检索结果-南通市图书馆

基于多变量时间序列及向量自回归机器学习模型的水驱油藏产量预测方法

在线全文

学校读者我要写书评

暂无评论

石油勘探与开发 2021年第1期48卷 175-184页

作者：张瑞贾虎 “油气藏地质及开发工程”国家重点实验室西南石油大学成都610500

提出了一种基于多变量时间序列(MTS)及向量自回归(VAR)机器学习模型的水驱油藏产量预测方法,并进行了实例应用。该方法在井网分析的基础上通过MTS分析对注采井组数据进行优选,并将井组内不同采出井产油量及注入井注水量作为彼此相关的... 详细信息

提出了一种基于多变量时间序列(MTS)及向量自回归(VAR)机器学习模型的水驱油藏产量预测方法,并进行了实例应用。该方法在井网分析的基础上通过MTS分析对注采井组数据进行优选,并将井组内不同采出井产油量及注入井注水量作为彼此相关的时间序列,通过建立VAR模型从多个时间序列中提取出相互作用规律,挖掘注采井间流量的依赖关系从而进行产量预测。水驱油藏历史生产数据分析结果表明,与数值模拟历史拟合结果相比,机器学习模型产量预测结果具有更高精度,同时不确定性分析提升了预测结果的安全性。通过脉冲响应分析对注入井的采油贡献量进行评价,可为注水开发方案调整提供理论指导。

关键词：水驱油藏产量预测机器学习多变量时间序列向量自回归不确定性分析

同方期刊数据库

基于向量自回归算法的锌熔池铁渣含量预测研究

在线全文

学校读者我要写书评

暂无评论

热加工工艺 2024年

作者：成蒙王平唐成龙南京航空航天大学自动化学院宝山钢铁股份有限公司

薄带钢在热镀锌工艺中不可避免会产生锌渣。锌渣中铁渣的含量占比大约为5%。锌渣中铁含量的增加，更容易产生底渣，底渣沉积在锌锅内不易清除，还会给锌渣中锌资源回收利用带来很大的困难。采用向量自回归算法，选取了锌液温度、带钢速... 详细信息

薄带钢在热镀锌工艺中不可避免会产生锌渣。锌渣中铁渣的含量占比大约为5%。锌渣中铁含量的增加，更容易产生底渣，底渣沉积在锌锅内不易清除，还会给锌渣中锌资源回收利用带来很大的困难。采用向量自回归算法，选取了锌液温度、带钢速度、总铝含量这3个工艺变量，来建立铁渣含量的预测模型。结果表明：在实际生产中，应用该模型对未来15 min内铁渣含量进行预测是可行的。通过对3个工艺参数的调整，可有效减少铁渣的生成。

关键词：热镀锌锌渣向量自回归

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于向量自回归的城市交通流量预测算法研究

基于向量自回归的城市交通流量预测算法研究

作者：孙天瑀北京交通大学

学位级别：硕士

城市交通是人们最关心的民生问题之一,而城市里塞满了大量的交通工具给城市交通带来了巨大的压力。2021年中国城市交通报告指出,北京年度平均通勤时耗达到了47.6分钟,是全世界最拥挤的城市之一。因此,交通流量状态预测成为了当今的热门... 详细信息

城市交通是人们最关心的民生问题之一,而城市里塞满了大量的交通工具给城市交通带来了巨大的压力。2021年中国城市交通报告指出,北京年度平均通勤时耗达到了47.6分钟,是全世界最拥挤的城市之一。因此,交通流量状态预测成为了当今的热门话题。交通数据是一种经典的时空数据,它通常具有大规模、高维度、丢失数据多、时空依赖性强等特点。若人们能提前得知路上的交通流量状态,可以帮助人们大量减少出行时间。现有的交通流量预测策略存在一定局限性,他们无法有效处理现代时空数据中数据缺失的问题。一些传统的方法使用卷积来提取时间特征很容易丢失长期特征,因此难以进行长期预测。本文为克服目前算法中存在的问题进行研究,主要研究成果如下:(1)针对高维交通数据存在的许多数据缺失问题,本文提出了一个增量贝叶斯向量自回归因子分解(Incremental Bayesian Vector Auto-regressive Factorization)IBVARF框架,用于在存在缺失数据的情况下对特定时空数据中的多维时间序列进行建模。模型结合了矩阵/张量分解和向量自回归模型,得到了一个概率图形模型,通过特定的向量自回归过程,算法可以更好地识别出不同时间因子之间的依赖模式。最后模型采用了一个增量学习方案减轻训练计算负担。图形模型使我们能够有效地进行概率预测,并对极端数据损坏的情况进行更高效的处理。(2)考虑到城市交通数据不仅在短期内具有随机性,而且在长期内具有周期性(早/晚高峰),本文提出了切换向量自回归因子分解(Switching Vector Auto-regressive Factorization)SVARF算法,这是一种概率生成模型,用于城市交通这类时空数据。SVARF模型扩展了Na?ve Bayes切换线性动力系统,并结合了矩阵因子分解技术,其使用非参数贝叶斯方法进行学习,SVARF算法将时间因子权重参数化为具有离散潜在状态的马尔可夫先验,能够学习非线性时间动态,使其可以在具有潜在非线性时间状态转换的交通领域进行预测。SVARF算法能够揭示数据中的重复模式,扩大预测范围,提高预测精度。对于以上提出的两种模型,本文设计了多个实验进行验证,证明了IBVARF模型可以在数据缺失率达50%以上的交通数据集上进行精准的数据插补和短期预测,而SVARF模型提升了应对交通数据长期复发性和短期突发性的能力,成功捕捉交通数据中日维度和周维度的周期性模式,并执行稳健的长期预测,实验结果表明,本文的算法在数据插补和长期预测上的性能优于几个最新的基准算法。

