时间序列预测
时间序列预测的相关文献在1981年到2022年内共计882篇,主要集中在自动化技术、计算机技术、经济计划与管理、无线电电子学、电信技术
等领域,其中期刊论文562篇、会议论文28篇、专利文献169164篇;相关期刊350种,包括预测、西北植物学报、系统工程与电子技术等;
相关会议28种,包括2014北大赛瑟(CCISSR)论坛、安徽省2014年青年地质学术讨论会、第29届中国控制会议等;时间序列预测的相关文献由2375位作者贡献,包括骆超、万定生、张弦等。
时间序列预测—发文量
专利文献>
论文:169164篇
占比:99.65%
总计:169754篇
时间序列预测
-研究学者
- 骆超
- 万定生
- 张弦
- 王宏力
- 胡韵
- 郑洋飞
- 陈岭
- 雷磊
- 姜谙男
- 孙银波
- 彭喜元
- 彭宇
- 朱家明
- 马琳涛
- 丁刚
- 余宇峰
- 刘半藤
- 张鹏
- 王世宇
- 王磊
- 钟诗胜
- 丁望祥
- 万晨
- 刘大同
- 刘瑜
- 刘经纬
- 张博
- 张建
- 张楠楠
- 张欣
- 张蕾
- 李文中
- 杨志勇
- 杨蕾
- 王世军
- 王普
- 詹姆士·张
- 郭其强
- 陈唯
- 陈磊
- 韩敏
- 严珂
- 任久春
- 何书萍
- 侯福均
- 修春波
- 倪丽娜
- 刘发贵
- 刘震
- 吴明晖
-
-
张怡
-
-
摘要:
ARIMA、LSTM等多种预测模型已在时间序列预测中得到应用,预测精度参差不齐。ARIMA、LSTM以及ARIMALSTM组合模型的预测精度仍有提升空间。为LSTM引入注意力机制形成AT-LSTM模型,将ARIMA的预测残差引入ATLSTM,进一步提高预测精度。利用不同的评估方法对混合模型进行评估,实验结果表明ARIMA和AT-LSTM组合模型的误差降低4倍,预测精度得到了提高。
-
-
万晨;
李文中;
丁望祥;
张治杰;
叶保留;
陆桑璐
-
-
摘要:
时间序列预测是典型的时间序列分析任务,对于辅助决策、资源配置、提前采取止损措施等方面有重要意义,在包括电力、气象、交通、商业等领域有广泛应用.近年来,时间序列预测算法一直是机器学习的热门研究领域,其中多变量时间序列预测是一个具有挑战性的任务.本文研究多变量时间序列预测的局部变量预测精度问题,即多变量预测需要在提升整体预测性能的同时保证局部单变量的预测精度.针对现有多变量时间序列预测算法不能保障局部变量预测精度的局限性,我们设计并实现了一种基于自演化预训练的多变量时间序列预测算法SEPNets.基于预训练的思想,SEPNets首先构建和训练单变量时间序列模型作为后续建模的基准.然后,通过拓展时序卷积网络和长短记忆(LSTM)单元来建模变量间复杂的时序依赖关系.通过将预训练模型和拓展模型进行融合再训练,SEPNets可以保障多变量时间序列预测的局部变量预测精度,并提升总体的预测性能.我们在5个真实数据集上对所提模型进行性能评估.实验结果表明,本文提出的SEPNets算法比现有算法获得相对最高的预测精度,同时在保障局部变量预测精度上具有更好的性能.
-
-
梁晨;
王利斌;
李卓群;
薛源
-
-
摘要:
近年来,生成对抗网络(generative adversarial networks, GANs)技术研究成果呈指数级增长,生成对抗网络使用零和博弈论将2个相互竞争的神经网络结合起来,使其能够产生更加清晰、离散的输出.在计算机视觉、医疗、金融等领域的图像和视频处理及生成、数据集增强、时间序列预测等方面已取得重大进展.主要介绍了生成对抗网络的基本框架、理论以及实现过程,分析了近年来主流研究现状,通过回顾生成对抗网络变体及其应用场景列举了亟待改进的问题.此外,还着重讨论了如何采用生成对抗网络隐私措施与处理敏感数据,以及生成对抗网络技术在相关领域的未来发展趋势.
