季節(jié)性SARIMA模型在實(shí)驗(yàn)室開(kāi)放管理中的應(yīng)用

王法玉, 王靜超

(天津理工大學(xué) 計(jì)算機(jī)實(shí)驗(yàn)教學(xué)示范中心; 智能計(jì)算及軟件新技術(shù)重點(diǎn)實(shí)驗(yàn)室, 天津 300384)

0 引 言

高校實(shí)驗(yàn)室是高校從事實(shí)驗(yàn)教學(xué)、進(jìn)行人才培養(yǎng)的重要場(chǎng)所[1]。為了進(jìn)一步培養(yǎng)大學(xué)生的創(chuàng)新和實(shí)踐能力，近年來(lái)，各高校紛紛建立了創(chuàng)新實(shí)驗(yàn)室，為學(xué)生提供課外第二課堂創(chuàng)新實(shí)踐平臺(tái)[2]。工程類實(shí)驗(yàn)教學(xué)不僅是教學(xué)的重要的組成部分，多樣性的實(shí)驗(yàn)教學(xué)和開(kāi)放性實(shí)驗(yàn)室也是教育改革的一項(xiàng)基本任務(wù)[3-5]。目前大多數(shù)學(xué)校都在實(shí)施實(shí)驗(yàn)室開(kāi)放，對(duì)實(shí)驗(yàn)室管理也做了很多研究，并開(kāi)發(fā)了一些實(shí)驗(yàn)室開(kāi)放管理系統(tǒng)，但是多數(shù)管理系統(tǒng)都是只注重便捷，而對(duì)資源的利用率的研究比較少。

為了給學(xué)生提供一個(gè)開(kāi)放自由的學(xué)習(xí)環(huán)境和足夠的學(xué)習(xí)資源，培養(yǎng)學(xué)生的創(chuàng)新實(shí)踐能力，我院自2000年以來(lái)實(shí)施了實(shí)驗(yàn)室開(kāi)放政策，得到了廣大學(xué)生的歡迎，學(xué)生的學(xué)習(xí)熱情更加濃厚。但在實(shí)驗(yàn)室管理上，實(shí)驗(yàn)室上機(jī)人數(shù)的隨機(jī)性和值班人員如何安排，卻難以權(quán)衡，為了充分滿足學(xué)生的需求，值班人員配備和開(kāi)放實(shí)驗(yàn)室數(shù)量總是大于實(shí)際需求，造成值班人員安排和實(shí)驗(yàn)房間開(kāi)放的數(shù)量難以確定，造成人力、物力和財(cái)力的浪費(fèi)。為了更加有效利用和挖掘?qū)嶒?yàn)室資源，提高實(shí)驗(yàn)室和實(shí)驗(yàn)設(shè)備的利用率[6]。通過(guò)對(duì)幾年來(lái)的實(shí)驗(yàn)室上機(jī)人數(shù)研究，發(fā)現(xiàn)實(shí)際的上機(jī)人數(shù)具有長(zhǎng)期相關(guān)性， 也稱自相似性， 即統(tǒng)計(jì)意義下的自相似性，具有成長(zhǎng)性[7]。因此，本文利用時(shí)間序列分析法對(duì)實(shí)驗(yàn)室日常上機(jī)人數(shù)進(jìn)行分析、研究和建模，進(jìn)而對(duì)上機(jī)人數(shù)進(jìn)行預(yù)測(cè)，旨在通過(guò)合理安排值班人員和開(kāi)放實(shí)驗(yàn)室數(shù)量，達(dá)到節(jié)約資源的目的。

1 理論基礎(chǔ)

時(shí)間序列分析是處理動(dòng)態(tài)數(shù)據(jù)的一種比較有效的時(shí)域分析方法，通過(guò)觀察動(dòng)態(tài)數(shù)據(jù)的變化規(guī)律，對(duì)數(shù)據(jù)進(jìn)行擬合，并對(duì)未來(lái)數(shù)據(jù)做出預(yù)測(cè)。在許多實(shí)際問(wèn)題中，所觀測(cè)到的數(shù)據(jù)序列{xt}常不是平穩(wěn)序列，但如果將其做有限次差分處理后，可轉(zhuǎn)化差分序列{Sn}，是平穩(wěn)序列，那么可用平穩(wěn)信號(hào)序列模型來(lái)做研究[8]。

