简介:摘 要:根据建筑业2015年1季度到2018年4季度总产值数据做出时间序列图,初步判断总体趋势为上升,另外还有明显的季节性趋势特点,选用两种常用的季节性趋势预测方法(自适应过滤法、ARIMA模型)。根据MAD、MSE、MFE、MAPE四个误差分析指标以及建筑业2019年实际总产值综合分析预测精准度、各自优缺点及适用条件。
简介:摘要:时间序列作为时间观测值的集合,在机器学习和人工智能领域引发了广泛的关注。时间序列预测是获取未来趋势的重要课题之一,研究结果可以为各种应用提供依据,例如优化、控制以及生产计划等。因此,已经提出了许多模型来解决这个问题。但是时间序列数据往往呈现出非平稳、非线性和多维度等特点,单一的深度学习模型难以有效提取时间序列的深层特征,难以挖掘数据的内在特性和识别出数据间的潜在模式。
简介:【摘要】我国黄河流域水沙通量的变化对环境治理、气候变化和人民生活有着重要意义。本文首先根据现有数据进行可视化分析,研究含沙量与时间、水位、水流量的关系,然后利用相关分析确认含沙量与水位、水流量为线性关系,最后采用“分割-近似代替-求和”的方法求出年总水流量和年总排沙量。
简介:【摘要】因黄河受季节性强降雨的影响,影响生态环境的稳定,本文根据其水沙通量的变化趋势,建立 ARIMA 时间序列分析模型,对 2022 年和 2023 年的水沙通量进行预测。分析预测出的未来两年水沙通量随时间的变化曲线,根据其斜率变化与突变特点定制出未来两年即能及时掌握水沙通量实时状态,又能减少投资成本的最优方案。
简介:【摘要】研究黄河水沙通量的变化规律对环境治理,气候变化和人民生活具有重要的意义,根据水沙通量的公式计算出6年的水沙通量,观察水沙通量的变化曲线,直观分析其突变规律,后利用Mann-Kendall突变检验法,通过M-K统计量曲线定位出每年的水沙通量突变点位置和整个6年的突变点位置。基于水沙通量数据的时序特点,进行时间序列分析得到水沙通量的季节性和周期性规律。
简介:摘要:本文基于时间序列InSAR技术,采用2018年8月~2019年6月共48景Sentinel-1A数据,利用Stacking-InSAR方法对子洲县行政区域进行形变监测,得到研究区域形变速率图。对子洲县滑坡区域进行早期识别,标记出风险较高的区域,并分析滑坡特征点及危害程度,对当地相关部门进行滑坡前期监测提供了有效参考。
简介:摘要:蓄水调水和治理泥沙一直都是治理黄河河段的基本工作之一,但在研究黄河水文时,由于黄河水沙通量较大,数据特性分析难度大。本文建立模型实现基于不同时间序列的数据汇总分析。利用距平值对突变性进行分析;通过可视化分析,研究所表现出的周期变化;季节性水沙通量最大值往往出现在夏季,最小值往往出现在冬季;通过spsspro建立水沙通量的季节性ARIMA模型来研究其变化规律,发现季节性数据的水流量的拟合度0.724,排沙量拟合度为0.764,拟合效果较好;能较好的进行预测分析,并为黄河水流管理提供理论依据。