基于ARMA模型的经济非平稳时间序列的预测分析

时间序列分析方法是经济领域研究的主要工具之一．它用合适的模型描述历史数据随时间变化的规律，并预测经济变量值．而ARMA模型是适用于任何序列的发展形态的一种高级预测方法，它描述时间序列的动态性和发展变化规律．文中通过ARMA模型分析时间序列的随机性和平稳性，以一种商品月度销售额具体分析，用sas软件检验模型的可行性，并预测应用．结果表明．模拟值和真实值接近，在实际应用中预测值的准确对于指导商家的战略决策起重要作用．     

交通量预测的优化模型

在交通量预测的一般方法（原值预测法、经济调控法和回推算法）的基础上，建立了交通量预测的优化模型，给出了优化模型中加权系数的确定方法。     

基于ARIMA模型的外汇汇率时间序列预测研究

利用数据挖掘技术分析外汇汇率时间序列,从时间序列中获得正确的、隐含的、潜在的信息对于金融领域研究具有重要的现实意义。通过数据挖掘中的ARIMA模型,以某银行的外汇汇率时间序列为研究对象,采用差分方法和建模规则,对外汇的卖出价进行了建模与预测。通过与逐步自回归预测模型相比较,ARIMA模型对外汇汇率时间序列数据具有很强的预测能力。     

基于组合模型的浙江省GDP预测研究

区域 GDP 的发展趋势是高速公路规划和建设的重要参考依据。 本文基于浙江省 197 8.至 201 9.年的 GDP 数据, 分析数据特性, 构建预测模型, 掌握发展规律。 首先, 将 GDP 数据转化为时间序列, 建立 ARIMA (2, 2, 0) 模型 ; 其次, 将 GDP 数据以滑动窗口的方式生成输入矩阵, 建立 BP 神经网络模型 ; 最后, 利用 ARIMA 分析 GDP 时序的线性部分, 利用 BP 神经网络分析 GDP 时序的非线性部分, 建立组合模型。 通过计算相对误差比较模型的预测效果, 三个模型的平均相对误差分别是 6.和 6.结果表明, 组合模型的平均相对误差最小, 预测效果最好     

基于SARIMA 模型的北京地铁进站客流量预测

通过对北京地铁2013 年5 月~7 月的进站客流量数据进行详细分析,总结北京 地铁进站客流量以周为周期的波动规律,选用季节时间序列（SARIMA）模型对北京地铁 进站客流量进行时间序列建模.利用符合要求的模型对北京地铁进站客流量进行预测,预 测结果能够较准确地描述北京地铁进站客流量的变化趋势,平均误差为0.3%.说明此模型 适用于地铁进站客流量的短时预测,基于预测结果进一步分析北京地铁进站客流量的特 点,为进一步优化进站设施布置、组织进站流线、高效安全的地铁运营组织提供参考建议.     

多模型交通流预测优化

根据当前交通流预测模型发展的情况,提出采用卡尔曼滤波模型、指数平滑模型和非参数回归模型进行预测融合的方法,该方法在提高系统预测速度的基础上也能提高预测精度,因此,具有很好的推广价值.     

基于改进LSTM-Prophet算法的客运量预测

利用该模型对2019年的铁路月度客运量数据进行预测,并与实际客运量进行对比分析,实验表明,LSTM-Prophet算法模型预测值的MAPE值为1.91%,MAE值为559.07,RMSE值为691.82,三个评价指标值都低于SARIMA模型、LSTM模型和GM(1,1)模型的评价指标值,所以LSTM-Prophet算法模型更能准确预测客运量数据,为决策提供参考价值。     

城市快速路区间旅行时间短期预测新算法

城市道路交通状况的预测,是实现未来路况查询、车辆动态导航等智能交通系统技术的关键。该文在分析浮动车数据的时间相关性的基础上,研究城市快速路的区间旅行时间短期预测算法。首先,采用统计方法和K-NN分类法相结合的新方法对缺失数据进行填充,并利用小波变换对每天的数据进行消噪处理;其次,在分别利用时间序列模型和人工神经网络模型对城市快速路区间旅行时间进行短期预测的基础上,通过模型组合获得预测值;最后,结合北京市区二环的一段快速路区间旅行时间的历史数据和实时数据,对该文所提出的快速路区间旅行时间短期预测算法进行了评价。结果显示,该算法的预测结果的平均绝对误差百分比控制在10.43%以内,具有良好的精度。     

基于混合自回归模型和神经网络的时间序列预测

在求出混合自回归时间序列模型的成分个数的基础上, 应用BP神经网络对时间序列进行了预测, 并对模型进行了数值模拟表明该预测模型的具有较高的精确度和广泛的应用前景.     

青藏铁路行车安全监控管理平台技术方案研究

行车安全监控管理平台是青藏铁路综合安全监控系统中的一个子系统,实现对青藏铁路安全检查和监测信息的接入、处理与共享应用;管理平台利用综合安全计算机网络,将各类行车安全检测、监控设备和系统产生的报警信息、人工检查安全问题数据通过统一的监测数据接口接入集中存储和管理,为各级用户提供安全监控信息的综合访问.本文分析了在青藏铁路特殊环境下行车安全监控管理平台应具备的功能,构建了行车安全监控管理平台的体系构架,分析了行车安全监控报警信息闭环业务处理流程.该平台的建设将为青藏铁路提供高效可靠的行车安全监控手段,填补高原铁路监控系统建设的空白.     