1.1 ARIMA模型

自回歸移動(dòng)平均(Auto-Regressive Integrated Moving Average，ARIMA)模型是由美國(guó)統(tǒng)計(jì)學(xué)家Box 和Jenkins 共同提出的，又叫B-J 模型[9]。該模型擬合的是差分平穩(wěn)序列，實(shí)際上就是差分運(yùn)算和ARMA 模型的結(jié)合。其基本建模思想和建模步驟可總結(jié)為：① 通過(guò)差分使非平穩(wěn)過(guò)程變成平穩(wěn)過(guò)程；② 建立描述該平穩(wěn)過(guò)程的合適模型；③ 使用構(gòu)建好的模型，預(yù)測(cè)將來(lái)值。ARIMA 模型是時(shí)間序列分析中重要的模型之一，目前廣泛應(yīng)用于各種領(lǐng)域[10-12]。

假設(shè){xt/t=0,1，…}為非平穩(wěn)隨機(jī)序列，則ARIMA的一般形式為：

(1)

其中：

Φ(B)=1-φ1B-φ2B2-…-φpBp

Θ(B)=1-θ1B-θ2B2-…-φqBq

1.2 季節(jié)性SARIMA模型

季節(jié)性SARIMA 建模是在ARIMA 模型基礎(chǔ)上發(fā)展起來(lái)的，用于具有周期性變化的序列的建模。在周期內(nèi)，它提取當(dāng)前時(shí)刻數(shù)據(jù)與前期數(shù)據(jù)的關(guān)聯(lián)特征；在周期間，它提取當(dāng)前時(shí)刻數(shù)據(jù)與前幾個(gè)周期相同時(shí)刻的數(shù)據(jù)的關(guān)聯(lián)特征[13]。將周期內(nèi)特征和周期間特征結(jié)合起來(lái)，更加全面地描述序列的變化規(guī)律，得到的模型，對(duì)于序列變化情況的刻畫(huà)也更加準(zhǔn)確。因此，使用季節(jié)ARIMA 模型對(duì)季節(jié)性數(shù)據(jù)進(jìn)行研究也是目前時(shí)序分析的熱點(diǎn)[14-16]。

(2)

Θ(Bs)=1-Θ1Bs-Θ2B2s-…-ΘpBps

Φ(Bs)=1-Φ1Bs-Φ2B2s-…-ΦqBqs

式(2)的模型中季節(jié)差分僅僅消除了周期間相同周期點(diǎn)之間具有的相關(guān)部分，時(shí)間序列還可能存在長(zhǎng)期趨勢(shì)，一個(gè)周期內(nèi)的不同周期點(diǎn)之間也具有一定的相關(guān)性，因此，由式(1)、(2)可得季節(jié)性ARIMA(p,d,q)(P,D,Q)s模型為：

1.3 ADF檢驗(yàn)

ADF(Augmented Dickey-Fuller)檢驗(yàn)是增項(xiàng)DF檢驗(yàn)，ADF檢驗(yàn)不僅可以檢驗(yàn)AR(1)的平穩(wěn)性，而且可以檢驗(yàn)AR(P)過(guò)程的平穩(wěn)性。

對(duì)于任意AR(P)過(guò)程，

Xt=φ1Xt-1+…+φpXt-p+εt

(3)

如果方程所有特征根都在單位圓內(nèi)，則序列平穩(wěn)；如果有一個(gè)特征根存在且為1，則序列為非平穩(wěn)序列。

對(duì)式(3)進(jìn)行變形簡(jiǎn)化后得：

H0∶ρ=o?H1∶ρ

構(gòu)造ADF檢驗(yàn)統(tǒng)計(jì)量：

通過(guò)Monte Carlo方法，可以得到ADF檢驗(yàn)統(tǒng)計(jì)量的臨界值表。

1.4 SARIMA模型建模步驟

本文在季節(jié)性SARIMA模型構(gòu)建過(guò)程中主要分為以下幾步：

(1) 平穩(wěn)性檢驗(yàn)。檢驗(yàn)時(shí)間序列的平穩(wěn)性，即確定d、D的大小，最直觀的識(shí)別方法是自相關(guān)圖法。如果自相關(guān)系數(shù)迅速趨于零，即自相關(guān)系數(shù)具有截尾性，則時(shí)間序列為平穩(wěn)時(shí)間序列；如果時(shí)間序列存在一定的趨勢(shì)性，則需要對(duì)原序列進(jìn)行差分處理；如果時(shí)間序列存在異方差性，則需先對(duì)數(shù)據(jù)進(jìn)行對(duì)數(shù)轉(zhuǎn)換。