关键词：时间序列预测缺失数据插补向量自回归矩阵因子分解切换线性动力系统

基于向量自回归模型和小波分析法的列车充电机电流传感器故障检测方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

城市轨道交通研究 2022年第4期25卷 152-155,173页

作者：陈美霞梁师嵩胡佳乔中车南京浦镇车辆有限公司南京210031

梳理了列车充电机电流传感器的运行机理,分析了两台充电机输出电流数据,提出了基于向量自回归模型和小波分析法的列车充电机电流传感器故障检测方法。以南京地铁宁溧线(S7线)列车为例,验证了该方法的准确性,能够检测出故障并能判别出故... 详细信息

梳理了列车充电机电流传感器的运行机理,分析了两台充电机输出电流数据,提出了基于向量自回归模型和小波分析法的列车充电机电流传感器故障检测方法。以南京地铁宁溧线(S7线)列车为例,验证了该方法的准确性,能够检测出故障并能判别出故障类型。

关键词：地铁列车传感器故障检测向量自回归小波分析

基于图模型与向量自回归的时间序列预测算法研究

在线全文

学校读者我要写书评

暂无评论

基于图模型与向量自回归的时间序列预测算法研究

作者：李文娟桂林电子科技大学

学位级别：硕士

时间序列预测作为信号处理中的一个关键问题,广泛应用于各种实际场景中,如传染病传播预测、交通流量预测、空气质量预测、温度预测等。经典信号处理理论在规则数据的处理和分析中发挥了重要作用,但现实世界采集到的数据大多是高维、非... 详细信息

时间序列预测作为信号处理中的一个关键问题,广泛应用于各种实际场景中,如传染病传播预测、交通流量预测、空气质量预测、温度预测等。经典信号处理理论在规则数据的处理和分析中发挥了重要作用,但现实世界采集到的数据大多是高维、非规则和非平稳的,经典信号处理方法不能充分刻画出高维非规则数据的内在时空关联性。因此,如何刻画时间序列的内在相关性,进而对非规则时变数据进行有效预测成为一个有意义的课题。近年来,图信号处理作为分析非规则域数据的有力工具,利用图模型上的节点和边来刻画数据之间的关系,并将待预测的时间序列数据建模为图节点上的时变图信号,更好地利用了时间序列数据之间的空间关联性和时间关联性。目前,学者们提出的基于图的时间序列预测模型,对时间序列的时间和空间关联特性进行融合,但对不同时刻数据间的相关性以及信号间的非线性时空相关性的挖掘仍不够充分。因此,进一步刻画不同时刻间信号的线性及非线性相关性,更准确地描述数据的演变特性,是时间序列预测的一个关键问题。本文主要基于图模型和向量自回归模型对时间序列预测问题展开研究,具体工作概括如下:(1)针对现有的时间序列预测的模型和方法未充分考虑数据的内在关联性的问题,本文提出基于最小二乘优化的图多项式-向量自回归模型对时间序列进行预测,该方法能够更加准确地刻画出数据的演变特性,从而取得很好的预测效果。在此方法中,本文将数据的非规则结构建模为图,将时变数据建模为时变图信号,以刻画数据间的关联性。然后,使用图多项式-向量自回归模型预测时间序列在图上的演变过程,考虑到预测时刻前的每一时刻与其之前所有时刻信号的相关性,提出新的最小二乘优化问题对模型参数进行估计。仿真实验表明,相较于现有预测方法,所提出的方法具有普适性,且预测效果更好。(2)针对现有的预测方法未考虑到非规则非平稳的高维时序数据的非线性时空相关性的问题,本文提出了基于非线性扩展函数的图上向量自回归模型对时间序列(时变图信号)进行预测。首先,对数据进行图和时变图信号建模。其次,在图上时间序列模型中引入两种形式的非线性展开函数来表征非线性时空相关性,以增强预测模型对时间序列的非线性表达能力。然后,基于最小均方误差准则提出一个估计非线性预测模型参数的优化问题。此外,本文还将所提出的非线性预测模型与经验模态分解算法相结合,利用经验模态分解算法对非平稳时间序列数据进行处理,以在预测时进一步捕获非平稳时间序列的非线性相关性。仿真结果表明,与现有方法相比,所提出的方法可以更有效地刻画出数据的非线性时空相关性,更准确地表征时间序列的演变特性,从而取得更好的预测效果。

