共查询到18条相似文献，搜索用时 290 毫秒
1.
2.
采用Morlet小波函数对龙川江流域1960—2008年径流量时间序列进行了多尺度周期性分析,通过小波方差确定径流序列的主要周期,并根据径流主周期对未来径流量变化进行了预测。结果表明：径流量变化的时间尺度为6a、20a和12a,其中12a的周期振荡最强,为径流量变化主周期;依据主周期的变化趋势,预测2009年前后龙川江流域年径流量将偏多,大约在2010—2020年径流量将偏少。因此,小波分析可以用来进行水资源量的趋势分析,为区域水资源的合理开发利用和未来决策提供依据。 相似文献
3.
为提高对短期负荷的预测精度,提出基于小波变换,并加入电价因子构建MLP神经网络对负荷进行短期预测的方法。首先通过小波变换将原始负荷、电价序列进行分解,得到高、低频率的时间序列带;其次分别利用高频、低频电价序列对高频、低频负荷序列进行MLP神经网络训练与预测;最后,将预测的高频、低频负荷值通过小波变换,重构完整的负荷预测值。采用美国电力联盟实例对该方法进行验证,并与含电价因子的MLP网络预测法、经典MLP网络预测法,以及不含电价因子的CWT-MLP网络预测法预测效果进行比较。结果证明,含有电价因子,并结合小波与MLP神经网络构建的模型能够丰富数据信息,提高负荷预测精度。 相似文献
4.
岷江中上游径流时间序列小波分析 总被引：1，自引：1，他引：0
利用紫坪铺水文站1966-2002年实测月径流资料,对岷江中上游径流时间序列分4个季节进行小波分析．由此发现,岷江中上游径流时间序列具有多个时间尺度的周期变化特征．四个季节径流量序列分别以主周期为16a,2．5a,1la,18．5a的振荡能量最为强大,径流量的主周期主要分布在较小的时间尺度上． 相似文献
5.
停车场有效泊位占有率变化特性及其短时预测模型 总被引：2，自引：0，他引：2
在某停车场泊位变化实测数据分析的基础上,建立了一个停车场有效泊位占有率短时预测模型.南京某停车场实测泊位数据分析表明,在不同的观测尺度上,停车场有效泊位占有率具有很强的周期性和相似性,但观测尺度越小,随机性越强.基于有效泊位占有率的这种短时变化特性,提出采用小波分析和加权马尔可夫组合模型对有效泊位占有率进行短时预测.首先,通过选择合适的小波函数对有效泊位占有率时间序列进行多分辨率的小波分解,并对低频信号与高频干扰信号分别进行重构,然后对重构后的基本信号和不同分辨率的干扰信号分别建立加权马尔可夫预测模型,最后对各自外推的预测结果进行合成,得到最终预测结果.实例分析表明,所提出的预测模型对有效泊位占有率的短时预测结果是有效的,但模型的预测精度依赖于有效泊位占有率数据库的实时更新. 相似文献
6.
盘青梅 《佳木斯教育学院学报》2011,(5):117-118
本文基于小波变换,提出了一种提取时间序列特征的方法,用小波变换的低频逼近信号表示原时间序列。与傅里叶变换降维比较,该方法更能体现原时间序列的细部特征。 相似文献
7.
8.
基于岷江流域近52年(1961-2012)的径流与气象数据,采用线性回归、非参数检验(Mann-Kendall法)、Morlet小波变换、Pearson相关分析等方法,对岷江流域径流、气温、降水等主要水文气象要素进行分析.结果显示:(1)近52年来岷江流域年平均气温总体呈明显增长趋势,年均降水量呈显著下降趋势,年均气温以0.15℃/10 a的速率增加,年均降水量以20.18 mm/10 a的速率减少,区域气候的暖干化趋势明显.(2)岷江流域多年径流量呈显著减少趋势,减少速率为20.38×108m3/10 a,流域径流量在1968年左右出现减少突变,20世纪70年代早期开始径流量增加,1993年左右又发生一次减少突变,径流显著减少.(3)通过对年径流量序列进行Morlet小波转换分析发现,岷江流域径流量主要存在69 a的年际周期、17 a和28 a的年代际周期,径流量总体特征是向干枯化趋势发展.(4)通过年径流量与气象因素的相关分析发现,区域降水量是影响岷江流域径流减少的主导因子,在该流域降水量减小的背景下,气温升高进一步加剧了流域径流量的减小;流域径流对暖干气候的响应表现为径流量减少. 相似文献
9.
《浙江大学学报(A卷英文版)》2020,(6)
目的:边坡位移预测是实现滑坡灾害预报的有效手段,对降低滑坡灾害导致的损失具有重要意义。本文针对三峡库区广泛分布的"阶跃型"滑坡,采用三种不同的机器学习算法:长短期记忆(LSTM)神经网络、随机森林(RF)算法和门控递归单元(GRU),预测三个不同的三峡库区边坡位移,并对比三种算法的预测精度,从而选择适用于边坡位移预测的机器学习算法。创新点:1.建立了基于时间序列分解和机器学习算法的动态预测模型,并能够准确预测边坡位移。2.对比了不同的机器学习算法预测边坡周期项位移的精度。方法:1.基于时间序列分解原理,将边坡累积位移分解为趋势项位移和周期项位移。2.利用多项式拟合对边坡趋势项位移进行预测。3.基于位移影响因素采用三种机器学习模型(LSTM、GRU和RF)预测边坡周期项位移。结论:1.本文提出的基于时间序列分解和机器学习算法的动态预测模型可以准确预测三峡库区"阶跃型"边坡位移。2. LSTM和GRU算法可以充分利用滑坡历史信息,精确预测边坡位移的周期项。 相似文献
10.