(2) 模型識(shí)別。模型識(shí)別即確定相應(yīng)季節(jié)ARIMA模型的階數(shù)p、q、P、Q的取值。一般情況下，可通過(guò)觀察相關(guān)圖估計(jì)模型階數(shù)p、q、P、Q的可能取值，然后通過(guò)AIC、SC準(zhǔn)則等，確定最合適的模型階數(shù)，AIC值和SC值都是越小越好。

(3) 用最小二乘法進(jìn)行模型估計(jì)。最小二乘法估計(jì)是線性模型中最常用的估計(jì)方法，具有良好的統(tǒng)計(jì)性質(zhì)，且計(jì)算簡(jiǎn)便。

(4) 白噪聲檢驗(yàn)。對(duì)殘差進(jìn)行白噪聲檢驗(yàn)，由定義可知白噪聲序列的任意兩個(gè)時(shí)序值之間都是完全不相關(guān)的。但在實(shí)際中，完全的不相關(guān)是不可能的。由于序列的長(zhǎng)度都是有限的，故自相關(guān)系數(shù)不可能都是零。可以認(rèn)為自相關(guān)系數(shù)總是在零附近上下浮動(dòng)，且浮動(dòng)的范圍有非常界限的序列為白噪聲序列。為了定量準(zhǔn)確的判斷是否純隨機(jī)，Bartlett給出了統(tǒng)計(jì)的方法驗(yàn)證序列的白噪聲性，此時(shí)是將自相關(guān)系數(shù)放在一起進(jìn)行整體檢驗(yàn)。Bartlett提出如果一個(gè)時(shí)間序列是白噪聲序列，則提取一個(gè)觀察個(gè)數(shù)為n的序列，那么該序列的延遲非零期的樣本自相關(guān)系數(shù)將近似服從均值等于零，方差近似為觀察序列個(gè)數(shù)倒數(shù)的正態(tài)分布。

(5) 預(yù)測(cè)。本文用Eviews6.0實(shí)現(xiàn)整個(gè)建模過(guò)程，Eviews軟件是美國(guó)QMS公司推出的計(jì)量經(jīng)濟(jì)學(xué)軟件，在對(duì)時(shí)間序列的數(shù)據(jù)進(jìn)行分析，建立序列間的統(tǒng)計(jì)關(guān)系式，并用該關(guān)系式進(jìn)行預(yù)測(cè)、模擬等。

2 實(shí)例應(yīng)用

2.1 平穩(wěn)性檢驗(yàn)

圖1為2011年1月～2012年11月我院實(shí)驗(yàn)室日常上機(jī)人數(shù)時(shí)序圖，該時(shí)序圖以天為單位，實(shí)驗(yàn)環(huán)境是Eviews6.0。由圖1可以看出日常上機(jī)人數(shù)隨機(jī)性很大， 觀測(cè)值序列呈現(xiàn)周期性[16]，可初步斷定該序列為非平穩(wěn)序列。

圖1 日常上機(jī)人數(shù)時(shí)序圖

為了進(jìn)一步檢驗(yàn)序列的平穩(wěn)性， 本文對(duì)原序列進(jìn)行ADF檢驗(yàn)，即如果方程所有特征根都在單位圓內(nèi)，則序列平穩(wěn)，如果有一個(gè)特征根存在且為1，則序列為非平穩(wěn)序列。ADF檢驗(yàn)結(jié)果如表1所示。

由表1的結(jié)果可以看出，在10%的顯著性水平下可以接受原假設(shè)，即原序列有一個(gè)單位根，故可以斷定原序列具有非平穩(wěn)性。

表1 ADF檢驗(yàn)結(jié)果

2.2 周期性確定

從圖1中可以看出，在每年的5月份和11月份都會(huì)有一段連續(xù)的峰值出現(xiàn)，表明此段時(shí)間內(nèi)實(shí)驗(yàn)室上機(jī)人數(shù)較多。而8、2月份基本為零，因?yàn)檫@2個(gè)月為放假時(shí)間?？沙醪綌喽ㄖ芷跒?個(gè)月，有相關(guān)圖可得周期為182天。

2.3 平穩(wěn)化處理

在一般情況下，周期性序列的季節(jié)性差分次數(shù)不會(huì)超過(guò)1[9]。因此，我們首先進(jìn)行一階差分消除趨勢(shì)特征，再進(jìn)行182步周期差分消除周期信息，并對(duì)差分后的序列進(jìn)行ADF檢驗(yàn)，結(jié)果如表2。

