<sub id="n0hly"></sub>
<sub id="n0hly"></sub>

      <small id="n0hly"><progress id="n0hly"></progress></small>

      3. <address id="n0hly"></address>
      3. 
	
        

		
		

	
        
				
			加急見(jiàn)刊
		
        
		

		
		
        
			
        
				
				
				
        
					
					
        
						
						
        基于異常值檢測的港口集裝箱吞吐量預測模型
        
						
        郭戰坤; 金永威; 梁小珍; 楊明歌; 汪壽陽(yáng)  上海大學(xué)管理學(xué)院; 上海200444; 百度(中國)有限公司; 上海201203; 中國科學(xué)院大學(xué)經(jīng)濟與管理學(xué)院; 北京100190; 中國科學(xué)院數學(xué)與系統科學(xué)研究院; 北京100190
        

					
        
					
        摘要：考慮到諸如金融危機等重大事件的影響,時(shí)間序列可能存在異常值,提出了一個(gè)基于局部異常因子(LOF)的LOF-SSA-LSSVM預測模型,并將其應用于廣州港集裝箱吞吐量預測.首先,對原始時(shí)間序列進(jìn)行X12加法季節分解,對于分解得到的不規則序列,采用LOF算法進(jìn)行異常值檢測,確定異常數據的位置,之后通過(guò)插值或最小二乘支持向量機(LSSVM)的預測值來(lái)修正原始季節調整序列中的異常值,將修正后的季節調整序列與季節因子序列加和,即得到新的待預測序列.預測階段,先采用奇異譜分析(SSA)將新的待預測序列進(jìn)行分解重構,剔除序列中的噪聲,然后再采用LSSVM對其進(jìn)行預測.實(shí)證結果表明,建立的LOF-SSA-LSSVM模型相比BP、ARIMA等模型有著(zhù)更好的預測精度.
        
					
        注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系數學(xué)的實(shí)踐與認識雜志社
        
				
        
				

			
        
		
        

		
		

	
        

	
	
	
	
	
	
	
	


亚欧成人中文字幕一区-日韩影音先锋AV乱伦小说-成人精品久久一区二区-成人美女视频在线观看

        <sub id="n0hly"></sub>
        <sub id="n0hly"></sub>
        

          <small id="n0hly"><progress id="n0hly"></progress></small>
          3. 

          <address id="n0hly"></address>
          3.