导读:本文包含了统计预测方法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:青藏高原,夏季,摩擦系数,桩基,方法,波动性,神经元。
统计预测方法论文文献综述
吴茵,莫东,李秋文,张德亮,黄红伟[1]（2019）在《基于分类波动性统计的短期负荷改进区间预测方法》一文中研究指出为支撑电力现货市场下实时交易与安全校核的需要,提出了一种基于分类波动性统计的短期负荷区间预测方法。首先,介绍了传统的负荷波动性统计分析及区间预测限值计算方法,通过将负荷历史数据标幺化处理,绘制负荷波动性分布直方图,计算在给定精度下的区间限值;接着结合我国实际,从居民、商业、工业叁类用户出发,分别讨论不同类型用户负荷的波动性特点,在此基础上汇总形成全网负荷区间预测的上、下限值,实现对全网负荷的区间预测。最后基于某省实际数据构造的算例表明,通过深入分析不同类型负荷的波动性,本文所提出的方法能实现预测准确性和区间宽度的整体最优,在保证相同的预测精度的前提下,减少区间宽度,提高负荷区间预测结果的实用性。(本文来源于《电力大数据》期刊2019年11期）
周志军,朱珊珊,孔祥,雷江涛[2]（2019）在《黄土地区后压浆桩基沉降的统计预测方法》一文中研究指出根据榆林市吴起至定边高速公路最西端试验场地的现场静载试验结果,对比统计后压浆桩和未压浆桩沉降变化情况,提出沉降缩减系数,由此得到后压浆桩基沉降的数学统计预测方法。结果表明:沉降缩减系数近似服从正态分布,并随着桩顶荷载的增大而减小,同时其离散程度也减小;桩顶荷载较大时,后压浆工艺对控制桩基沉降效果比较明显;沉降缩减系数按正态分布时用其50%上侧分位数计算得到的后压浆桩沉降值与实测值更加吻合。由于后压浆工艺较复杂导致沉降缩减系数具有离散性,建议采用沉降缩减系数的85%上侧分位数预测后压浆桩的沉降,以保证足够的安全储备。(本文来源于《铁道建筑》期刊2019年11期）
孙丞虎,崔童,李维京,左金清[3]（2019）在《动力和统计预测信息融合预测方法及对我国夏季降水预测的检验》一文中研究指出短期气候预测中如何将气候模式和统计方法的预测结果科学、客观的集成起来,一直是非常重要的问题.本文针对动力模式和统计方法预测结果相结合的问题,引入资料同化中信息融合的思想,采用最优内插同化方法,实现了动力模式和统计季节降水预测结果的融合.检验表明,对1982—2015年我国夏季降水百分率的回报,融合预测结果与观测的平均空间相关系数可达0.44,分别较统计预测和CFSv2模式统计降尺度订正的技巧提高了0.1左右,而均方根误差较两者可以降低5%～20%.可见,该方法可以进一步提升对我国夏季降水的预测技巧,具有显着的业务应用价值.(本文来源于《地球物理学报》期刊2019年11期）
程彦[4]（2019）在《地质统计煤厚预测方法及应用分析》一文中研究指出煤层厚度的变化是煤炭开采过程中最常见的地质现象,如果煤层厚度预测误差过大,必将给煤矿生产产量和安全带来很大的影响。目前,叁维地震勘探成果对煤层厚度的预测是一种比较有效的方法,它主要是分析煤层反射波的地震属性随煤层厚度变化的规律,进而依据这种规律对煤层的厚度进行预测。本文在介绍、归纳地质统计煤厚预测方法的基础上,将这种预测方法应用在叁维地震勘探解释过程中,通过实际对比、分析取得了令人满意的成果。(本文来源于《中国矿业》期刊2019年S2期）
孙丽颖,余锐,刘飞,李方腾[5]（2019）在《基于可预报模态分析方法的青藏高原东部夏季降水统计预测模型》一文中研究指出利用国家气象信息中心提供的降水资料、NCEP/NCAR再分析月平均资料以及Hadley中心提供的海温资料,基于可预报模态分析(PMA)方法,从观测数据中提取青藏高原东部夏季降水具有物理意义的可预报模态,根据已有研究选取合适的预报因子并建立了物理-经验(P-E)模型,从而对青藏高原东部夏季降水进行统计预测。结果表明:南北反向型、一致型、中部型和东北型这4个主导模态反映了降水的异常变化,具有一定的物理意义,为可预报模态;超前0个月和超前1个月的区域平均的预报技巧分别为0.44和0.36,其中青藏高原东南部地区的预报技巧较高;超前0个月和超前1个月的模态相关系数分别为0.46和0.42,预报最好的年份都是1998年,预报最差的年份分别是1980年和2009年。(本文来源于《气象科技》期刊2019年05期）
