基于加权马尔可夫链修正的ARIMA预测模型的研究

发布时间：2021-02-01 19:55

　　为改善因频繁事后维修导致的设备使用寿命骤减问题,提出基于加权马尔可夫链修正的差分自回归移动平均（ARIMA）模型来预测设备状态参数,做到事后维修转化为视情维修。考虑到ARIMA模型存在一定偏差和不稳定性,引入加权马尔可夫模型对ARIMA模型残差序列进行分析。采用状态特征值结合线性插值法将预测的残差状态转化为具体值,残差修正的预测值为最终状态值。以预测船舶海水出口温度为例,对比分析单一ARIMA模型和修正的ARIMA模型的预测结果。结果表明:修正的模型预测精度较单一ARIMA模型显著提高,具备可行性和有效性。 

【文章来源】：计算机应用与软件. 2020,37(12)北大核心

【文章页数】：5 页

【文章目录】：
0 引 言
1 模型简介
    1.1 ARIMA模型
    1.2 加权马尔可夫链模型
    1.3 加权马尔可夫链修正的ARIMA模型
2 算例分析
    2.1 问题描述与分析
    2.2 数据获取
    2.3 ARIMA模型预测
        （1） 数据预处理。
        （2） 模型识别。
        （3） 模型预测。
    2.4 加权马尔可夫模型预测
    2.5 加权马尔可夫模型修正ARIMA模型
3 结 语


【参考文献】：
期刊论文
[1]一种基于加权马尔科夫链修正的SVM光伏出力预测模型[J]. 张静,褚晓红,黄学安,范文,陈雁,万泉,赵加奎.  电力系统保护与控制. 2019(19)
[2]基于两步分解法和SARIMA的非饱和机场能耗预测[J]. 陈静杰,孟琦.  计算机应用与软件. 2019(04)
[3]马尔科夫与ARIMA组合模型对地区降雨量的预测研究[J]. 徐梦茹,王学明.  计算机应用与软件. 2019(03)
[4]基于改进神经网络的船舶主机温度预测[J]. 孔国利,王爱菊.  舰船科学技术. 2018(18)
[5]基于混合预测模型的船舶海水冷却系统状态参数预测[J]. 孙晓磊,邹永久,张鹏,张跃文.  舰船科学技术. 2018(15)
[6]基于灰色预测的船舶航向简捷鲁棒控制[J]. 姜日凡,张显库.  大连工业大学学报. 2018(01)
[7]加权马尔科夫链在榆林市降水量预测中的应用[J]. 吴林川,孙婴婴.  人民长江. 2017(S1)
[8]EEMD与RBF神经网络的太阳黑子月均值预测[J]. 孙堂乐,李国辉.  计算机工程与应用. 2017(24)
[9]在VTS中利用回归分析方法预测研究[J]. 郭卫霞,李红平.  舰船科学技术. 2016(08)

博士论文
[1]马尔可夫链预测方法及其在水文序列中的应用研究[D]. 夏乐天.河海大学 2005



本文编号：3013340