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:本文利用兰州1944~1997年的月平均降水资料,建立了线性平稳序列的降水预测模型,该模型使用了功谱密度函数中的最大熵法(或叫全极模型),并将特征多项式模大于1的根反射到单位圆内,再返回修正后的线性预测的系数。并对1986~1997年11年的月降水做了预测试验,试验结果表明,该模型具有一定的预报能力,其中取15阶预报效果较好。此方法在短期气候预测业务中,可作为台站月、季、年降水预测走向客观化、定量化方法的一种初步尝试
简介:证券综合指数的对数收益率的折线图反映收益率的波动呈现出在一段时间内波动比较大,一段时间波动比较小,方差随着时间的变化而变化。在对时间序列数据进行研究的时候,通常假设随着时间的变化方差不会发生变化。但是在关注预测的精确程度时,需要了解方差的大小。文章用Eviews软件对上证综指日收盘价的对数收益率建立EGARCH-M模型,对收益率序列呈现出的波动聚集性,杠杆效应、风险与收益的关系等特征进行了分析,最终对波动率进行预测,结果表明EGARCH-M模型充分描述了波动性聚类的特点,只用很少的参数就可以把实际数据拟合得很好。该模型形式简单,容易估计,提高了对方差的预测精度,对收益率波动率建立模型对于宏观经济理论和金融理论有重要的意义。
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:在隧洞开挖过程中,受卸荷影响,围岩会向内部收敛变形。通过开展隧洞围岩收敛变形监测,可以掌握围岩和支护稳定性,进而能够反馈和指导施工作业。基于收敛监测结果,开展相关的分析工作,可以发现变形规律,甚至预报变形发展,以便指导调整施工方案或采取相应应急措施。本文基于滇中引水工程水工隧洞中4个典型收敛断面观测时序成果,展开分析,并采用时间序列分析方法建立模型,各断面拟合残差标准差最小仅0.82mm,同时还根据模型进行预报,其与观测值偏差均值和RMS最低达0.14mm、0.30mm,表明模型拟合和预报效果较好,模型整体及各项参数统计检验结果均通过显著性检验。