王宏刚,田洪迅,李浩松,王越,施明泰[6]（2019）在《考虑小样本统计的BP神经网络配电系统可靠性预测方法》一文中研究指出传统服务于系统规划的可靠性分析方法,由于多基于逻辑推理或统计分析,需要以足量‘故障—停电’事件匀质样本为建模保障,在面对配电系统结构动态变化以及稀少数据环境时,难以对指标进行精确估计。在此背景下,提出一种考虑小样本统计的BP神经网络配电系统可靠性指标预测方法。为保证神经网络训练样本的充足性,并保留小样本自身的统计规律,该文提出并比较Bootstrap和核密度拉丁超立方采样2种小样本增广技术,基于扩充后的样本对具有相同结构的神经网络模型进行参数训练,利用所得的神经网络对可靠性指标进行预测的精度作为选择合适扩充技术与神经网络结合的依据。通过预测用户年均停电时间的算例分析表明,利用Bootstrap小样本扩充技术和BP神经网络相结合的方法在小样本统计条件下具有更高的预测精度。(本文来源于《电力科学与技术学报》期刊2019年02期）
石锡尧[7]（2019）在《列控车载设备故障间隔时间统计分布建模及预测方法研究》一文中研究指出“八纵八横”高速铁路网的提出使我国进入了高速铁路建设蓬勃发展的大时代,高效性、安全性和平稳性使得高速列车逐渐成为人们出行的首选,如何使高速列车的运行更加安全高效也逐渐成为铁路领域研究的重点。目前,铁路领域的故障预测研究主要集中在地面设备,但高速列车是客运的主体,一旦发生故障将导致不可估量的损失。故障间隔时间可以反映系统或装备故障的内在演化规律,因此,本文以车载设备微小故障间隔时间作为主要研究对象,对其进行统计分布建模及可靠性分析,并建立组合预测模型对其进行预测。本文的主要研究内容如下所示:(1)通过查阅大量文献资料,详细总结了故障预测技术和故障间隔时间的研究现状,并介绍了车载设备的结构和功能。基于动车设备质量分析工区交接班记录表和ATP车载设备配件更换历史记录表,将车载设备故障划分为六大类共16种故障类型。本文的数据来源为某型号车载设备ATPCU-LOG文件中记录的故障信息,对故障数据进行预处理,并利用分词技术和Apriori关联规则数据挖掘算法得到故障规则库,为后续研究奠定基础。(2)根据故障规则库,从历史故障数据中提取出车载设备微小故障间隔时间样本序列,首先对其进行统计分布分析,然后假设样本序列服从两参数Weibull分布或指数分布,分别利用最小二乘法和极大似然法求解模型参数,最后基于灰色关联分析法得到最优统计分布模型,从而建立基本可靠性模型,并根据最优分布模型对车载设备进行基本可靠性分析,求得车载设备的平均微小故障间隔时间、微小故障率函数和基本可靠度函数。(3)针对样本序列的非线性问题,建立基于时序分解的故障间隔时间组合预测模型对其进行预测。首先利用STL算法对样本序列进行时序分解,分解成周期项、趋势项和剩余项,然后对分解后的各项数据分别用回声状态网络、BP神经网络和支持向量机预测模型进行预测,最后分四种组合模型对各项预测结果相加得到最终预测结果,并与叁种单一预测模型相比较,发现组合预测模型比单一预测模型的预测效果更好,最优组合模型为ESN+SVM+SVM,预测精度可达96.49%。综上所述,本文以车载设备系统级和部件级微小故障间隔时间作为主要研究对象,对其建立最优统计分布模型,并对车载设备进行可靠性分析。建立基于时序分解的组合预测模型预测微小故障间隔时间,仿真验证结果表明其预测效果比单一预测模型更好,预测结果可以使列车司机和现场维修人员能够提前预知故障情况并做出应对措施。图60幅,表12个,参考文献70篇。(本文来源于《北京交通大学》期刊2019-06-01）
