简介：在对我国国内生产总值数据研究的基础上，提出了一种新的面向短时序数据的结构分析模型——平滑ARIMA模型。此模型的数学定义清晰，易于计算机实现，同时由实证分析的结果表明．与灰色模型预测相比较此模型有很好的识别能力。

简介：摘要：分析短时交通流预测的意义，对国内外的研究方法和主要成果进行详细的阐述、分析、归类，主要包括基于传统统计分析的预测模型、非参数回归预测模型、基于非线性理论的预测模型、智能预测模型等4种单一预测模型和组合预测模型，对各类模型复杂性、精度、适用性进行逐一分析。短时交通流预测研究领域在未来一段时间内发展趋势是数据来源多样化、混沌理论和深度学习深度发展，组合预测模型多样化，预测精度不断提高。

简介：摘要：城市轨道交通是城市公共交通系统的重要组成部分，可以很大程度地解决城市交通拥堵、汽车尾气排放等问题，实现城市绿色健康发展。城市轨道交通具有运量大、准点率高、安全舒适、节能环保等特点，近年来得到了大力发展。但城市轨道交通站点客流的快速聚集反过来也加剧了交通拥堵带来的一系列问题。因此，准确预测城市轨道交通短时客流，对于城市轨道交通调度动态优化、提前缓解交通拥堵以及提升城市轨道交通服务水平具有重要的研究意义和应用价值。

简介：古人云“以史为鉴”,说的是吸取历史的经验教训,对未来的情况做出预判或者改变。生活中,亦是存在相似的利用历史数据对未来变化趋势进行预测分析的时间序列问题。本文就时间序列一类的问题进行研究,探讨如何更好地根据历史统计数据,对未来的变化趋势进行预测分析。本文基于神经网络,以气象观测历史数据作为研究的对象,建立了气温变化时序预测模型。本模型利用大数据相关技术对数据进行特征处理,通过深度神经网络,学习特征数据和标签数据之间复杂的非线性关系,从而实现对气温变化的趋势预测。实验结果表明,相较其他模型,本文的模型能够更好地进行时序预测,同时也证明了神经网络用于气象预测的可行性。

简介：摘要目的探讨时序预测模型中的差分自回归滑动平均(ARIMA)和自回归(AR)模型在预测广州市急救调度日出车数量方面的价值。方法采用Matlab仿真软件对广州市2021年1月1日至2021年12月31日的急救调度出车记录分析计算日出车数量时间序列，对该序列进行时序预测模型辨识，得到ARIMA(1,1,1)、AR(4)以及AR(7)模型，利用这些模型对日出车数量做出预测拟合。ARIMA(1,1,1)模型将数据分为训练集和测试集，参数运算采用Prony方法，预测拟合未来的出车数量；AR(4)和AR(7)模型采用均匀系数，预测当天出车数量。结果ARIMA(1,1,1)、AR(4)以及AR(7)都可以实现对日出车数量的有效预测，ARIMA(1,1,1)的预测拟合误差随着预测时间的延长下降。两个月内的急救调度日出车量预测拟合平均绝对百分比误差（MAPE）低于6%，结果基本都位于95%置信区间内，利用模型的残差分析验证了模型显著有效。结论ARIMA模型可以对两个月内的急救调度日出车量做长期预测拟合，AR模型可以对急救调度日出车量做短期有效预测。

简介：摘要：新时代下计算机硬件和软件的高速创新发展，带动了信息技术的蓬勃发展，硬件设备存储的数据量和存取效率得到了质的飞跃，人工智能相关技术和大数据处理技术也孕育而生。

简介：

简介：以新一轮国土资源大调查“柴达木盆地地下水资源及其环境问题调查评价”项目为依托，围绕时序预测建模软件（TimeSeriesForecastV1．0）的研发与应用，按照现代预测学理论对柴达木盆地的水文、气象等多因子时序量进行了百年预测。针对多因子综合评价模型提出并采用了先进可行的“主成分”分析法，建立了“特征向量”与“综合指标”的对等关系，从而避免了以往诸多评价模型中人为因素的干扰，提高了预测结果的可信度。

简介：摘要：本文首先对单一预测模型中常用的灰色系统模型和时间序列模型进行了分析，然后将两种单一模型相结合，构建灰色时序组合预测模型，阐述了灰色时序组合预测模型精度评定以及实际应用情况。结果表明：相比灰色和时间序列单一模型，灰色—时间序列组合模型具有更高的预测精度和稳定性，在建筑沉降长期预测方面具有明显优势。

简介：日本理化学研究所等机构宣布,他们研发了一种利用超级计算机和尖端气象雷达提前半小时左右预测短时强降雨的方法.理化学研究所和大阪大学等机构的研究人员,利用日本超级计算机“京”分析最尖端的相控阵气象雷达观测到的庞大数据,每隔30秒就能对分辨率为100米的观测数据进行分析和模拟,从而实现了对局地短时强降雨的高精度预测,可提前30分钟左右预报局地短时强降雨.

