导读:本文包含了时间序列分解法论文开题报告文献综述及选题提纲参考文献，主要关键词:能源价格,原油期货,分解,重构
时间序列分解法论文文献综述
李享,王珏,王震,周浩[1]（2019）在《基于时间序列分解与重构的能源价格分析研究》一文中研究指出能源是促进社会经济发展、保证人民生产生活质量的重要基础。能源价格变化与世界经济走势密切相关,与国际关系、各国政策也有紧密联系。但能源价格近年来波动剧烈,加大了价格序列的分析复杂度,因此分解重构方法在能源价格序列分析预测中得到越来越广泛的应用。以原油期货价格为例,应用四种常见的分解方法(小波变换、奇异谱分析、经验模态分解、变分模态分解)进行分析与对比,实证表明,四种分解方法可以得到相似的分解量,并且分解方法可以有效地分离价格序列的多种波动特征,降低序列分析复杂度。除此之外四种分解方法也存在不同的优势:小波变换选择合适的基函数可以获得良好的正交性,奇异谱分析可以有效提取信号的主要成分,经验模态分解算法实现快速简单且无需设置参数,变分模态分解选择合适的分解数量可以有效避免模态混迭现象。结果表明,针对数据特点和分析目的选择合适的分解方法可以更有效地对能源价格进行分析。(本文来源于《中国石油大学学报(社会科学版)》期刊2019年04期）
左志宏,赵云鹏,刘竹,肖鹏[2]（2019）在《基于时间序列分解与支持向量回归的短期电力能耗预测研究》一文中研究指出由于电力能耗数据各分量的交叉影响,单一的模型很难实现准确的预测。论文提出一种基于STL(Seasonal and Trend decomposition using Loess)时间序列分解与支持向量回归的短期电力能耗预测算法,首先使用STL时间序列分解算法将电力能耗数据分解为趋势项、周期项与余项,之后使用支持向量回归模型分别对趋势项与周期项进行预测,抛弃余项,最后整合趋势项与周期项得到最终的预测结果。实验表明,与单一的支持向量回归模型相比,有效提升了预测精度。(本文来源于《信息系统工程》期刊2019年08期）
王彦博[3]（2019）在《基于时间序列分解法和回归分析法的月用电量综合预测方法》一文中研究指出用电量预测作为电力系统运行、优化、控制的基础,在综合能源系统快速发展以及电力交易市场逐渐放开的环境下,正面临着新的挑战。传统负荷预测技术已经被学者们广泛研究。但是由于分布式能源的影响,用户侧电量需求和负荷特性较以往发生变化;同时,在开放竞争的电力零售市场环境下,用电量预测开始面向小规模用户的电力需求,更易受季节、节假日和经济因素的扰动。因此,传统的负荷预测方法不能完全适用于用电量预测。为了解决上述问题,本文对基于时间序列分解法和回归分析法的用电量综合预测方法进行研究,主要研究成果如下:(1)分析了北方某城市典型客户用电特性及其影响因素。基于北方某城市负荷数据,采用层次聚类和密度聚类模型对叁十种负荷数据进行挖掘,获得了该地区不同类型负载的电力需求随时间的变化规律及其影响因素。(2)考虑季节突变和重大节假日的影响,提出了基于STL分解模型的月用电量综合预测方法。第一步:利用STL分解模型特点设置不同月份季节分量变化率,将季节突变和重大节假日的影响将对应月份的用电量序列进行个性化分解,将用电量序列分解为趋势分量、季节分量和随机分量,避免了预测时分量间互相干扰。第二步:选用适当的模型分别对各个分量进行预测,对于季节突变与重大节假日所在月份的季节分量,采用BP神经网络模型预测,对于序列平稳月份的季节分量,直接采用历史同期值作为预测值;对于趋势分量,采用差分整合移动平均自回归(ARIMA)模型进行预测;对于随机分量,采用平均值预测。第叁步:将上述叁个分量的预测值重构为最终的用电量预测值。本文采用R语言进行算法编制,通过北方某大学园区的实际月用电量数据对所提方法的有效性进行了验证分析。(3)在(2)的基础上进一步考虑经济因素影响,提出了基于X12和STL分解模型的月用电量预测方法。从用电量与经济发展的相关性出发,对月用电量预测方法提出改进措施。首先利用STL模型和X12模型分别分解用电量序列和GDP序列,将GDP的趋势分量作为月用电量趋势分量的影响因素纳入向量自回归(VAR)模型进行用电量趋势预测;再分别采用BP神经网络预测季节分量,平均值法预测随机分量,通过北方某大学园区的实际数据验证了改进措施的有效性。(本文来源于《沈阳工程学院》期刊2019-01-09）
