- 年份
- 2025（2）
- 2024（1）
- 2023（2）
- 2022（3）
- 2021（3）
- 2019（4）
- 2018（3）
- 2017（1）
- 2016（1）
- 2015（1）
- 更多...
- 核心收录
- 中国科技论文与引文数据库(CSTPCD)（22）
- 北京大学中文核心期刊目录(北大核心)（19）
- 中国科学引文数据库(CSCD)（11）
- 中国人文社会科学引文数据库(CHSSCD)（1）
- 更多...
- 刊名
- 计算机应用研究（3）
- 电力系统保护与控制（2）
- 电力系统及其自动化学报（2）
- 福建电脑（2）
- 计算机应用与软件（2）
- 中华医学图书情报杂志（1）
- 中国全科医学（1）
- 中国卫生资源（1）
- 人民黄河（1）
- 信息技术与网络安全（1）
- 更多...
- 作者单位
- 上海师范大学（2）
- 河海大学（2）
- 湖南农业大学（2）
- 中国民航大学（1）
- 华北水利水电大学（1）
- 华北电力大学（1）
- 四川建筑职业技术学院（1）
- 广东工业大学（1）
- 桂林理工大学（1）
- 武汉理工大学（1）
- 更多...
- 语种
- 汉语（31）
- 关键词
- 差分自回归移动平均模型（31）
- 支持向量机（5）
- 预测（5）
- BP神经网络（4）
- 组合模型（3）
- 发病率（2）
- 广义回归神经网络（2）
- 手足口病（2）
- 时间序列预测（2）
- 松毛虫（2）
- 更多...
- 作者
- 向昌盛（2）
- 丁严（1）
- 丁玮翔（1）
- 于琦（1）
- 何家峰（1）
- 刘侃（1）
- 刘子毅（1）
- 刘春（1）
- 刘洪庆（1）
- 刘立龙（1）
- 更多...
相关度
- 相关度
- 发表时间
每页显示10条
- 每页显示10条
- 每页显示20条
- 每页显示30条
已找到 31 条结果
- ARIMA与SVM组合模型在害虫预测中的应用北大核心CSCDCSTPCD摘要：害虫发生是一种复杂、动态时间序列数据,单一预测模犁都是基于线性或非线性数据,不能同时捕捉害虫发牛的线性和非线性规律,很难达到理想的预测精度.本研究首先采用差分自回归移动平均模型对昆虫发生时间序列进行线性建模,然后采用支持向量机对非线性部分进行建模,最后得到两种模型的组合预测结果.将组合模型应用到松毛虫Dendrolimus punctatus发生面积的预测,实验结果表明组合模型的预测精度明显优于单一模型,发挥了两种模型各自的优势…查看全部>>
- 基于地统计学定阶的松毛虫发生面积组合预测北大核心CSCDCSTPCD摘要：针对当前松毛虫滞后阶数确定方法存在局部最优、耗时长等问题,提出一种基于地统计学(GS)快速定阶的松毛虫发生面积组合预测模型(GS-ARIMA-SVM).首先采用差分自回归移动平均(ARIMA)对松毛虫发生面积进行线性建模预测,然后采用GS对松毛虫发生面积非线性部分进行快速定阶和样本重构,最后采用支持向量机(SVM)对非线性部分进行建模预测,从而获得组合模型预测值.并对辽宁省朝阳市松毛虫发生面积数据进行了仿真实验.仿真结果表明,GS-A…查看全部>>
- BP神经网络和ARIMA模型的变权组合电离层TEC预报北大核心CSTPCD摘要：针对电离层总电子含量(TEC)非线性、非平稳性的特性,提出基于BP神经网络和差分自回归移动平均模型(ARIMA)的最优非负变权组合预报模型,并将其应用于TEC预报.利用IGS中心提供的不同经纬度的电离层平静期、活跃期TEC数据,分别采用BP神经网络模型、ARIMA模型和变权组合模型对TEC进行5 d预报.实验结果表明:在电离层平静期和活跃期变权组合模型预报5 d的平均相对精度分别为94.7％和88.9％,其中预报残差小于3 TECu的…查看全部>>
- 基于ARIMA与WASD N加权组合的时间序列预测北大核心CSCDCSTPCD
- 基于ARIMA模型的福州市雷暴日趋势分析北大核心CSTPCD摘要：在分析ARIMA(p,d,q)预测模型的基础上,以福州市1961-2006年的雷暴日为时间序列基础,通过对该序列进行平稳性分析、差分处理、自相关、偏自相关系数计算与绘图、ARIMA建模、参数估计、假设检验及模型预测,将ARIMA模型运用在雷暴日的趋势分析上.研究结果表明,ARIMA能很好地拟合计算出未来短时段内的数据,可以应用于实际的雷暴日分析.