王莎莎[8]（2019）在《基于统计学习方法的学习者行为分析及学习风险预测》一文中研究指出当今信息化时代,学习分析是教育技术领域的研究重点之一。教育信息化的实现必然需要技术的支持。学习分析可以连接技术与教育,是能够促进技术与教育进一步融合的有效方法。首先,确定研究目的和对象,收集学生学习数据;然后,选定数据分析方法和工具,对学生学习进行分析与建模;最后,将分析结果反馈给教学关益者,从而为学生学习提供指导。本文从目前学习分析在学习分析模型设计存在的问题出发,将统计学习方法应用于学习分析,进行了尝试性的研究。本文持续跟踪计算机科学与技术专业学生近两年内四门课程的学习过程,采用两种方式收集学生学习数据。第一种方式是从线上平台获取学生线上的学习行为数据,第二种方式是使用实名制调查问卷收集学生线下学习数据,对学习者学习行为进行综合分析。已完成的工作如下:1.学习者基本学情调查。使用实名制问卷对学生基本学习情况进行了统计分析,并将这些数据与学生学习成绩关联起来。通过综合分析发现对学生学习成绩关联性较强的因素主要有学生先修课程平均分,学习态度,学习动机等。2.基于Lasso-LARs的学习者学习行为分析。通过学习者行为分析确定影响学生学习成绩的各个因素的重要程度,研究发现学习动机、先修课程平均分、实验考试得分、习题得分、预习时间等与学生学习成绩关联程度最强。3.基于支持向量机的学习者分类模型的建立。使用SVM算法构建学生分类模型,该模型能根据学生学习行为对学生进行分类。4.基于SVR的学生学习风险预测。使用SVR算法建立学生学习成绩的预测模型,该模型能根据学生学习行为和学生基本特征数据预测学生学习成绩。在相关性分析的基础上人为的改变学生某些学习行为数据,以实验的方式验证干预的效果。本文将统计学习方法应用于学习者行为分析、学习者分类建模及学习风险预测等方面,进行了跨学科的尝试性研究,仍存在一些不足,在之后的研究中可以进一步丰富各种方法和技术在学习分析领域中的使用。(本文来源于《东北石油大学》期刊2019-05-29）
张煜东[9]（2019）在《统计学习方法在信用卡违约行为预测上的应用研究》一文中研究指出最近十年以来,我国信用卡市场高速发展,金融机构累计发卡量、授信总额和人均信用卡持卡量均屡创新高,信用卡业务已经成为银行等金融机构最重要的收入组成部分之一。为了尽早抢占市场,更大发卡数量、更广的业务覆盖程度成为了各银行追求的目标,因此各级银行均把发卡量视为一项很重要的绩效考核指标,对于申请者的审核也变得较为宽松。2010年至今,国内银行半年未偿还信用卡贷款总额增长近十倍,信用卡违约问题尤为严重。然而当前金融机构对于信用卡风险的管理控制措施存在覆盖不完全的问题,缺乏对处在运营期的潜在违约风险用户的处理方案。本文以此为切入点,使用银联提供的某互联网金融企业部分用户的信用卡交易数据,预测信用卡违约行为的发生。本文摆脱了过去研究中对历史信用数据的依赖,利用特征工程充分挖掘了银行长期积累的真实交易数据中的关键信息,基于不同的统计学习方法构建了违约预测模型,证明了这种方法的可行性和有效性。最后本文还研究了信用卡违约与持卡人交易特征之间的联系。具体步骤主要分为以下几个部分:本文首先介绍了信用卡交易数据集包含的主要变量,并进行了相关性计算和特征工程处理,整理得到了八大类型的交易特征数据。并且本文还依据交易时间因素,将数据细分为短、中、长期特征,用于研究时间因素的影响。最后,本文简要介绍了分类问题的核心评价指标。其次,本文使用逻辑回归、支持向量机、随机森林和梯度提升树方法构建违约预测模型,并通过欠抽样构建平衡数据集,对比分析了不同模型之间的性能差异和面对数据不平衡问题的表现。最后,本文研究了随机森林和梯度提升树模型中的特征重要性,分析了违约问题和卡交易特征之间的关系。本文还考虑了高纬度噪声对模型性能的影响,依据特征重要性高低选取了小部分特征重新构建模型,研究了特征维数对模型预测性能的影响。