导读:本文包含了小波预测模型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:小波,神经网络,模型,径流,序列,分解,黑河。
小波预测模型论文文献综述
季金凤,张少中[1]（2019）在《基于小波ARMA模型的零售商品库存预测》一文中研究指出为了提高库存需求预测的准确率,增强零售企业对市场需求的适应能力,提出一种基于小波变换和ARMA(自回归滑动平均)模型的库存需求预测方法。先采用小波变换对数据进行去噪,然后对各尺度下的小波系数进行重构,建立较能反应其本质规律的ARMA模型,最后得到预测结果。实验结果表明:预测误差相当于真实均值的5.05%——说明预测误差合理;预测误差的标准差为14.04——说明预测误差的波动不大,预测稳定。(本文来源于《浙江万里学院学报》期刊2019年06期）
邓慧琼,陈怀娜,曾毓芬,连宗胜,周燕[2]（2019）在《基于小波分析和ARIMA模型的假期客流量预测分析》一文中研究指出旅游业在国民经济中的地位越来越高,已逐渐成为国民经济的重要产业,准确的客流量预测对于为旅客、景区及旅游部门提供科学的决策依据具有重要意义。鉴于广东各景区节假日与非节假日客流量之间存在差异的特点,本文提出了运用合适的小波基对序列进行小波变换,从而获取尺度系数和小波系数;然后,采用ARIMA分别对分解得到的序列建模,得到各子序列的模型,进而对各子序列分别进行预测;最后,利用稍加更改的重构函数重构预测的子序列,得到对原数据的拟合,运用拟合效果好的模型进行预测,得到最终的预测结果。(本文来源于《中国新通信》期刊2019年21期）
敖希琴,汪金婷,郑阳,李凡[3]（2019）在《基于小波时间序列模型的CPI预测》一文中研究指出经典时间序列模型是CPI预测较为常用的方法,该方法建模前未对数据进行预处理,导致模型预测精度不高。为此提出一种小波时间序列模型方法:首先通过小波分解与重构消除时间序列的白噪声;然后将重构的近似分量和细节分量,分别建立时间序列模型;最后对两个分量的预测结果进行重构,得到序列的最终预测结果。实验以2000年1月至2015年12月期间的安徽省月度CPI序列作为实证分析对象,分别构建经典时间序列模型和小波时间序列模型,通过比较两种模型的预测精度,发现小波序列模型明显优于经典时间序列模型。(本文来源于《蚌埠学院学报》期刊2019年05期）
周娅,郭萍,杨柳,宋培培[4]（2019）在《基于小波分析的汛期月径流量预测模型研究》一文中研究指出基于生产实践对高精度中长期径流预报提出的要求,对我国海河流域两大支流之一的滹沱河上小觉水文站(岗南水库入库径流控制站)径流量进行预测研究。采用主成分分析法提取出汛期气象因子的主成分,然后采用A Trous小波提取出序列的随机项、趋势项和周期项,分别对各项建立神经网络预测模型,然后采用A Trous小波重构法得到汛期径流预测值,得到较好的预测结果,模型能很好的反映随机项、趋势项的变化,对周期项变化的响应较随机项和趋势项的差,但也具有较高的精度,能很好的反映径流的随机性和趋势性。(本文来源于《陕西水利》期刊2019年10期）
施玉欣,陈凌燕,梁颖怡,陈可欣,李锡钦[5]（2019）在《基于小波分解和ARIMA模型的城际铁路客流预测》一文中研究指出针对城际铁路车站客流预测问题,文章采用离散小波分析方法对城际铁路车站原始日客流量数据进行小波分解;对分解得到的各层小波系数,利用AIC赤池信息准则进行ARIMA建模;利用训练得到的ARIMA模型进行预测未来一段时间客流数据的高频分量和低频分量,并对其进行小波重构,从而得到未来一段时间的预测客流数据;最后以广珠城际铁路某车站实际客流数据为例,对文章所提出的客流预测模型和客流预测算法进行了验证。实验结果表明,文章所提方法客流预测方法具有一定的预测精度。(本文来源于《江苏科技信息》期刊2019年29期）
白云博,欧阳斯达,杨朦朦,夏学齐,王婷[6]（2019）在《基于双树复小波分解的云量时间序列模型预测》一文中研究指出针对传统云量预测模型应用于高分辨率卫星影像云量时间序列数据时存在的实用性差、拟合效果差及预测结果准确度低的问题,提出了一种基于双树复小波分解的云量时间序列组合模型预测方法。该方法利用DT-CWT分解的方法提取出云量时间序列的低频趋势信息和高频随机信息,对低频和高频序列分别应用时间序列分析与Elman神经网络的预测方法,然后将两个序列的预测结果重构得到最终的云量预测结果。实验结果表明,应用双树复小波分解的低频信息可以更好的反应云量变化趋势,高频信息也可以更好的保留云量变化的随机信息。该方法预测结果的平均绝对误差和均方根误差相比传统预测模型均有所减小,预测准确度有所提高,能够更好的拟合高分辨率卫星云量时间序列的变化规律。在卫星成像任务规划时将云量预测的结果作为参考信息,选择云量覆盖较小的时间窗口,可以获取更高品质的卫星有效成像数据。(本文来源于《航天返回与遥感》期刊2019年05期）