-
-
刘铭基;
田雅楠;
张亮;
金博
-
-
摘要:
周转量作为计算运输成本、客货运收入、劳动生产率、客货运平均行程和运输密度等指标的依据,能比较全面和确切地反映运输的成果以及运输生产产品的数量,其预测对民航的科学化发展有重要意义。与民航业的快速发展和民航市场的不断扩大相比,目前民航的预测模型种类较少。为探索一种更为有效的方法来提高民航周转量预测准确率,较为新颖的Prophet模型和NeuralProphet模型被引入到对民航货物周转量、民航货邮周转量、民航旅客周转量和民航总周转量的预测中。在与单个模型对比中,在精确度上Prophet模型和NeuralProphet模型相较于传统的三次指数平滑法以及ARIMA模型预测结果更优。利用权值法创建的Prophet-ARIMA组合模型使预测结果更为精准,并被发现在讨论的所有模型中该模型表现最佳,这为民航预测提供了一种新思路。
-
-
闫保中;
苏邓军
-
-
摘要:
针对双阶段注意力自编码神经网络(DA-RNN)时间序列预测算法对随机数据预测效果较差和长时间预测中存在的累积误差问题进行改进,设计了一种基于生成式对抗网络(GAN)的时间序列预测算法。该算法以DA-RNN网络为生成网络,利用生成网络和判别网络之间的互补特性,消除DA-RNN网络对于长时间预测过程中存在的累积误差问题;引入多维注意力模型改进DA-RNN网络,并利用稀疏映射函数改进多维注意力模型;改进网络优化目标,通过探索目标序列在不同分位数下分布的形式,提升网络对于随机数据的预测精度。通过在公开数据集上测试,对算法的的准确性和有效性进行验证,结果表明:本文算法与DA-RNN算法相比,累积误差有明显降低,且对于随机数据的预测精度有显著提高。
-
-
李潇睿;
班晓娟;
袁兆麟;
乔浩然
-
-
摘要:
为了系统性地归纳工业场景下时序预测方法及应用,首先介绍了统计学习、集成学习、深度学习三类时序预测算法,并围绕工业数据分析与决策问题,重点分析了循环神经网络、卷积神经网络、编码−解码器模型三类深度学习模型的优缺点及适用的工业应用场景.为了清晰全面地评估模型性能,介绍了面向点预测、序列预测问题的统计指标和误差计算方法.同时,整理了经典的公开工业数据集,以便研究者快速评估算法性能.并以过程工业中的采矿、冶金为例,介绍了时序预测方法在真实工业场景下的应用和效果.最后,总结了工业领域中应用深度学习技术所面临的低稳健性和弱可解释性等问题,并探讨了工业场景下时序预测方法研究的未来发展方向.
-
-
张忠林;
张艳
-
-
摘要:
为了提高时序预测精度,提出了一种改进萤火虫算法(firefly algorithm,FA)优化LSTM的时序预测模型(GAFA-LSTM)。针对FA因种群多样性弥散陷入局部最优,影响寻优效果的问题,提出了种群多样性增加机制。FA在完成初始化后加入种群多样性的计算;在满足多样性增加机制的条件下,引入自适应多样性增加机制,有效平衡进化过程中对种群多样性的需求;在迭代后期加入自适应游动参数来避免局部震荡。将改进后的FA用于LSTM模型输入参数的优化,以提高LSTM模型输入参数的准确性。实验部分对改进FA进行了改进效果测试,对GAFA-LSTM模型进行了模型验证。结果表明改进FA具有较好的寻优效果,GAFA-LSTM预测模型较其他预测模型拟合程度与预测精度都有不同程度的提高。
-
-
陈孝文;
苏攀;
李夏青;
张俊;
王林
-
-
摘要:
为提高时间序列模型预测的准确性及可解释能力,提出了变分模态分解(variational mode decomposition,VMD)和时域融合变换器(temporal fusion transformers,TFT)相结合的高效可解释预测模型,通过VMD将原始数据分解为多个模态,充分挖掘原始数据特征,将分解结果输入到TFT预测模型中,得出可解释性的预测结果。TFT是一种新的基于注意力的深度学习模型,将高性能的多水平预测和对时间动态的可解释见解结合在一起。以白卡纸价格为研究对象,证明了所设计模型的有效性。TFT的可解释输出包括分解的白卡纸价格子序列的重要性排序,所提出的白卡纸的可解释预测方法可为从业者的相关决策提供有力的支撑。
-
-
薛浩;
岳坤明;
魏炳胜
-
-
摘要:
建立空气质量预报模型提前获知可能发生的大气污染状况,并采取相应控制措施是减少大气污染危害的有效方法之一。本文针对WRF-CMAQ等模型预报结果不理想的问题,提出了基于一次预报数据和实测数据的二次预报模型,提高了一次预报模型的准确性,分析了气象条件对污染物浓度的影响程度,提出了时间序列预测模型和基于粒子群优化的BP神经网络模型,大大地提高了预测的精度。
-
-
刘宝宝;
杨菁菁;
陶露;
王贺应
-
-
摘要:
当前,教育大数据呈现数据量大和数据类型多样的特点,准确有效地对教育统计数据进行分析和预测,对教育部门相关政策的制定和社会的发展具有重要的参考价值。文中以某市每年的招生人数为数据基础,提出了DE-LSTM模型,该模型通过差分进化算法(DE)对长短期记忆神经网络(LSTM)中的隐含层节点和学习率进行优化,使所提模型具有较好的预测性能,并与现有的BP神经网络预测模型、LSTM神经网络预测模型进行了对比。实验结果表明,提出的DE-LSTM预测模型具有较高的预测精度。
-
-
谢宇霖;
张丽;
李晋;
刘司宇
- 《2019中国医学装备大会》
| 2019年
-
摘要:
目的:“十三五”深化医药卫生体制改革规划中明确指出,要完善药品和医用耗材采购管理制度,目前各医院采购管理工作缺乏科学预测手段,亟待解决.方法:以基于小波变换的自回归移动平均模型为框架,组合预处理技术,探讨分析影响预测精度的主要因素并提出改进方法,不断降低误差直至满足实际需求.结果:该模型能有效提高突变节点处的预测精度,在各类数据集中均有优秀的拟合效果和较精准的预测效果.结论:利用改进型时间序列预测模型可有效提高医用耗材采购管理效能,具备良好应用推广价值.