基于民族传统节日出行的青藏铁路旅客列车开行方案优化

分析青藏高原铁路客运状况,针对西藏民族传统节日集中的季节客运能力紧张的局面,对青藏铁路旅客列车开行方案进行优化和设计。     

从青藏铁路看列车控制系统的发展

介绍了青藏铁路的特点和所采用的增强型列车控制系统的设计思想、主要功能、技术特点,对系统进行了简要的系统评估,在此基础上分析了列车控制系统的技术发展方向,提出了我国列车控制系统的发展可以借鉴的方面.     

太阳辐射与青藏线列车运行时刻关联性研究

考虑青藏线（格-拉段）高海拔、强太阳辐射的气候特征,计算了沿线不同地区月平均太阳辐射强度,并与文献结果进行了比对.获得了列车行经不同站点时单位时间车身表面吸收的太阳辐射量及一个运行周期内吸收的太阳辐射总量,分析了各次列车对太阳辐射吸收量存在差异的原因.另外,从节能与出行便利性的角度对目前各次列车运行时刻的合理性进行了探讨.     

青藏铁路布局稳定性评价问题研究

青藏铁路作为川藏铁路规划与建设的重要参照标准，从空间布局，运输效率和经济社会正外部性等方面对其稳定性进行评价尤为必要.本文根据铁路规划，建设与运营的稳定性内涵来设计指标，利用 AHP-FCE方法赋予指标权重，依托三角图论构建模型对青藏铁路进行综合评价，借助 Grapher10来描述其演进路径.结果表明，2007—2014年间青藏铁路布局处于基本稳定状态，总体演进路径呈现由强稳定转变为一般稳定，再转变为弱稳定的阶段性特征，其中，2010年青藏铁路所呈现出的稳定性最高.     

青藏铁路布局稳定性评价问题研究

青藏铁路作为川藏铁路规划与建设的重要参照标准,从空间布局,运输效率和经济社会正外部性等方面对其稳定性进行评价尤为必要.本文根据铁路规划,建设与运营的稳定性内涵来设计指标,利用 AHP-FCE方法赋予指标权重,依托三角图论构建模型对青藏铁路进行综合评价,借助 Grapher10来描述其演进路径.结果表明,2007-2014年间青藏铁路布局处于基本稳定状态,总体演进路径呈现由强稳定转变为一般稳定,再转变为弱稳定的阶段性特征,其中,2010年青藏铁路所呈现出的稳定性最高.     

基于GA-BP模型的铁路货运量预测

针对于目前已有铁路货运量预测方法的缺陷与不足,提出基于遗传算法和神经网络的混合预测模型对铁路货运量的预测方法进行改进优化,目的保证其预测精度.首先引用灰色关联分析法,以此来确定全国铁路货运量与其主要影响因子之间的关联度,然后按照其关联度在标准值之上的关联因子,建立GA-BP神经网络预测模型.最后通过实例分析表明,此模型预测精度及推广能力均优于传统的预测方法,从而证明该方法的可行性和有效性.     

��ʱ��ͨ״̬Ԥ���������Ⱥ�㷨�Ż��о�

短时交通流预测是智能交通系统的核心内容和交通信息服务、交通诱导的重要基础。目前,道路交通数据采集设备的性价比越来越合理,道路上交通数据的采集设备不断完善,使得短时交通流状态的分析处理和预测成为可能。考虑到道路网交通状态的混沌特性和相关性,应用多维混沌时间序列可对道路网多断面交通状态进行预测。建立的多维混沌时间序列模型中有多个参数需要确定,并且与以往一维混沌时间序列预测中参数确定原则既有区别又有联系,因此在分析其差异性之后,本文利用粒子群优化算法优化模型中参数,当输入新的数据时,应用该模型就可以预测道路多点的交通状态。通过某城市快速路上7个断面交通流量来验证模型的有效性。     

青藏铁路格拉段交通重点目标战时保障对策研究

在未来信息化条件下局部战争中,青藏铁路格拉段桥隧等交通重点目标直接面临精确制导武器的威胁,高寒缺氧条件下,传统交通保障技术面临全新挑战。在分析青藏铁路格拉段交通保障面临问题的基础上,提出了建立联合保障机制、提升冻土基础抗打击能力、深化高寒缺氧条件下交通保障技术研究等建议与对策,以期使整个青藏铁路的交通保障问题能够引起更多的关注。     

基于遗传算法的单线列车运行调整体系

针对单线列车运行的特点，提出了“相邻列车”的概念，根据此概念建立了单线列车运行调整模型，并推导了列车运行图偏差函数作为模型调整目标．鉴于列车运行调整问题的解空间太大，用一般的运筹学方法难以有效地求解，提出了基于遗传算法的优化求解算法．该算法根据被调整列车的等级将原问题分解成若干子问题，并在对每个子问题求解的过程中，运用遗传算法在解空间中寻优．仿真结果显示了该模型和算法在应用于实际运行调整时的有效性和实时性．