王明月,周捷,李健[7]（2019）在《基于小波分析与动态GM(1,1)模型的服装流行色预测》一文中研究指出为提高服装流行色的预测精度,以中国纺织信息中心发布的2010—2019年春夏流行色定案为研究对象,采用小波分析提取原始序列中的有效信息并进行优化,结合动态灰色GM(1,1)模型对服装流行色的色彩进行预测。结果表明,将小波分析与动态GM(1,1)模型结合进行服装流行色预测,克服了传统预测模型的缺陷,预测精度高,平均相对误差仅为1.63%,预测效果优于动态灰色模型和静态灰色模型,略优于小波静态灰色模型。(本文来源于《西安工程大学学报》期刊2019年05期）
王静静,高山,崔玉卫,周平根[8]（2019）在《基于小波ARMA模型的增值税销项税额预测》一文中研究指出为了提高采用时间序列模型预测增值税销项税额的预测精度和可靠性,本文提出基于小波ARMA模型的预测方法。首先,选择合适的小波基和分解尺度,采用小波变换方法对非平稳离散的增值税销项税额时间序列进行消噪处理,在消除数据序列信号噪声的同时,使信号的特征信息更加明显;其次,对去噪信号序列进行差分处理,并利用单位根检测方法对差分序列进行平稳性校验,获得最佳平稳的预测序列;最后,根据预测序列的自相关序列、偏自相关序列对小波ARMA模型进行初步定阶,并对模型的适应性进行检验,得到增值税销项税额的最优小波ARMA模型。通过均方误差、均方根误差、预测误差等参数对模型和预测结果进行评价。结果表明:采用小波ARMA模型能够预测增值税销项税额,总体预测效果较好、精度较高,具有良好的应用价值,值得推广。(本文来源于《税务研究》期刊2019年10期）
周轶成[9]（2019）在《基于小波分析的黑河流域径流预测模型研究》一文中研究指出基于小波分析的黑河流域径流水文预测模型是定量研究人类活动影响下流域水文过程非常有效的工具。以黑河莺落峡水文站1956-2016年实测数据为例,运用此模型对黑河上游1956-2016年的年径流量进行模拟,并使用支持向量机和灰色系统分析法对径流预测模型精度进行比对分析,分析结果表明通过小波分析的预测模型精度较高,用于径流预测是可行的。(本文来源于《地下水》期刊2019年05期）
殷礼胜,唐圣期,李胜,何怡刚[10]（2019）在《基于整合移动平均自回归和遗传粒子群优化小波神经网络组合模型的交通流预测》一文中研究指出针对短时交通流数据的非线性和随机性特点,为提高它的预测精度和收敛速度,该文从模型构建和算法两方面提出一种整合移动平均自回归(ARIMA)模型和遗传粒子群算法优化小波神经网络(GPSOWNN)相结合的预测模型和算法。在模型构建方面,将ARIMA模型预测值和灰色关联系数大于0.6的相关性强的前3个时刻的历史数据作为小波神经网络(WNN)的输入,在兼顾历史数据的平稳和非平稳的情况下,进行了模型结构简化。在算法方面,通过遗传粒子群算法对小波神经网络的参数初始值进行最优选取,可使其结果在不易陷入局部最优的条件下加快网络训练收敛速度。实验结果表明,在预测精度方面,该方法的模型明显优于整合移动平均自回归模型和遗传粒子群算法优化小波神经网络,在收敛速度方面,用遗传粒子群算法优化模型明显优于仅用遗传算法优化模型。(本文来源于《电子与信息学报》期刊2019年09期）
小波预测模型论文开题报告
（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：
旅游业在国民经济中的地位越来越高,已逐渐成为国民经济的重要产业,准确的客流量预测对于为旅客、景区及旅游部门提供科学的决策依据具有重要意义。鉴于广东各景区节假日与非节假日客流量之间存在差异的特点,本文提出了运用合适的小波基对序列进行小波变换,从而获取尺度系数和小波系数;然后,采用ARIMA分别对分解得到的序列建模,得到各子序列的模型,进而对各子序列分别进行预测;最后,利用稍加更改的重构函数重构预测的子序列,得到对原数据的拟合,运用拟合效果好的模型进行预测,得到最终的预测结果。
（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。
小波预测模型论文参考文献
[1].季金凤,张少中.基于小波ARMA模型的零售商品库存预测[J].浙江万里学院学报.2019
[2].邓慧琼,陈怀娜,曾毓芬,连宗胜,周燕.基于小波分析和ARIMA模型的假期客流量预测分析[J].中国新通信.2019
[3].敖希琴,汪金婷,郑阳,李凡.基于小波时间序列模型的CPI预测[J].蚌埠学院学报.2019
[4].周娅,郭萍,杨柳,宋培培.基于小波分析的汛期月径流量预测模型研究[J].陕西水利.2019
[5].施玉欣,陈凌燕,梁颖怡,陈可欣,李锡钦.基于小波分解和ARIMA模型的城际铁路客流预测[J].江苏科技信息.2019
[6].白云博,欧阳斯达,杨朦朦,夏学齐,王婷.基于双树复小波分解的云量时间序列模型预测[J].航天返回与遥感.2019
[7].王明月,周捷,李健.基于小波分析与动态GM(1,1)模型的服装流行色预测[J].西安工程大学学报.2019
[8].王静静,高山,崔玉卫,周平根.基于小波ARMA模型的增值税销项税额预测[J].税务研究.2019
[9].周轶成.基于小波分析的黑河流域径流预测模型研究[J].地下水.2019
[10].殷礼胜,唐圣期,李胜,何怡刚.基于整合移动平均自回归和遗传粒子群优化小波神经网络组合模型的交通流预测[J].电子与信息学报.2019
论文知识图
