行拟合和预测,利用小波变换中多尺度微分算子的方法构造预警模型.该模型对基站耗电情况有很好的预测和预警功能,无论是理论上还是实际上都有重要意义.

摘要： 移动基站成本包括租赁成本和电费成本,以及维护成本等.其中电费成本控制是成本控制中最重要的环节.基站外电各种复杂多变的环境,如电缆损耗,超负荷运转,私接负载等各种情况导致电费成本的急剧上升.如何有效地识别,分析出耗电异常,从而对异常情况进行有效控制,减少基站运营的电费成本是本文的关注点.本文利用时间序列分析中的ARMA模型对历史耗电量进行拟合和预测,利用小波变换中多尺度微分算子的方法构造预警模型.该模型对基站耗电情况有很好的预测和预警功能,无论是理论上还是实际上都有重要意义.

摘要： 移动基站成本包括租赁成本和电费成本,以及维护成本等.其中电费成本控制是成本控制中最重要的环节.基站外电各种复杂多变的环境,如电缆损耗,超负荷运转,私接负载等各种情况导致电费成本的急剧上升.如何有效地识别,分析出耗电异常,从而对异常情况进行有效控制,减少基站运营的电费成本是本文的关注点.本文利用时间序列分析中的ARMA模型对历史耗电量进行拟合和预测,利用小波变换中多尺度微分算子的方法构造预警模型.该模型对基站耗电情况有很好的预测和预警功能,无论是理论上还是实际上都有重要意义.

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： 一种基于ARMA模型的单回路控制系统性能评价方法，用于解决控制系统的在线评价问题，所述方法包括以下步骤：a.采集待评价控制回路被控变量PV的当前时刻数据；b.对输出数据进行预处理，包括剔除异常数据和平稳化处理；c.计算控制回路的性能指标；d.根据控制回路性能指标给出PI控制器参数的优化建议。本发明通过对一段时间的历史输出数据进行时间序列分析得到控制回路的性能指标，根据控制回路的性能指标给出PI控制器参数的调节方向，使控制器性能达到最佳。本方法无需系统的精确模型和传递函数阵，只需要系统运行数据和迟延时间信息，不会影响系统正常运行，适用于工业现场进行在线性能评价。

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： 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： 本发明涉及基于ARMA模型的GIS微粒微弱放电发展趋势预测方法及系统，通过采集非平稳的微弱放电数据，对数据进行平稳化预处理，判断判断其平稳性；对平稳序列做白噪声检验并舍弃不合格数据；计算采集数据自相关性和偏自相关性；根据采集数据自相关性、偏自相关性和AIC准则，对ARMA模型进行定阶；估计ARMA模型中未知参数的值；使用ARMA模型进行采集数据检验，若模型检验通过则预测未来走势。本发明能够对微弱放电线性参量发展趋势进行准确预测，得到较好效果，整体预测误差值均在10％以下。同时本发明能够较好地预测微弱放电阶跃参量及非线性参量的极值和峰值，对后续研究其发展趋势的预测具有较大的参考意义。

摘要： 本发明涉及光伏发电功率预测技术领域，公开了一种基于集合经验模态分解与ARMA‑Elman混合模型的光伏功率预测方法，包括：步骤1：获取待预测系统的光伏功率数据，并使用集合经验模态分解将数据分解；步骤2：利用过零率对分解后的信号分类；步骤3：将高频信号、低频信号分别输入Elman和ARMA模型进行训练与预测；步骤4：将预测结果进行叠加，输出最终预测结果。与现有技术相比，本发明通过过零率对信号高频、低频分量进行划分，利用Elman和ARMA模型分别对高频与低频信号特征进行预测，在复杂天气情况下，针对非平稳随机波动的功率信号也有着良好的预测结果，显著地提升了光伏功率预测的准确性。

摘要： 本发明涉及基于ARMA模型的GIS微弱放电发展趋势预测方法，包括如下步骤：采集气体绝缘组合电器内微弱放电数据，并对其进行预处理，使数据平稳化，获取平稳数据序列；对平稳数据序列进行白噪声检验，舍弃掉不合格的数据；确定采集数据自相关性和去干扰后采集数据自相关性；构建ARMA模型，对模型进行定阶，并确定模型中未知参数的值；验证模型有效性，若模型不满足条件，则重新构建并确定模型，若模型满足条件，则得到有效预测模型；利用有效预测模型对GIS微弱放电发展趋势进行预测；本发明能够较好地预测微弱放电阶跃参量及非线性参量的极值和峰值，对后续研究其发展趋势的预测具有较大的参考意义。

摘要： 本申请实施例公开了一种基于ARMA模型的资产评估方法、装置、设备及存储介质，应用于人工智能领域，包括：获取多个样本资产的样本资产评估数据，并确定各样本资产评估数据的平稳程度，将样本资产评估数据的平稳程度大于平稳程度阈值的样本资产作为训练样本资产；基于训练样本资产的样本资产评估数据训练多组参数的ARMA模型，并基于多组参数的ARMA模型确定资产评估模型；获取至少两种目标资产的资产数据；基于至少两种目标资产的资产数据生成目标资产的目标资产评估数据，并将目标资产的目标资产评估数据输入资产评估模型，确定出目标资产对应的可置换资源评估信息。采用本申请实施例，可提高资产评估的效率和准确率。

摘要： 本发明涉及一种基于退化的空间ARMA模型的多维传感器阵列信源测向方法，属于阵列信号处理中基于多维阵列的二维信源测向。包括3维体阵模型，多维阵列中任一ULA的信源相差估计，多维阵列中的ULA分类准则，多维阵列中信源相差(或角度)配对方案，多维阵列中信源仰角和方位角的计算。本发明的优点是：能够处理多维阵列中的任一ULA,二维信源测向方法能够匹配和发挥多维阵列ULA及其数据丰富的优势；给出了能够实现信源相差自动配对的ULA组合准则，所提测向方法能够处理两种方位角定义下ULA，而且对信源和传感器阵元噪声的信号性质仅要求为平稳；所提测向方法是直接处理多维阵列数据，不涉及矩阵特征值分解或奇异值分解，计算较为高效。