建立股市预测模型是一个具有挑战意义的工作。利用均生函数（Mean generation Function,MGF）方法对股市时间序列重构,再利用偏最小二乘法提取对股市影响的综合变量作为神经网络的输入因子。利用Boosting技术和不同的神经网络算法,生成神经网络集成个体,用＂误差绝对值和最小＂作为最优准则,采用线性规划方法计算得到组合预测模型的各权系数,以此建立股市组合预测模型。通过S＆P500指数开盘价进行实例分析,并与传统的时间序列分析和其他集成方法对比,该方法能获得更准确的预测结果。计算结果表明该方法能充分反映股票价格时间序列趋势,为金融时间序列预测提供一个有效建模方法。 相似文献
11.
该文研究了基于小波变换的暂态电能质量扰动的检测算法,利用快速小波变换算法即Mallat算法检测和提取扰动信号,并在MATLAB环境下进行了仿真,采用db4小波、3尺度进行小波分解与重构并对信号进行检测,验证了小波变换能够实现电能质量扰动信号的准确定位。 相似文献
12.
将小波变换和分形混沌分析相结合,选择db4小波函数进行小波变换,利用分解与重构算法,并结合多重分形分析,针对上证（A）、深证（A）、恒生、纳斯达克、道琼斯、日经等证券市场,从每日收盘价格指数和交易量两方面着手,通过分形维数、谱维数、最大Lyapunov指数、非周期循环长度、hurst指数等指标研究资本证券市场的动力学分形特性和演化规律。 相似文献
13.
介绍了小波框架的基本知识和小波框架的分解重构算法,及小波框架阈值去噪算法,对Haar小波、db4小波、sym8小波和小波框架进行去噪实验,仿真实验结果表明最小能量小波框架去噪效果优于Haar小波、db4小波、sym8小波的去噪效果. 相似文献
14.
喻枫 《襄樊职业技术学院学报》2007,6(5):42-44
论文以上海航空股票157个交易日收盘价作为原始数据,用小波分析理论和Matlab为工具,采用coif5和db4小波对股票进行技术分析,结果表明:与传统分析方法相比,改进后的模型能得到更多的买卖信息,而且价差更大,效果显著,充分显示了小波分析在股市技术分析中的强大生命力。 相似文献
15.
A new method of short-term forecasting for water consumption in municipal supply water networks based on wavelet transformation is introduced. By wavelet decomposing commonly used in the signal field, water consumption per hour is decomposed into many series. Trend item, cycle item and random item are separated from the original time series in this way. Then by analyzing, building a model, forecasting every series and composing the results, the forecasting value of the original consumption is received. Simulation results show that this forecasting method is faster and more accurate, of which the error is less than 2%, indicating that the wavelet analytical method is practicable. 相似文献
16.
为改进小波神经网络模型对短时交通流的预测效果,提出一种基于改进混合蛙跳算法的短时交通流预测模型用以优化小波神经网络。该算法使用交叉分组法对子群进行划分,再利用具有自适应因子的局部搜索策略平衡混合蛙跳算法局部与全局搜索能力,最后把得到的最优解用于优化小波神经网络模型初始值,并对短时交通流进行预测。实验结果表明,该方法对短时交通流预测精确度达到97.43%,比传统方法提高1.016 1%,均方根误差比传统方法降低了5.587 9%,具有较高的应用价值。 相似文献
17.
为了改善传统时间序列方法无法在预测模型中添加相关变量等缺点,并提高股指预测精度,运用LSTM神经网络等深度学习方法对我国上证指数及沪深300指数进行预测分析,并将预测结果与RNN、CNN、ARMA等模型进行比较,然后在模型中加入百度指数测试其对预测精度的影响,最后检验LSTM模型对训练步长的敏感性。研究结果表明,LSTM能够实现对股指的精准预测,其预测评价指标MAE、MAPE、RMSE分别为0.008、0.025、0.011,预测误差低于其它模型,加入百度指数可进一步提升其预测能力,但改变LSTM模型训练步长对结果影响不大。因此,LSTM模型在金融经济预测领域有较高的应用价值。 相似文献
18.
基于小波变换的故障电弧检测技术研究 总被引：3，自引：0，他引：3
故障电弧是引起火灾的重要原因,为了确保用电安全,故障电弧检测装置的研究和应用日益受到人们的重视。故障电弧具有随机性,这使得传统的时域和频域方法都难以有效地对故障电弧信号进行分析。小波变换适合对小信号和突变信号进行分析,将其应用于故障电弧检测,可以有效提取电弧特征,准确判断故障电弧的发生。 相似文献