典型文献
季节性数据特征驱动的电子废弃物回收规模分解集成预测建模研究
文献摘要：
电子废弃物回收规模预测是政府制定循环经济发展规划和有关补贴政策、企业进行资源回收价值评估和产能优化的基础.本文考虑电子废弃物回收规模季度数据的季节性数据特征可能导致传统单模型预测误差偏大、预测结果不稳定等问题,基于"分解-集成"的思想提出了季节性数据特征驱动的电子废弃物回收规模预测CH-X12/STL-X框架.首先,基于Canova-Hansen(CH)检验对电子废弃物回收规模时间序列的季节性数据特征进行识别,继而对适于进行季节性分解的时间序列采用X12乘法模型或时间序列季节性分解(Seasonal-trend De-composition Procedure Based on Loess,STL)模型实现季节性分量提取.然后,采用Holt-Winters模型对获得的季节性分量进行预测,并以支持向量回归模型(Support Vector Regression,SVR)预测分解获得的其他分量.最后,通过对各个分量预测结果的线性求和以得到最终的预测结果.实证结果表明,提出CH-X12/STL-X预测框架能够较好地满足不同季节性数据特征驱动的时间序列预测建模需求,且较传统单模型(Holt-Winters模型、季节性差分自回归滑动平均模型、SVR模型)在预测性能上表现良好且稳定.
文献关键词：
电子废弃物;季节性分解;集成预测;数据特征驱动建模
中图分类号：
作者姓名：
王方;余乐安;查锐
作者机构：
西安电子科技大学经济与管理学院,陕西西安 710126;中国科学院大学魏桥国科联合实验室,北京 100190;滨州魏桥国科高等技术研究院,山东滨州 256600;哈尔滨工程大学经济管理学院,黑龙江哈尔滨 150001
文献出处：
引用格式：
[1]王方;余乐安;查锐-.季节性数据特征驱动的电子废弃物回收规模分解集成预测建模研究)[J].中国管理科学,2022(03):199-210
A类：
Canova,季节性分解,数据特征驱动建模
B类：
电子废弃物,废弃物回收,规模分解,分解集成预测,预测建模,建模研究,规模预测,府制,循环经济发展,补贴政策,资源回收,价值评估,产能优化,单模,预测误差,偏大,CH,X12,STL,Hansen,适于,Seasonal,trend,De,composition,Procedure,Based,Loess,模型实现,Holt,Winters,支持向量回归模型,Support,Vector,Regression,SVR,不同季节,时间序列预测,差分自回归滑动平均模型,预测性能
AB值：
0.310939
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