- 基于生态足迹法的水资源承载力研究——以北京市为例北大核心CSTPCD摘要：为分析和评估区域水资源可持续发展状态,以水资源生态足迹系统的框架体系作为基础,引入水资源足迹广度与深度,区分水资源流量资本与存量资本,结合北京市实际情况,在现有人口和水资源条件下,计算水资源生态承载力的同时探讨改进的差分自回归移动平均模型ARIMA与广义神经网络GRNN的组合模型在水资源生态足迹中的拟合预测效果.结果 显示:北京市长期处于水资源赤字这种不安全状态下,研究期内水资源足迹深度均大于1,平均水资源生态足迹为0.169hm2/…查看全部>>
- 广西有色金属行业经济税收情况分析CHSSCD摘要：有色金属行业是广西的重要支柱产业，行业集聚效应明显，但有色金属行业税收收入占总税收收入比重低，且有色金属行业税负呈现逐渐下降的趋势。文章从税收的角度，分析了广西有色金属产业的发展现状，剖析了该行业在发展过程中存在的问题，并采用差分自回归移动平均模型对行业税收发展趋势进行了预测，提出了加强广西有色金属行业发展的政策建议。
- 短期风电功率预测误差分布研究北大核心CSCDCSTPCD摘要： 短期风电功率预测一直是风电领域的研究热点，提出采用带位置和尺度参数的 t 分布描述风电功率预测的误差分布。分别采用差分自回归移动平均模型和 BP 神经网络，根据风电场实测数据进行功率预测，对两种预测模型产生的误差进行分析，验证了带位置和尺度参数的 t 分布可以有效描述预测误差分布。短期风电功率预测研究发现，带位置和尺度参数的 t 分布对误差的拟合优度高于正态分布，其各项参数可作为评价预测算法准确度的指标，通过分析分布参数可以直观了解预测算法的性能。
- 基于PSO的SVM-ARIMA大坝安全监控模型北大核心CSTPCD摘要：大坝监控过程中,大坝变形的实测值是一个非线性且非平稳的时间序列,支持向量机(SVM)适用于解决小样本、非线性问题,在SVM算法的基础上建立了改进的大坝变形监控模型,利用差分自回归移动平均模型(ARIMA)解决非平稳时间序列问题的优势,对SVM模型的残差进行处理,并采用粒子群算法(PSO)优化支持向量机(SVM)中的核函数.实例分析表明,优化后的组合模型预测结果可靠,且精度较SVM模型有所提高.
- 支持向量机修正ARIMA误差的微博热点预测CSCDCSTPCD摘要：微博热点预测是一类贫信息、小样本、不确定性的复杂预测问题。为了提高微博热点预测精度，提出一种基于支持向量机修正ARIMA误差的微博热点预测模型（ARIMA-SVM）。首先对微博数据进行预处理、提取主题构建网络微博热点时间序列，然后采用ARIMA建立网络微博热点预测模型，并采用支持向量机对ARIMA预测误差进行修正得到微博热点最终预测结果，最后模型性能进行仿真测试。结果表明，相对于传统预测模型，ARIMA-SVM提高了网络微博热点…查看全部>>