-
-
熊苗苗
- 《2014北大赛瑟(CCISSR)论坛》
| 2014年
-
摘要:
商业保险参与社会医疗保障体系建设一直是热议的话题,二者衔接的程度和衔接方式也是政策改革的难点,两种制度的结合在人们看来是合情合理、理所应当,但很少有人给出二者衔接的理论分析和数据支撑.本文从商业健康保险与城镇社会基本医疗保险的关系出发,通过31个省市、自治区面板数据分析和引入省际虚拟变量,从统计上证明了在现有经济发展水平下,社会基本医疗保险发展对商业健康保险不存在“挤出效应”,商业健康险是社会医疗保险的“互补商品”,这为二者的制度衔接提供了理论准备.接下来以北京市城镇基本医疗保险为重点研究对象,通过建立基础-扩展供给需求供给模型,选取指标进行人口队列预测和VAR时间序列预测,对2013-2023年的医疗服务供需缺口进行预测.预测结果表明政府有效供给远小于医疗真实需求,商业健康保险在弥补缺口方面可以发挥巨大作用.
-
-
郑启富;
苏国栋
- 《2008年国际应用统计学术研讨会》
| 2008年
-
摘要:
针对复杂的非线性时间序列难以准确预测的问题,将最近邻法(NN)与径向基函数网络(RBFN)相融合,设计了一种新的最近邻-径向基函数网络(NN-RBFN)的时间序列预测方法。NN-RBFN算法结构简单、易于编程,并具有通用性。将NN-RBFN应用于我国粮食产量的时间序列预测,取得了良好的预测效果,可为政府部门提供决策依据。
-
-
靖凤伟;
窦贤明
- 《安徽省2014年青年地质学术讨论会》
| 2014年
-
摘要:
矿区地下水系统是个非线性系统.由于受到水文地质、矿井开采等因素的影响,采用传统方法对矿井涌水量预测表现出很大的局限性.以混沌理论为基础,选取刘桥二矿区的1987年1月至2006年12月的矿井涌水量数据进行混沌特性分析.分别利用自相关法和Cao方法来改进小数据量法在选取时间延迟和嵌入维数上存在的主观性,并计算出矿井涌水量时间序列的最大Lyapunov指数为0.0149,显示该矿井涌水量时间序列具有混沌特性,再与神经网络结合,形成混沌神经网络模型,以期对矿井涌水量进行预测.结果表明,利用混沌时间序列预测方法对矿井涌水量进行预测是有效可行的.
-
-
殷礼胜;
鲁照权;
董学平
- 《第21届中国过程控制会议》
| 2010年
-
摘要:
研究了VNNTF神经网络交通流量混沌时间序列预测的问题.首先,通过混沌理论提取了交通流量时间序列的混沌特征,并在此基础上建立了VNNTF神经网络交通流量时间序列模型;接着,阐述了VNNTF神经网络学习算法原理,设计了交通流量Voherra神经网络的学习算法快速学习算法;最后利用交通流量混沌时间序列对VNNTF网络模型、Voherra预测滤波器和BP神经网络进行了单步预测,并对预测结果的仿真图和真实值与预测值的方均根进行了比较,结果表明基于混沌学习算法的VNNTF神经网络的预测性能明显优于Volterra预测滤波器和BP神经网络.
-
-
马险峰;
王磊;
李标
- 《2009年上海市土木工程学会、上海市力学学会岩土力学与工程学术年会》
| 2009年
-
摘要:
在桥梁基础托换过程中,为了保证桥梁在施工过程中的正常使用,需要关注其桥面及周围的沉降情况.本文以上海市地铁10号线溧阳路~曲阳路区间隧道四平路上沙泾港桥基础托换过程中桥下开挖及加固工况为实例,应用广义回归神经网络对桥面沉降量进行预测.通过对监测数据进行训练及检验得出广义回归神经网络在桥面沉降量时间序列预测应用中的合理性,并可以将该法作为同类工程的一个参考.
-
-
-
-
- 《第五届智能CAD与数字娱乐学术会议》
| 2008年
-
摘要:
三维光学运动捕捉系统在计算机视觉、表演动画、虚拟现实等领域得到广泛的应用,光学运动捕捉系统数据获取过程相对比较简单,但是由于其获取的数据是三维空间中的散乱点,对散乱数据的后期处理尤其重要,特别是针对于噪声点和缺失点的处理直接影响数据准确性。本文提出一种基于AR模型的时间序列预测的方法,对缺失的点进行预测,对比了二阶、三阶、四阶和六阶AR模型的预测效果,讨论了连续预测的结果,取得了良好的预测效果.
-