基于ARIMA模型的航空装备事故时序预测

为提高航空装备事故预防的针对性、有效性和主动性,预防和减少事故的发生,降低事故造成的损失,提出一种时序的差分自回归滑动平均(ARIMA)模型。其建模过程先在时间序列基础上辨识一个试用模型,然后加以诊断,并作出必要调整,反复进行辨识、估计、诊断,直至获得较为满意的ARIMA预测模型。在实例验证中,所构建的用来预测美国空军飞行事故万时率的ARIMA模型,能够将预测的平均相对误差控制在7%以内,预测结果总体反映航空装备的实际安全状况。     

基于ARIMA与SVM的飞行事故组合预测方法

飞行事故预测的目的在于预防事故。为提高事故预防的针对性和有效性,必须加强预测,以增强预防飞行事故的主动性。在ARIMA和SVM基础上,提出一种飞行事故组合预测方法。首先建立ARIMA模型,用以描述历史数据中的线性关系;然后,对ARIMA模型的残差构建SVM模型,用以模拟数据中的非线性规律,两者预测值之和就是最后的预测结果。美国空军1954—1993年飞行事故损坏飞机万时率的实证分析结果表明:利用该方法所建立的模型,能够对飞行事故作出较为准确的预测,模型精度总体优于单一的ARIMA或SVM模型。     

基于时间序列模型残差的中国东部地区空气质量指数（AQI）空间自相关特征分析

空间自相关分析可以揭示变量的空间聚集性质.基于中国东部城市群的日空气质量指数(AQI)数据,研究了AQI的空间自相关特征.同时,考虑到日AQI的空间非平稳性,分析分成两步进行.首先,对每个城市的日AQI序列建立时间序列模型,进而获得其标准残差序列;然后再基于残差项进行空间自相关分析,计算其全局Moran's I指数和局域Moran's I指数.结果表明,全局Moran's I指数体现出明显的季节变化特征,呈现出冬季高而夏季低的以年为周期的循环变化.通过分析局域Moran's I指数,发现中国东部城市群存在2个值得重视的高空间自相关区域:京津冀地区和长三角地区.由于残差项体现的是气象条件的影响,因此,大面积的高自相关区体现了邻近城市群空气质量对气象条件变化的同步响应特征.     

Effects of legal BAC limits on fatal crash involvement: analyses of 28 states from 1976 through 2002

PROBLEM: Hundreds of laws have been implemented in the United States over the past few decades designed to reduce alcohol-impaired driving and the crashes that often result. One approach has been to lower the legally allowable alcohol concentration for drivers. We examined the effects of changes in legal BAC limit in 28 U.S. states from January, 1976 to December, 2002. METHOD: An interrupted time-series quasi-experimental design was used, incorporating non-alcohol-related crashes as comparisons. Four outcome measures of alcohol-related crash involvement were examined: single-vehicle nighttime, BAC=0.01-0.07, BAC=0.08-0.14, and BAC>/=0.15. Missing BAC test result data were handled by using multiple imputations. Analyses involved estimation of state-specific ARIMA models, controlling for other factors affecting overall crash rates and other major DUI policy changes. Inverse variance weighting methods were used to pool results across states for the most precise underlying estimate of effect of legal BAC limits. RESULTS: Considerable state by state variability in estimated effects was observed, but results from the pooled analyses were clear and consistent. Changes in legal BAC limits significantly affected alcohol-related fatal crash involvement for both the SVN and BAC test result measures, and the laws affected drivers at all drinking levels. SUMMARY: An estimated 360 deaths are prevented each year in the United States as a result of the move from a 0.10 to 0.08 legal limit in recent years, and an additional 538 lives could be saved each year if the United States reduced the limit to 0.05, consistent with limits in most countries worldwide. IMPACT ON INDUSTRY: Given the significant effects of lower legal BAC limits on fatal crash involvement, businesses should support implementation of laws that further reduce the legal BAC limit for all drivers. Furthermore, all companies should set higher standards for employees, such as a zero allowable BAC limit for driving during work time.     