屈世甲,邢呈呈,李鹏[4]（2018）在《基于时间序列分解的工作面瓦斯涌出分析方法研究》一文中研究指出以回采工作面推进过程中落煤瓦斯涌出和采空区瓦斯涌出为研究对象,利用2种瓦斯涌出特征的特点,提出了1种瓦斯涌出量时间序列分解的方法。对采空区瓦斯涌出特征、落煤瓦斯涌出特征和工作面平均瓦斯涌出特征变化趋势进行了分析,认为3种瓦斯涌出特征变化既有相关性又有独立性,基于时间序列分解的方法将采空区瓦斯涌出和落煤瓦斯涌出的特征分别提取出来并进行了趋势分析。以山西某工作面连续15 d瓦斯涌出数据为例,对瓦斯涌出量时间序列分解、特征提取和分析方法进行了验证,认为该分析方法有效可行。(本文来源于《煤矿安全》期刊2018年10期）
张静,刘志东,劳家辉,刘言玉,姜宝法[5]（2018）在《基于时间序列分解法预测肾综合征出血热发病趋势和季节性》一文中研究指出目的基于时间序列分解法研究中国2011—2016年肾综合征出血热(HFRS)的发病趋势和季节性,建立预测模型并评价效果。方法应用时间序列分解法分解中国2011—2016年HFRS的发病趋势和季节性,以剔除季节变动因素(S_2)的非季节性数据建模,再乘以S_2为最终预测模型,回代检验评价其预测精度。结果中国2011—2016年HFRS的发病趋势为先上升后下降,季节性明显;发病高峰呈双峰型,以5—6月和11月—次年1月为发病高峰。建立ARIMA(2,1,1)模型,模型AIC=866.4,各项参数(AR1=0.786 7,AR2=-0.354 3,MA=-0.744 1)均有统计学意义(均P<0.01),残差为白噪声序列[Q(20)=16.364,P=0.694]。月发病数的预测公式为Y_i=ARIMA(2,1 1)×S_2,中国2011—2016年HFRS月发病数回代检验的平均绝对误差(MAE)为71.31,平均绝对百分误差(MAPE)为7.00%。结论时间序列分解法可用来预测HFRS的发病趋势和季节性,以剔除季节变动因素的数据建立HFRS的月发病数预测模型是可行的。(本文来源于《中国公共卫生》期刊2018年07期）
黄发明,殷坤龙,杨背背,李喜,刘磊[6]（2018）在《基于时间序列分解和多变量混沌模型的滑坡阶跃式位移预测》一文中研究指出叁峡库区某些库岸滑坡在强降雨、库水位涨落等诱发因素影响下,其位移时间序列表现出阶跃式变化特征且可能存在混沌特性.但目前常用于滑坡位移预测的混沌模型,均建立在单变量混沌理论的基础之上.且已有的考虑了诱发因素的常规多变量模型,大都采用经验性的方法来选取输入变量;常规多变量模型对滑坡位移序列的非线性特征,及其与诱发因素间的动态响应关系缺乏数学理论上的深入分析.因此,提出一种基于指数平滑法、多变量混沌模型和极限学习机(extreme learing machine,ELM)的滑坡位移组合预测模型.指数平滑多变量混沌ELM模型首先对滑坡累积位移序列的混沌特性进行识别;然后用指数平滑法对累积位移进行预测,得到趋势项位移,并用累积位移减去趋势项位移得到剩余的波动项位移;之后对波动项位移及降雨量、库水位变化量这3个因子进行多变量相空间重构,并用ELM模型对多变量重构后的波动项位移进行预测;最后将预测得到的趋势项和波动项位移值相加,得到最终的累积位移预测值.以叁峡库区白水河滑坡ZG93监测点的累积位移作为实例进行分析,并将模型与指数平滑多变量混沌粒子群-支持向量机(PSO-SVM)模型、指数平滑单变量混沌ELM模型作对比.结果表明滑坡位移序列存在混沌特性,模型能有效预测滑坡位移,其预测效果优于对比模型.且本文模型从混沌理论的角度将波动项位移与降雨量、库水位变化量的动态响应关系进行综合分析,更能反映滑坡位移系统演化的物理本质.(本文来源于《地球科学》期刊2018年03期）
张琪,李学文,毛毅[7]（2018）在《基于R语言的瓦斯时间序列分解与平滑处理》一文中研究指出本文基于R语言软件原理和时间序列分析理论,采用时间序列分解法将瓦斯浓度时间序列分解为不同部分,分别运用叁类指数平滑法对时间序列随机项进行了平滑处理。结果表明:对于瓦斯浓度时间序列中的随机项进行平滑处理时应选择叁次指数平滑法。(本文来源于《内蒙古煤炭经济》期刊2018年02期）
黄美林,刘世科,胡丹标,王帆,章群英[8]（2017）在《时间序列分解法在预防接种门诊接种量预测的应用》一文中研究指出目的探讨适用预防接种门诊疫苗接种量的预测模型。方法收集宁海县城关预防接种门诊2010-2014年各月常规免疫剂次数,应用时间序列分解法建立接种剂次数的趋势值(Y)随时间(t)的回归方程,预测2015年各月接种剂次数。结果该门诊月接种剂次数的趋势值回归方程为Y=6 750.383 8-15.289 5 t,据此预测2015年该门诊各月接种剂次数与实际接种剂次数的相对误差在0.45%-25.44%之间。结论应用时间序列分解法对预防接种门诊接种量的预测具有良好的可行性。(本文来源于《中国疫苗和免疫》期刊2017年06期）