通过以上实证步骤,本文最终得到了以下几个结论:基于信用卡交易数据,利用统计学习方法构建违约预测模型是可行的。但交易数据的不平衡性对模型性能影响较大,实际在欠抽样构造的平衡数据集上预测模型性能有显着提升。对比四种统计学习方法,梯度提升树构建的预测模型综合性能最佳,其在不平衡数据集上也有较好的表现。在研究违约行为与卡交易特征的联系时,本文发现取现交易、信用卡网购、分期付款和非正常时间交易是违约的重要诱因,同时短期和中期特征数据对违约的影响高于长期特征数据。且仅基于上述特征构建的预测模型不但能够保留原始模型大部分的性能,还更具有鲁棒性。(本文来源于《南京大学》期刊2019-05-16）
尉德新,黄涛,张运强,邢静康,周苏华[10]（2019）在《基于统计方法的滑坡滑程预测分析》一文中研究指出为了预测滑坡的滑程,基于国内外343个典型灾难性滑坡数据资料,通过统计方法对滑坡最大垂直距离H与最大水平距离L、等效摩擦系数H/L与滑坡体积对数LgV之间的关系以及不同岩质类型滑坡对应的等效摩擦系数和滑坡体积分布区间进行了分析,提出了基于统计方法的滑坡滑程预测模型,并结合工程实例对滑程预测模型进行了验证分析。分析表明:滑坡最大垂直距离H与最大水平距离L具有良好的正幂律关系;等效摩擦系数H/L与滑坡体积Log(V)之间呈现出负指数关系,且同一种类的岩质材料的滑坡数据点分布没有表现出明显的规律性。根据统计结果,提出基于滑坡面积A和滑坡最大垂直高度H的滑程预测模型,并将该预测模型应用到深圳市光明新区渣土受纳场"12·20"滑坡事故。结果表明,虽然预测结果与实际滑程之间存在差异,但该模型在一定程度上仍能有效反映及预测滑坡滑程。(本文来源于《路基工程》期刊2019年02期）
统计预测方法论文开题报告
（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：
根据榆林市吴起至定边高速公路最西端试验场地的现场静载试验结果,对比统计后压浆桩和未压浆桩沉降变化情况,提出沉降缩减系数,由此得到后压浆桩基沉降的数学统计预测方法。结果表明:沉降缩减系数近似服从正态分布,并随着桩顶荷载的增大而减小,同时其离散程度也减小;桩顶荷载较大时,后压浆工艺对控制桩基沉降效果比较明显;沉降缩减系数按正态分布时用其50%上侧分位数计算得到的后压浆桩沉降值与实测值更加吻合。由于后压浆工艺较复杂导致沉降缩减系数具有离散性,建议采用沉降缩减系数的85%上侧分位数预测后压浆桩的沉降,以保证足够的安全储备。
（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。
统计预测方法论文参考文献
[1].吴茵,莫东,李秋文,张德亮,黄红伟.基于分类波动性统计的短期负荷改进区间预测方法[J].电力大数据.2019
[2].周志军,朱珊珊,孔祥,雷江涛.黄土地区后压浆桩基沉降的统计预测方法[J].铁道建筑.2019
[3].孙丞虎,崔童,李维京,左金清.动力和统计预测信息融合预测方法及对我国夏季降水预测的检验[J].地球物理学报.2019
[4].程彦.地质统计煤厚预测方法及应用分析[J].中国矿业.2019
[5].孙丽颖,余锐,刘飞,李方腾.基于可预报模态分析方法的青藏高原东部夏季降水统计预测模型[J].气象科技.2019
[6].王宏刚,田洪迅,李浩松,王越,施明泰.考虑小样本统计的BP神经网络配电系统可靠性预测方法[J].电力科学与技术学报.2019
[7].石锡尧.列控车载设备故障间隔时间统计分布建模及预测方法研究[D].北京交通大学.2019
[8].王莎莎.基于统计学习方法的学习者行为分析及学习风险预测[D].东北石油大学.2019
[9].张煜东.统计学习方法在信用卡违约行为预测上的应用研究[D].南京大学.2019
[10].尉德新,黄涛,张运强,邢静康,周苏华.基于统计方法的滑坡滑程预测分析[J].路基工程.2019
论文知识图