关键词：时间序列预测图信号处理向量自回归最小二乘时空相关性非线性扩展经验模态分解

向量自回归还是动态随机一般均衡?——货币政策研究范式的比较与展望

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

陕西师范大学学报（哲学社会科学版） 2013年第3期42卷 16-21页

作者：沈悦李善燊谢坤锋西安交通大学经济与金融学院陕西西安710061

现代货币政策研究基本按照"让数据本身说明一切"和"按照严密的理论分析演绎"两种范式演进,前者以向量自回归(VAR)模型为代表,后者以动态随机一般均衡(DSGE)模型为典范。二者同是起源于结构式分析,但是在理论严谨性、理性预期的引入、参... 详细信息

现代货币政策研究基本按照"让数据本身说明一切"和"按照严密的理论分析演绎"两种范式演进,前者以向量自回归(VAR)模型为代表,后者以动态随机一般均衡(DSGE)模型为典范。二者同是起源于结构式分析,但是在理论严谨性、理性预期的引入、参数估计方法以及模拟、预测和决策功能上存在一定差异。以DSGE-VAR模型为典型代表,实现理论演绎与计量技术的有效结合是现代货币政策研究范式演化的可行途径。

关键词：货币政策研究范式向量自回归动态随机一般均衡

基于向量自回归的投资、消费与经济发展的长期影响研究

在线全文

学校读者我要写书评

暂无评论

中文科技期刊数据库（全文版）经济管理 2023年第3期 0110-0114页

作者：杨洁中国船舶重工集团公司第七一八研究所河北邯郸056027

投资、消费与经济发展水平之间的相互影响关系一直是宏观经济领域的焦点问题,很多学者对此进行了分析和研究。本文选取固定资产投资、消费品零售总额与人均生产总值三个指标来分别反映投资、消费和经济发展水平三方面,构建出向量自回归... 详细信息

投资、消费与经济发展水平之间的相互影响关系一直是宏观经济领域的焦点问题,很多学者对此进行了分析和研究。本文选取固定资产投资、消费品零售总额与人均生产总值三个指标来分别反映投资、消费和经济发展水平三方面,构建出向量自回归模型,并在此基础上,运用脉冲响应函数分析和方差分解分析方法对投资、消费与经济发展间的相互作用及影响关系进行了研究。

关键词：向量自回归经济发展投资消费

向量自回归模型下的中国国际贸易与物流发展计量回归分析

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

物流技术 2013年第5期32卷 345-347页

作者：马强西安外事学院陕西西安710077

就中国国际贸易发展是否与中国国内物流发展存在相关性的问题,从基础调研入手展开分析。通过将基础调研获得的基础数据进行宏观分析,明确了二者之间存在的潜在关系。随后利用计量经济分析方法,展开基于二者的向量自回归分析研究。通过... 详细信息

就中国国际贸易发展是否与中国国内物流发展存在相关性的问题,从基础调研入手展开分析。通过将基础调研获得的基础数据进行宏观分析,明确了二者之间存在的潜在关系。随后利用计量经济分析方法,展开基于二者的向量自回归分析研究。通过对确定的二者间动态关系的深入分析,为中国物流业的深入发展提出了对策建议。

关键词：向量自回归中国国际贸易物流计量经济

在线全文

学校读者我要写书评

暂无评论

基于向量自回归模型的移动通信基站流量预测

工业工程与管理 2017年第4期22卷 79-84页

作者：何勇李艳婷上海交通大学机械与动力工程学院上海200240

城市移动通信基站流量的准确预测对于关键基站的拥堵控制、基站新址的选择有着重要作用。基站流量数据不仅是区域的静态表现,同时也反映区域人员的流动特性。基站流量具有非线性混沌特性,而传统的线性时间序列方法比如自回归移动平均模... 详细信息

城市移动通信基站流量的准确预测对于关键基站的拥堵控制、基站新址的选择有着重要作用。基站流量数据不仅是区域的静态表现,同时也反映区域人员的流动特性。基站流量具有非线性混沌特性,而传统的线性时间序列方法比如自回归移动平均模型难以有效地捕获实际基站流量序列中复杂的非线性因素。同时,仅考虑单个基站时间序列而忽略邻近基站的影响并不能反映基站流量的动态特征。基于向量自回归模型(VAR)对大规模基站流量数据进行整体分析,将多响应变量预测问题转化为单响应变量预测模型,运用Lasso变量选择方法筛选目标基站的重要关联基站。实例表明,相对于传统预测方法,VAR-Lasso类方法不仅提高了基站流量的预测精度,同时也实现了大规模基站的实时预测。

关键词：城市基站流量预测向量自回归变量选择