安冉,朱小波,严寒冰[9]（2017）在《一种基于时间序列分解的数据窃密事件检测方法研究》一文中研究指出在网络安全领域中,数据窃密检测是重要的研究内容。文章提出一种应用在网络流量场景下的时间序列分解算法,将时间序列分解为季节性数据、趋势数据、残差数据3部分,采用滑动窗口内的中位数来更好地拟合趋势数据,并且针对离散单点进行了过滤。同时,将异常点所在时间范围作为算法的最后输出形式。文章提出利用信息熵工具有助于发现隐蔽性较高的数据窃密行为。文中将本文算法和Piecewise Median算法、STL算法进行对比,并在经信息熵处理后的时间序列上应用本文算法进行检测。实验表明,本文算法相对于Piecewise Median算法、STL算法有较大幅度的性能提升,数据窃密检测效果良好。(本文来源于《信息网络安全》期刊2017年08期）
王春惠[10]（2017）在《求解音乐流量预测的时间序列分解算法》一文中研究指出近年来,随着流量预测的精度的提高,流量预测中的音乐歌曲流量预测也变的越来越重要。音乐歌曲作为音乐歌曲流量预测的核心更是得到众多的研究学者的重视和探索,其中主要是针对音乐曲风识别和听众听取歌曲识别两个问题。目前已有很多学者和相关专家提出了一些相对应的解决方案,但是至今为止依然存在很多问题需要解决。针对音乐歌曲播放流量存在的相关问题,本文利用时间序列的可操作性和收敛性,以及联合加权模糊核聚类算法在不同时间段内形成编码的方法,提出了聚类情况下的基于可行系数空间的音乐流量预测算法,包括用户分类策略、歌曲流量预测策略等。该算法设计求解了艺人歌曲流量预测问题,并针对音乐歌曲流量进行了模型构建。首先对音乐歌曲用户进行模型构建,即使用基于加权模糊内核聚类模型以及基于AdaBoost的卷积神经网络分类模型进行音乐歌曲用户分类操作,用来解决因用户喜好不同而造成的前期数据分类难题。其次,通过基于用户分类获得的与艺人数据集进行音乐歌曲流量预测模型的构建,使用基于可行系数空间分割的算法进行预测,使用可行系数空间分割算法很好的解决了因为数据波动幅度过大而导致的预测偏差问题。最后通过实验分析,对算法的性能及效率进行了有效验证。本文主要创新点有:1、有效结合了加权模糊核算法与可行系数空间算法;2、有效结合了 AdaBoost的卷积神经网络算法与可行系数空间算法;3、将基于编码的可行系数空间算法应用到音乐歌曲播放流量预测的求解;4、提高音乐播放流量预测模型中的艺人歌曲流量预测的效率和准确率。(本文来源于《云南大学》期刊2017-06-01）
时间序列分解法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
由于电力能耗数据各分量的交叉影响,单一的模型很难实现准确的预测。论文提出一种基于STL(Seasonal and Trend decomposition using Loess)时间序列分解与支持向量回归的短期电力能耗预测算法,首先使用STL时间序列分解算法将电力能耗数据分解为趋势项、周期项与余项,之后使用支持向量回归模型分别对趋势项与周期项进行预测,抛弃余项,最后整合趋势项与周期项得到最终的预测结果。实验表明,与单一的支持向量回归模型相比,有效提升了预测精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
时间序列分解法论文参考文献
[1].李享,王珏,王震,周浩.基于时间序列分解与重构的能源价格分析研究[J].中国石油大学学报(社会科学版).2019
[2].左志宏,赵云鹏,刘竹,肖鹏.基于时间序列分解与支持向量回归的短期电力能耗预测研究[J].信息系统工程.2019
[3].王彦博.基于时间序列分解法和回归分析法的月用电量综合预测方法[D].沈阳工程学院.2019
[4].屈世甲,邢呈呈,李鹏.基于时间序列分解的工作面瓦斯涌出分析方法研究[J].煤矿安全.2018
[5].张静,刘志东,劳家辉,刘言玉,姜宝法.基于时间序列分解法预测肾综合征出血热发病趋势和季节性[J].中国公共卫生.2018
[6].黄发明,殷坤龙,杨背背,李喜,刘磊.基于时间序列分解和多变量混沌模型的滑坡阶跃式位移预测[J].地球科学.2018
[7].张琪,李学文,毛毅.基于R语言的瓦斯时间序列分解与平滑处理[J].内蒙古煤炭经济.2018
[8].黄美林,刘世科,胡丹标,王帆,章群英.时间序列分解法在预防接种门诊接种量预测的应用[J].中国疫苗和免疫.2017
[9].安冉,朱小波,严寒冰.一种基于时间序列分解的数据窃密事件检测方法研究[J].信息网络安全.2017
[10].王春惠.求解音乐流量预测的时间序列分解算法[D].云南大学.2017