简介：摘要：城市轨道交通是公共交通主要部分，而随着技术进步，精准预测客流能够提升城市轨道交通安全系数，同时优化乘客服务体验。本文从概念界定入手，综合探究了城市轨道交通客流数据和多种预测模型下的客流预测方法，并对将来的研究方向提出想法。

简介：摘要：市场经济在快速发展，社会在不断进步，交通行业在我国发展十分迅速，短时交通流预测是智能交通系统中的一项关键技术，通过分析当前交通流的变化规律，提前感知交通系统状态的变化情况，为主动式交通管理和控制提供支撑。因此，准确、快速和可靠是实施短时交通流预测的基本要求。基于此，研究分析了当前智能交通系统研究的重点方向，对当前交通流预测方法进行分类，并提出两种不同类型预测模型的预测结果，结果均显示预测精度较高。

简介：摘要：为探究AFC数据站点聚类分析及智能短时客流预测，采用理论实践的方法，立足基于AFC数据的站点乘客聚类分析，分析了基于基于乘客聚类分析的短时客流预测，并提出基于客流预测的流量分配优化方法。分析结果表明，针对地铁运行系统复杂、客流量大的特点，通过AFC数据站点聚类分析及智能短时客流预测的结果，可为地铁运营管理以及合理的客流分配提供有针对性的参考和指导，从而更好的缓解城市交通压力，促使城市稳定性发展。

简介：摘要：经济的发展，城镇化进程的加快，促进公路建设项目的增多。公路建设工程是实现国家现代化的必经之路，我国在公路建设上的快速发展并取得较大进步，尤其是我国的公路总里程稳居世界第一。然而，公路受地形地貌、水文地质、气候条件等自然因素的影响，与普通建筑相比，具有潜在危险因素、施工组织困难、施工作业环境差、协调事务多、易发生安全事故等特点，面临的建设难度更大。本文就公路工程施工建设安全风险预测及时序分析展开探讨。

简介：摘要：在当今互联网经济时代背景下，越来越多的中国制造畅销海外市场，随之而来，如何在复杂的电子商务环境中把握消费者的需求，实现库存水平的优化，这是跨境电子商务企业面临的新挑战。本文研究了某家主营女鞋类目的跨境企业运营数据，从女鞋类目的订单、店铺角度出发，通过研究该企业的女鞋需求特征，综合考虑节假日、女鞋产品颜色、尺码等影响因素，从而提高产品的需求预测精确度，在此基础上，通过对店铺的销售量进行预测，实现库存管理的优化。

简介：摘要：随着我国在建的公路和隧道工程数量迅速增长，施工安全事故时有发生，通过风险评估实现施工过程的风险控制就显得非常重要。因此，在公路工程项目中，应加强安全风险管理，对工程的风险要素进行识别和评估，制订合理的施工安全风险应对策略，提高公路工程项目的安全性。准确地预测施工建设中的安全风险对于开展高质量的公路建设作业至关重要。本文主要对公路工程施工建设安全风险预测及时序分析，为公路的施工安全提供安全技术支撑。

简介：摘要：随着社会快速的发展，城市建设也在不断进步，城市的发展推动了公路工程的建设，加快了公路建设的步伐，对于公路工程施工质量管理工作得到了更大的重视，需要保障公路的质量。也正是因为如此，目前公路工程施工质量管理问题备受关注，但是仍然存在一些不足，如果对于这些问题不够重视，放任其发展，对于公路建设长远发展是非常不利的。工程施工质量管理为建设公路起到了质量的监督作用，能对施工当中使用的技术和人员进行规范要求，保障道路合理建设。

简介：摘要：随着新能源技术的不断发展与应用，对电力系统的负荷预测提出了更高的要求。本文基于时序神经网络，针对新能源负荷预测展开了深入研究，建立了一个综合的新能源负荷数据集，借助长短时记忆网络（LSTM）等时序神经网络结构，提出了一种新的负荷预测方法，以更准确地捕捉新能源系统中存在的时序依赖和非线性关系。实验结果表明，所提方法在新能源负荷预测中表现出色，相较于传统方法具有更高的精度和稳定性。

简介：摘要：短时交通流预测是智能交通系统(ITS)的关键组成部分，其准确性、实时性直接影响到交通控制与诱导系统能否及时向出行者发布准确的交通信息，对于治理城市交通给拥堵问题具有重要意义。基于神经网络的预测方法是近年来非参数化方法中开展研究做多的，本问详细介绍了BP神经网络和RBF神经网络在交通流预测领域的应用与发展，以及国内外学者对神经网络的优化做出的努力。并提出了一个未来研究的方向即对更为复杂的网络层面上的城市道路进行预测，并拟定了一个解决方案。

简介：短时交通量预测是智能交通系统提供交通信息、诱导交通与制定控制策略的重要基础.基于小波分析与支持向量回归机（SVR）预测,提出一种基于小波-SVR模型的高速公路短时交通量预测方法.该方法采用小波分解与重构算法,将交通量原始信号分解为逼近信号和细节合成信号,利用SVR对2种信号分别进行建模分析,最后合成预测结果.应用该方法可实现时间间隔为5min的交通量预测.实例分析表明：与直接应用SVR模型相比较,小波-SVR模型各项评价指标更优,其为交通量实时准确预测提供了更为科学的方法.