基于组合模型的能源消费预测研究

能源作为社会发展的重要物质基础,其消费影响着人类赖以生存和发展的自然环境,也是经济和社会可持续发展的关键问题。通过建立能源消费量模型,准确预测中国能源消费总量,做好未来能源消费预测分析,从而为制定合理的能源生产计划、外供能、节能计划及制定相关的政策等提供科学的依据,这对于保持中国社会经济健康、持续、稳定的发展都具有重要的理论与现实意义。而运用组合模型进行预测不仅预测结果准确性高,而且稳定性好。本文借助组合模型对能源消费所做的预测研究表明,随着社会、经济的发展,中国能源需求不断增长。尤其是2000年以来,中国能源消费稳步增长,未来几年仍将继续保持此增长势头及速度。组合模型集结了更多的有用信息,使得预测结果更加可靠,可以作为中国"十二五"期间的能源消费量预测的有效工具,为能源决策提供更为可靠的依据及建议。     

交通事故损失的时间序列分析

为揭示交通事故经济损失的变化规律,笔者研究并利用时间序列的方法,建立了ARIMA模型,对1985—2005年全国交通事故经济损失的数据进行了分析和预测。根据原始数据的特点,选择随机时间序列分析方法。通过对模型的识别和参数的选择,得到2006—2008年的交通事故损失的预测值分别为2.9559,2.9707和3.0129亿元,置信区间为95%。通过对1985—2005年交通事故经济损失的预测结果与原始数据的比较表明,预测结果接近原始数据,该方法为交通事故的预防和控制提供了技术指导和有益参考。     

沈阳市PM2.5浓度ARIMA-SVM组合预测研究

首先利用回归树分类方法,对采暖期与非采暖期各日进行气象类型划分,识别出易造成重污染天气的气象类型.其次分别在各气象类型内,以污染源排放量为自变量,利用差分自回归滑动平均与支持向量机（ARIMA+SVM）组合方法建立起PM_2.5浓度日均值预测模型,并选取2013年01月~2017年06月间,沈阳市区内9个环境监测点PM_2.5浓度日均值进行实证分析.结果表明,使用气象分类下的ARIMA+SVM组合模型对PM_2.5浓度日均值进行预测,相比于不划分气象类型时的普通机器学习模型,其模型预测值与实测值趋势的吻合度更高,且对峰-谷值的识别能力更强.在采暖期与非采暖期,组合模型均具有平均绝对误差更低、预测正确率更高的优点.     

基于ARIMA-MC模型钢铁企业高炉煤气发生量预测

为了预测钢铁企业高炉煤气发生量,本文用ARIMA模型及马尔科夫链建立了ARIMA-MC模型对高炉煤气的发生量进行预测。结合某钢铁企业实际的原始数据,通过实验,随机抽取多组测试结果中的两组,1#和2#各30个点进行预测,结果表明预测平均相对误差分别为2.27%、3.03%。实验结果证明新算法的有效性。     

重特大火灾对南京市火灾发生影响规律的时间序列研究

本文采用时间序列法分析中国江苏省南京市每月火灾发生次数受该时间段内江苏省特大火灾以及南京市重特大火灾的影响规律。在对原始数据依次进行了异常点剔除、季节调整后，运用时间序列干涉模型对调整后的数据序列进行滞后分析，分析结果表明通常重特大火灾的影响可持续三个月。     

基于ARIMA模型的辽河流域生态足迹动态模拟与预测

将能值与生态足迹理论相结合,引入能量折算系数,通过能值密度构建能值-生态足迹模型,并应用此模型对辽河流域2001—2010年生态承载力和生态足迹进行计算。生态承载力计算主要是自然生态承载力和本地产品产出承载力,其中自然生态承载力主要考虑可更新资源的承载力,本地产品产出承载力主要包括生物资源产出承载力和工业产品产出承载力。生态足迹的计算主要包括消费足迹和污染足迹,消费足迹主要测算生物资源消费、能源消费和水资源消费足迹。污染足迹主要测算废气和生活废水、工业废水对自然生态系统带来的负荷。测算结果表明:2001—2010年辽河流域人均生态承载力和人均生态足迹均有所增加,但是生态足迹的增长速度远远大于生态承载力,致使流域内自2001与2009年生态略有盈余外,其余年份均出现生态赤字,处于不可持续发展状态。以能值-生态足迹模型测算结果为基础,基于EViews采用自回归综合移动平均模型(ARIMA),对流域内10年的生态足迹和生态承载力进行动态模拟。首先通过ADF与PP单位根检验时间序列的平稳性;其次分析序列的自相关函数图和偏自相关函数,初步确定AR和MA的阶次;再根据R2、AIC及SC准则,进行模型参数估计并诊断分析;最后确定最佳模拟模型。以ARIMA模型预测2011—2015年辽河流域生态足迹和生态承载力的演变趋势。预测结果表明,人均生态足迹在未来5年内会继续呈直线式增长,到2015年达到7.387 8 hm2,是2001年的2.16倍;而人均生态承载力在2011年之后开始下降,生态赤字继续扩大,到2015年增长到-4.167 67,约为2005年的10倍,流域内不可持续发展形势会更加恶化。最后提出辽河流域生态安全建设的对策。能值-生态足迹模型测算结果与实地调研基本相符,较真实反映了辽河流域可持续发展状况。基于ARIMA模型模拟预测结果可为未来流域开发和建设提供参考依据。