云南高校图书馆联盟文献共享服务平台- ARMA

ARMA: 作品数：887被引量：3398H指数：21; 导出分析报告; 相关领域：经济管理更多>>; 相关作者：邓自立舒服华叶建中张亚培马传玲更多>>; 相关机构：华北电力大学武汉大学重庆大学中南大学更多>>; 相关期刊：更多>>; 相关基金：国家自然科学基金中央高校基本科研业务费专项资金教育部人文社会科学研究基金国家高技术研究发展计划更多>>

基于Transformer和ARMA双数据驱动模型的抽水蓄能机组劣化趋势集成预测: 《水电能源科学》2025年第3期191-195,共5页钟子威祝令凯郭俊山郑威巩志强商攀峰; 国网山东省电力公司电力科学研究院自主研发项目(ZY-2024-11)。; 为更精准地预测抽水蓄能机组劣化趋势,提出了一种基于Transformer和自回归滑动平均(ARMA)双数据驱动模型的抽水蓄能机组劣化趋势集成预测方法。该方法先利用完全自适应噪声集成经验模态分解对CatBoost模型构建的劣化序列进行分解,再根...; 关键词：劣化趋势预测完全自适应噪声集成经验模态分解 TRANSFORMER 自回归滑动平均

基于ARMA与回归修正组合方法的城市轨道交通客流预测研究: 《现代信息科技》2025年第5期139-143,共5页廖桂妤; 首先,文章分析了城市轨道交通客运量的规律与趋势,并选用自回归滑动平均(ARMA)模型对客运量进行预测。其次,针对ARMA模型对未来三天以上客运量预测准确性降低的问题,采用滚动预测方法进行优化。最后,针对ARMA滚动预测对客运量变化转折...; 关键词：客流预测城市轨道交通时间序列回归分析

改进GM(1,1)-ARMA模型的工业用水量预测: 《吉林水利》2025年第3期60-64,共5页高华昆杨杰; 安徽高校自然科学研究重点资助项目(KJ2017A409);皖西学院2024年度校级自然科学重点项目(WXZR202420)。; 工业用水量预测是水资源管理的一个重要领域,为准确预测工业用水量的变化趋势,文章利用灰色系统理论,建立了安徽省工业用水量预测的GM(1,1)模型。由于传统GM(1,1)模型预测精度不符合要求,在原有的GM(1,1)模型的基础上引入幂函数优化原...; 关键词：改进GM(1 1)模型 ARMA 残差修正工业用水量预测

基于Spearman-IPSO-LSSVM的短期电力负荷预测方法研究: 《电气自动化》2025年第1期102-104,108,共4页赵宇庆腾志军; 为提高地区用电负荷预测的精度,使用斯皮尔曼相关系数法,计算出地区天气各特征因素和用电负荷的相关性大小,并选择相关性大的因数作为最小二乘支持向量机模型的输入向量。为克服最小二乘支持向量机算法模型对核函数和惩戒参数的敏感性,...; 关键词：用电负荷斯皮尔曼相关系数最小二乘支持向量机改进粒子群算法预测精度

全产业链结构的信息风险传染效应机制研究: 《生产力研究》2025年第1期6-12,共7页黄鹏洁周新苗; 国家社会科学基金项目常规年度课题“产业链供应链价值链视角下的经济安全风险分析、预警机制构建和保障能力提高研究”(21BJY002);国家社会科学基金项目重点项目“应对国际经济安全冲击与我国宏观调控制度研究”(20AZD033);国家自然科学基金面上项目“我国重点产业链供应链安全评估、韧性测度及监测预警研究”(72373078); 党的二十大之后,中国的发展战略已经由追求速度的增长转向注重质量的提升,并特别强调了产业链的安全性。文章以全产业链结构为分析框架,旨在探讨全产业链中信息风险的传播机制,研究选取了2017—2022年的产业链数据,并基于金融市场指数,...; 关键词：产业链 VECM-DCC-VARMA-AGARCH模型 VAR模型信息风险传染

小波GRU-ARMA优化的InSAR监测沉降预测方法: 《测绘通报》2024年第12期33-39,共7页马志刚杨国林刘涛魏小强石守军陈皓轩; 国家自然科学基金(41764001;42261076);兰州交通大学“兰州交通大学优秀平台支持”(201806);兰州交通大学天佑创新团队项目(TY202001)。; 本文在长短时记忆神经网络-自回归滑动平均模型(LSTM-ARMA)的基础上,提出了基于小波门控循环神经网络-自回归滑动平均模型(GRU-ARMA)优化算法。首先使用小波降噪将InSAR原始时间序列分解成趋势项和噪声项,采用GRU循环神经网络滚动预测...; 关键词：SBAS-InSAR 小波GRU-ARMA优化模型地表沉降预测逐点预测面域预测

基于GARCH-POT-VaR模型的社保基金投资尾部风险测度研究: 《中国证券期货》2024年第6期32-42,共11页陈国栋王家琪; 河南省哲学社会科学规划项目“熵视阈下河南省城镇职工基本养老保险基金的投资策略及风险控制研究”(2021BJJ064)。; 社保基金作为解决我国老龄化问题的重要保障基金,近五年投资收益波动较大,如何准确度量社保基金投资尾部风险是提高社保基金投资安全性的重要问题。在考虑到收益率序列波动特征的基础上,本文提出以GARCH族模型刻画收益率序列波动性特征,...; 关键词：社保基金尾部风险测度 ARMA-GARCH族模型极值理论 VaR

Stock Price Prediction and Traditional Models: An Approach to Achieve Short-, Medium- and Long-Term Goals: 《Journal of Intelligent Learning Systems and Applications》2024年第4期363-383,共21页Opeyemi Sheu Alamu Md Kamrul Siam; A comparative analysis of deep learning models and traditional statistical methods for stock price prediction uses data from the Nigerian stock exchange. Historical data, including daily prices and trading volumes, ar...; 关键词：Stock Price Prediction Deep Learning Traditional Model Evaluation Metrics Comparative Analysis Predictive Modeling LSTM ARIMA ARMA GRU

基于ARMA过滤器的时空图卷积网络短时交通流预测: 《计算机工程与应用》2024年第21期308-314,共7页肖培成曹阳沈琴琴施佺; 国家自然科学基金(61771265);江苏高校“青蓝工程”;南通市科技计划(JC2021198)。; 针对大多数现有的时空融合图卷积网络模型在分析交通流数据所采用的过滤器提取空间特征时,可能会导致网络节点特征过于平滑从而丢失原始信息、计算量大等问题,将一种能有效逼近任何所需响应的基于自回归移动平均(ARMA)过滤器的图卷积网...; 关键词：交通流预测图卷积网络 ARMA过滤器门控循环单元时空特征提取

基于ARMA-AE-LSTM模型的进场交通流预测方法: 《科学技术与工程》2024年第27期11919-11927,共9页张召悦张红波; 中央高校基本科研业务费专项(3122022105)。; 为建立准确有效的空中交通短期流量预测模型,提高终端区管理效率,以进场交通流为对象进行研究。首先采用自回归移动平均(autoregressive moving average,ARMA)模型对流量时间序列进行初步线性预测,然后通过长短期记忆网络(long short te...; 关键词：终端区进场交通流短期流量预测深度学习残差修正

ARMA