简介:桥梁监测序列是典型的非平稳时间序列,需要进行一些处理将非平稳序列平稳化后再拟合ARMA模型。将监测数据平稳化后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型即为ARIMA模型。以玉峰大桥为例,介绍了季节ARIMA模型的建模思路与总体流程,模拟了检测序列的变化趋势。以季节ARIMA模型为预测模型作为结构的退化模型,对测点进行退化趋势模拟与退化临界时刻预测。结果显示ARIMA模型对序列的拟合效果良好,可以用于桥梁监测序列的预测,其对退化临界时刻的预测可以从整体上掌握桥梁的整体退化趋势和极限使用寿命。
简介:进入新世纪我国农村经济有了很大的发展,农民生活水平有了较大的提高。但上世纪80年代以来,我国农民人均纯收入增长幅度明显地不稳定,农民人均纯收入增幅由1980年19.04%上升到1994年的32.49%,然后又下降到2000年的1.95%,2000年以后农民的人均纯收入的增幅有了一定的提高,但总体来说还是比较缓慢,从2001年到2007年有增有减,最高增幅是2007年的15.43%,最低的是2002年的4.61%。农民增收困难已成为新世纪之初我国农业和农村工作中的突出问题。本文结合我国历史实际农民人均纯收入数据,利用时间序列预测模型预测我国农民改革开放以来的增长率,并做出趋势分析,从而为我国今后“三农”问题乃至整个经济社会发展全局问题的研究提供量化指标依据:
简介:能源指的是向自然界提供能量转化的一种物质,它是人类活动的物质基础,是一个国家社会发展和经济增长的重要物质基础,如何保持能源供需稳定和均衡是经济发展的一个重大问题。在当今世界,能源的发展,能源和环境,是全世界、全人类共同关心的问题,也是我国社会经济发展的重要问题。河北省能源消耗总量大,自给率低,能源供需的矛盾已经成为制约河北省经济发展的障碍。准确地预测未来能源消耗对于科学制定能源规划及经济发展战略具有重大意义。本文是基于1980-2012年河北省能源消费量数据,使用Eviews6.0软件,经过分析建立ARIMA(1,2,1)模型,对未来五年河北省的能源消费量进行分析预测。
简介:摘要:黄河流域是中华民族文明的发祥地,其水沙通量的变化更是影响了相邻区域的生态环境及人民生活。了解黄河各水文特征间的关系,掌握其变化规律,制定最优采样监测方案,合理进行“调水调沙”,能够科学地指导沿黄流域防汛抗旱、水资源统一调度及相关经济的发展等。
简介:目的:为弥补当前公安情报分析中主要依赖经验分析的不足,对ARIMA模型在刑事类警情预测中的应用展开探讨,为刑事类警情的早期预警提供决策依据。方法:应用ARIMA模型对某市2015年1月至2017年12月刑事类警情数据进行分析并建立预测模型,对建立的预测模型进行参数估计、模型诊断、模型评价,选择最优预测模型。结果:某市刑事类警情整体上呈下降趋势;选取的最优模型ARIMA(0,0,0)(0,1,1)能较好地拟合既往时间段某市刑事类警情的变化;对某市2018年1月的刑事类警情实证预测表明,所选模型的算法拟合度较高,在95%的置信区间之内(预测值290次,真实值315次),模型短期预测效果较为理想。结论:ARIMA模型可以应用于刑事类警情的情报分析与预测,建议在实际应用中应进一步推广。
简介:摘要:为进行准确、快速、科学的短期电力系统负荷预测以及改进单一预测方法所存在的局限性,此论文提出一种基于反向传播(Back Propagation ,BP)神经网络和自回归移动平均(Auto Regression Integrated Moving Average, ARIMA)的组合模型并运用方差倒数法和权重组合法对电力系统负荷进行预测。研究发现,该组合模型相较于单一的预测方法,不仅提高了预测精度,同时也降低了离散程度。