简介:摘要:蓄水调水和治理泥沙一直都是治理黄河河段的基本工作之一,但在研究黄河水文时,由于黄河水沙通量较大,数据特性分析难度大。本文建立模型实现基于不同时间序列的数据汇总分析。利用距平值对突变性进行分析;通过可视化分析,研究所表现出的周期变化;季节性水沙通量最大值往往出现在夏季,最小值往往出现在冬季;通过spsspro建立水沙通量的季节性ARIMA模型来研究其变化规律,发现季节性数据的水流量的拟合度0.724,排沙量拟合度为0.764,拟合效果较好;能较好的进行预测分析,并为黄河水流管理提供理论依据。
简介:摘要:时间序列作为时间观测值的集合,在机器学习和人工智能领域引发了广泛的关注。时间序列预测是获取未来趋势的重要课题之一,研究结果可以为各种应用提供依据,例如优化、控制以及生产计划等。因此,已经提出了许多模型来解决这个问题。但是时间序列数据往往呈现出非平稳、非线性和多维度等特点,单一的深度学习模型难以有效提取时间序列的深层特征,难以挖掘数据的内在特性和识别出数据间的潜在模式。