导读:本文包含了时间序列预测模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:序列,模型,时间,平滑,泰安市,卷积,指数。
时间序列预测模型论文文献综述
刘慧鑫,张江龙,连鸿松,郑东升,赖永华[1]（2019）在《基于时间序列模型的变压器油中溶解气体预测》一文中研究指出变压器作为电力系统的核心设备,其安全运行是电力系统稳定可靠的基础。根据在线监测系统提供的油中溶解气体含量历史数据,预测未来气体体积分数及其发展趋势,是DGA故障预测的关键,也是在线监测的必要补充和提前预警变压器故障的重要手段。现有的预测算法存在着模型泛化性差和没有考虑时间序列模型等问题。为提高预测能力,文中首先介绍了非时序有监督学习和时间序列模型关键技术及其在变压器油中溶解气体体积分数预测的应用;然后搜集和发布了一个大规模数据样本,为算法提供了一个较为全面的验证集,提高模型的泛化性;最后使用前向数据分割方法进行数据增强,增加模型的训练数据。大量实验证明了时间序列模型在变压器油中溶解气体体积分数预测的有效性。(本文来源于《高压电器》期刊2019年12期）
武洪昆,季元旗[2]（2019）在《基于时间序列模型的天然气预测系统》一文中研究指出清洁能源天然气是中国能源转型的必然选择。目前,中国的天然气产业正处于快速发展期。未来,天然气承担着中国能源转型的重任,具有广阔的发展前景。但中国天然气产业发展受制于一系列内外问题,建议持续加强天然气产供储销体系建设,推动需求侧增长,建立天然气产业信息沟通机制,完善下游市场信用体系,加快市场化推进进度,以实现产业持续健康快速发展。(本文来源于《信息系统工程》期刊2019年11期）
许国艳,朱进,司存友,胡文斌,刘凡[3]（2019）在《基于CNN和MC的水文时间序列预测组合模型》一文中研究指出对于水位精准的预测是预防洪涝灾害的有效措施。在深度学习不断发展的背景下,提出基于卷积神经网络和马尔科夫链的水文时间序列预测组合模型,该模型解决了现有算法未考虑站点之间空间的相关性、多维输入的时候会提高特征提取中数据重建的复杂度,以及单一模型只考虑水位时间序列线性部分而未考虑非线性部分所导致的预测精度低的问题。该组合模型首先运用卷积神经网络训练水位时间序列和降雨量时间序列对未来水位进行预测,并结合原始时间序列计算得到残差序列,再将使用马尔科夫链训练残差序列得到的残差预测结果和卷积神经网络预测的值相加得到最终的结果。实验表明,该方法与现有算法相比,在预报准确率上能够取得更好的效果。(本文来源于《计算机与现代化》期刊2019年11期）
全涛[4]（2019）在《欧洲足球五大联赛进球的时间序列模型构建及预测》一文中研究指出通过文献资料、数理统计、对比分析等研究方法对欧洲足球五大联赛2000-2001赛季至2016-2017赛季的场均进球进行时间序列分析,构建了ARIMA模型及结果预测。研究表明:(1)欧洲五大联赛的进球特征表现出单一赛事不同时期的波动性和不同赛事之间的横向差异性。(2)欧洲五大联赛的模型分别是德甲为ARIMA (0,1,3),法甲为ARIMA (0,1,0),西甲为ARIMA (1,1,3),意甲为ARIMA(0,1,2),英超为ARIMA(1,1,2)。(3)通过模型的构建可用于短期预测,进球序列整体呈波动状态,拟合值和观测值曲线在整个区间整体拟合情况良好。(本文来源于《体育科研》期刊2019年06期）
熊昱阳,任静朝,段广才[5]（2019）在《中国2008-2016年手足口病月发病率时间序列分析及预测模型》一文中研究指出目的通过时间序列分析我国手足口病(hand-foot-mouth disease, HFMD)的发病趋势并构建时间序列预测模型,为制定防控策略提供科学依据。方法从公共卫生科学数据中心收集2008-2016年我国HFMD月发病数据,使用Excel 2007建立发病率数据库并进行图表绘制,通过SAS 9.1拟合自回归综合移动模型(autoregressive integrated moving average model,ARIMA model)。以2008年1月-2015年12月HFMD月发病率作为测试集构建时间序列模型,2016年发病率数据作为验证集检验预测效果,做出模型评价,利用该模型对2017年HFMD发病率做出预测。以P<0.05为差异有统计学意义。结果最终构建ARIMA((12), 2, 0)疏系数模型,残差为白噪声序列,实际值均落在预测值95%CI内,模型回归系数有统计学意义,预测值与实际值总体吻合程度良好,均方误差平方根为3.6490,平均绝对误差=2.62,平均绝对百分比误差=28.24%。结论疏系数模型可较好的拟合我国HFMD发病率的时间序列趋势,对HFMD防控策略的制定有指导意义。(本文来源于《中华疾病控制杂志》期刊2019年11期）
