排序方式: 共有33条查询结果,搜索用时 0 毫秒
1.
基于PCA-SVR-ARMA的狮头鹅养殖禽舍气温组合预测模型 总被引:1,自引:2,他引:1
为提高狮头鹅养殖禽舍气温预测精度,提出了基于主成分分析(Principal Component Analysis,PCA)、支持向量回归机(Support Vector Regression,SVR)融合自回归滑动平均(Autoregressive Moving Average,ARMA)模型的狮头鹅养殖禽舍气温组合预测模型。在建模过程中,运用主成分分析法筛选狮头鹅养殖禽舍气温的关键影响因子,消除变量之间冗余信息,约简预测模型结构;采用SVR-ARMA构建狮头鹅禽养殖舍气温组合预测模型,先通过SVR对气温进行预测,再由基于ARMA模型的残差预测值修正气温预测结果。利用该模型对广东省汕尾市2018年7月21日至2018年7月30日期间的狮头鹅养殖禽舍气温进行预测。结果表明,该组合预测模型取得了良好的预测性能,与标准BP神经网络、标准SVR、PCA-BPNN(反向传播神经网络,BackPropagationNeuralNetwork)、PCA-SVR和PCA-BPNN-ARMA等模型对比分析,其评价指标平均绝对误差、均方根误差和平均绝对百分比误差分别为0.183 2℃、0.454 0℃和0.005 9,均表明所提出的组合模型具有更高的预测效果,不仅能够满足狮头鹅养殖禽舍气温实际精准调控的需要,还为狮头鹅健康养殖和种苗繁育环境精细化管理提供决策。 相似文献
2.
3.
[目的]预测果蔬肉类价格。[方法]采用自回归滑动平均模型(ARMA模型)对价格进行预测。[结果]近6周的预测结果可信度高,具有较低的相对误差率。[结论]运用ARMA模型可对果蔬肉类价格进行预测且预测效果良好。 相似文献
4.
熊渊博 《湖南农业大学学报(自然科学版)》2003,30(2)
提出了一种ARMA模型的线性估计方法,这种方法通过两次AR模型的估计来实现ARMA的估计。讨论了一维时间序列开环系统、闭环系统的辨识方法及定阶问题。仿真结果表明该方法具有良好的准确度和可靠性,可直接用于结构状态监测。 相似文献
5.
基于ARMA模型的四川省农村居民收入趋势预测 总被引:1,自引:1,他引:0
基于1978-2010年四川省农村居民人均纯收入的时间序列,先后通过平稳化检验及处理、自相关与偏相关分析,并结合SC准则定阶,建立模型为 ;然后确定模型参数并对模型的残差序列进行白噪声检验,检验通过,满足预测的要求;接着,运用该模型对四川省农村居民人均纯收入进行预测,结果显示平均绝对误差率为1.81%,其中2010年误差率为1.21%,精度较高;最后对2011-2013年进行短期预测,数据表明农村居民人均收入将继续增长。 相似文献
6.
针对自回归移动平均过程中控制变量的观测值并不具有相互独立性,引入贝叶斯分析方法研究过程质量控制问题.通过模型结构的贝叶斯分析,利用残差序列建立了基于自回归移动平均过程的贝叶斯质量控制模型,解决了观察数据相关条件下的过程质量监控问题.仿真分析结果表明:贝叶斯ARMA质量控制方法能够有效地避免了在受控状态下使用常规控制图造成的漏发或虚发报警现象,解决了自回归移动平均过程情况下的质量控制问题. 相似文献
7.
[目的]为计算机辅助配方研究提供理论依据。[方法]以同一品牌不同批次卷烟的烟气焦油量为研究对象,采用时间序列分析法,建立了卷烟烟气焦油量的预测模型,并进行了模型预测验证。[结果]ARMA(22,)模型的AIC、LF和FPE值在各模型中均最小,所以选择ARMA(2,2)为卷烟烟气焦油量的预测模型,即:(1-1.622 q-1+0.844 q-2)y(t)=(1-1.836 q-1+1.02 q-2)e(t)。根据对模型残差序列进行的白噪声检验判定,建立的ARMA(2,2)模型是显著有效模型,模型预测验证表明模型预测精度达99.51%,平均相对误差为0.49%,属于一级(优等)模型。时间序列一般用于短期预测,不能用于长期预测。[结论]该研究建立的卷烟烟气焦油量的ARMA(2,2)预测模型的预测精度高、误差小,可以用于卷烟烟气焦油量的短期预测。 相似文献
8.
以云南省为例,根据1978~2010年云南省城乡居民收入差距的数据,运用ARMA模型,用Eviews软件进行拟合,对云南省城乡居民收入差距情况进行分析,并给出了2011~2013年云南省城乡居民相对收入差距的预测值。结果显示,城乡居民收入差距会继续扩大。提出了缩小城乡居民收入差距的相关建议。 相似文献
9.
10.
基于3S技术和Landsat TM遥感影像解译的1990、2000和2010年的锦葫沿海地区土地利用分类图,利用Arcgis计算这三个时期耕地面积,并采用线性插值方法得到1990-2020年间其他年份的耕地面积作为ARMA(p,q)模型预测的样本数据.应用Eviews 6.0软件得出耕地的预测模型为:x(1)=0.999 4 xt-1+εt-0.889 8 εt-(1o),据此预测出锦葫沿海地区2011~2020年的耕地需求量.研究可为土地利用空间模拟的科学性提供支撑. 相似文献