梁卫桃,梁芳,井光壮,陶生聪,谢利傲[6]（2019）在《基于时间序列模型的兰州市5岁以下儿童死亡预测分析》一文中研究指出目的分析2010-2018年兰州市5岁以下儿童死亡情况,构建时间序列模型预测2019年兰州市5岁以下儿童死亡趋势。方法采用描述流行病学方法综合分析兰州市2010年1月-2018年12月5岁以下儿童死亡情况,利用SPSS 21.0软件构建时间序列分析模型,筛选最佳模型并预测2019年兰州市5岁以下儿童死亡情况。结果兰州市2010-2018年共报告5岁以下儿童死亡病例1 650例,男、女报告死亡例数分别为871例和774例,年均死亡率为6.23‰。近几年兰州市5岁以下儿童死亡率总体呈下降趋势;5岁以下儿童死亡以新生儿为主,占65.27%;通过不同模型比较发现简单季节性指数平滑模型为最优模型,该模型较好的拟合了兰州市2010-2018年5岁以下儿童月死亡例数,预测2019年兰州市5岁以下儿童总死亡例数为140例,与2018年的死亡例数相近。结论兰州市5岁以下儿童死亡率总体呈逐年下降趋势,简单季节性指数平滑模型可以较好的反映兰州市5岁以下儿童的死亡趋势并进行短期预测。(本文来源于《中华疾病控制杂志》期刊2019年11期）
陈栾杰,吴同,彭玲,郑建春,杨艳英[7]（2019）在《基于时间序列的网格化城市管理案件预测模型研究》一文中研究指出针对传统或流行的基于时间序列的预测模型,探索出一种适用于网格化城市管理的成体系的案件预测方法。分别采用博克斯-詹金斯法、Auto-ARIMA以及LSTM模型,对近几年北京市6个城区各站点网格化管理问题案件数量进行预测,通过对比不同模型方法间准确度和实用性,以MAPE为精度评价指标,分析各个模型应用在城市网格化问题预测方面优势与劣势。研究发现,Auto-ARIMA适合进行对网格化管理问题数量趋势预测,博克斯-詹金斯法在解决滞后性问题中预测准确率很高,但由于预测流程烦琐,因此实用性较差,LSTM预测效果相对准确且平稳,可以在样本输入量、参数以及自身架构上进行进一步优化。(本文来源于《地理信息世界》期刊2019年05期）
敖希琴,汪金婷,郑阳,李凡[8]（2019）在《基于小波时间序列模型的CPI预测》一文中研究指出经典时间序列模型是CPI预测较为常用的方法,该方法建模前未对数据进行预处理,导致模型预测精度不高。为此提出一种小波时间序列模型方法:首先通过小波分解与重构消除时间序列的白噪声;然后将重构的近似分量和细节分量,分别建立时间序列模型;最后对两个分量的预测结果进行重构,得到序列的最终预测结果。实验以2000年1月至2015年12月期间的安徽省月度CPI序列作为实证分析对象,分别构建经典时间序列模型和小波时间序列模型,通过比较两种模型的预测精度,发现小波序列模型明显优于经典时间序列模型。(本文来源于《蚌埠学院学报》期刊2019年05期）
刘佳[9]（2019）在《时间序列预测模型的一点讨论》一文中研究指出时间序列预测法是指根据预测对象的历史数据,利用数理统计方法加以处理,来预测事物的发展趋势。本文主要介绍时间序列分析法,并结合案例给出具体应用。(本文来源于《科技经济导刊》期刊2019年29期）
刘婧[10]（2019）在《基于时间序列乘积季节模型的泰安市空气质量指数预测》一文中研究指出本文使用泰安市2014年1月到2018年12月的环境空气质量综合指数月度数据,应用Eviews软件,通过对AQI序列进行平稳性、纯随机性、自相关和偏相关性的分析,建立泰安市空气质量预测乘积季节模型,检验了模型的显着性,并对2019年1-6月的数据进行了预测分析。(本文来源于《科技经济导刊》期刊2019年29期）
时间序列预测模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
清洁能源天然气是中国能源转型的必然选择。目前,中国的天然气产业正处于快速发展期。未来,天然气承担着中国能源转型的重任,具有广阔的发展前景。但中国天然气产业发展受制于一系列内外问题,建议持续加强天然气产供储销体系建设,推动需求侧增长,建立天然气产业信息沟通机制,完善下游市场信用体系,加快市场化推进进度,以实现产业持续健康快速发展。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
时间序列预测模型论文参考文献
[1].刘慧鑫,张江龙,连鸿松,郑东升,赖永华.基于时间序列模型的变压器油中溶解气体预测[J].高压电器.2019
[2].武洪昆,季元旗.基于时间序列模型的天然气预测系统[J].信息系统工程.2019
[3].许国艳,朱进,司存友,胡文斌,刘凡.基于CNN和MC的水文时间序列预测组合模型[J].计算机与现代化.2019
[4].全涛.欧洲足球五大联赛进球的时间序列模型构建及预测[J].体育科研.2019
[5].熊昱阳,任静朝,段广才.中国2008-2016年手足口病月发病率时间序列分析及预测模型[J].中华疾病控制杂志.2019
[6].梁卫桃,梁芳,井光壮,陶生聪,谢利傲.基于时间序列模型的兰州市5岁以下儿童死亡预测分析[J].中华疾病控制杂志.2019
[7].陈栾杰,吴同,彭玲,郑建春,杨艳英.基于时间序列的网格化城市管理案件预测模型研究[J].地理信息世界.2019
[8].敖希琴,汪金婷,郑阳,李凡.基于小波时间序列模型的CPI预测[J].蚌埠学院学报.2019
[9].刘佳.时间序列预测模型的一点讨论[J].科技经济导刊.2019
[10].刘婧.基于时间序列乘积季节模型的泰安市空气质量指数预测[J].科技经济导刊.2019
论文知识图