表2 差分序列ADF檢驗(yàn)結(jié)果

由表2中的P值可以判斷出，在10%的顯著性水平下拒絕原假設(shè)，即序列對(duì)象不存在單位根。因而上機(jī)人數(shù)是1階單整，故SARIMA模型的d=1。

2.4 模型定階

通過(guò)差分后序列AC和PAC，判斷SARIMA模型的階數(shù)p、q、P、Q。由表3可以看出，AC 為一階截尾，可令q=1。另外，在t=182處，PAC顯著不為0，因此，可令P=1。同樣觀察偏相關(guān)系數(shù)，可以看出，p在8階截尾，可得p=8。在t=182處，AC顯著為0，因此，可令Q=0。

2.5 模型的建立與預(yù)測(cè)

在EVIEWS 6.0中，對(duì)模型進(jìn)行最小二乘法參數(shù)估計(jì)并利用模型對(duì)差分后的序列進(jìn)行擬合，經(jīng)過(guò)多次嘗試、篩選和剔除所有不顯著系數(shù)，最終確定結(jié)果見(jiàn)表4。

白噪聲檢驗(yàn)結(jié)果如表5所示。由表可知，AC與PAC顯著趨于0，因而殘差序列不存在自相關(guān)，是白噪聲序列，故構(gòu)建的模型是理想的，可用于預(yù)測(cè)。

表3 差分后序列相關(guān)圖

表4 最小二乘法參數(shù)估計(jì)結(jié)果

表5 殘差相關(guān)圖

最終可得模型為ARIMA(8,1,1)(1,1,0)，表4為相應(yīng)參數(shù)的估計(jì)值。故模型方程為：

(1-0.313B-0.268B2-0.151B7)(1+

0.536B182)xt=(1-1.03B)εt

利用模型對(duì)2012年12月1日～15日進(jìn)行預(yù)測(cè)。

由表6可以看出，預(yù)測(cè)結(jié)果比較接近實(shí)際情況。自2012年開(kāi)始對(duì)模型進(jìn)行研究，并應(yīng)用于我院實(shí)驗(yàn)室開(kāi)放實(shí)際中，一年以來(lái)，實(shí)驗(yàn)室開(kāi)放管理水平得到了很大提升。在毫不影響學(xué)生充分利用實(shí)驗(yàn)室設(shè)備的基礎(chǔ)上，為學(xué)院省下一部分財(cái)政支出，大大節(jié)約人、財(cái)、物的使用。減輕了工作人員的工作強(qiáng)度和工作時(shí)間。

3 結(jié) 語(yǔ)

ARIMA是一種計(jì)算簡(jiǎn)便、計(jì)算精度較高、使用范圍很廣的時(shí)間序列預(yù)測(cè)模型。季節(jié)性SARIMA 模型在原有模型的基礎(chǔ)上擴(kuò)展了對(duì)周期性序列的應(yīng)用，使其范圍更加廣泛。本文利用季節(jié)性SARIMA模型，采用EVIEWS軟件對(duì)實(shí)驗(yàn)室日常上機(jī)人數(shù)進(jìn)行預(yù)測(cè)分析，是我院實(shí)驗(yàn)室開(kāi)放管理的一部分，有效提高了實(shí)驗(yàn)室資源的利用率，方便學(xué)生學(xué)習(xí)，同時(shí)節(jié)省了資源，使我校的實(shí)驗(yàn)室管理水平又上了一個(gè)臺(tái)階。希望本研究對(duì)于其他學(xué)校實(shí)驗(yàn)室開(kāi)放管理給予一個(gè)啟發(fā)和借鑒。

表6 實(shí)際上機(jī)人數(shù)和預(yù)測(cè)人數(shù)對(duì)照表

[1] 蔡海燕,劉 昭.實(shí)驗(yàn)室信息化管理初探[J].實(shí)驗(yàn)室研究與探索,2010,29(11):373-375.

CAI Hai-yan,LIU Zhao.Discussion on the Information Management of Laboratory[J]. Research and Exploration in Laboratory,2010, 29(11):373-375.

[2] 王志軍,楊延軍.開(kāi)放式教學(xué)實(shí)驗(yàn)室實(shí)時(shí)監(jiān)控系統(tǒng)[J].實(shí)驗(yàn)室研究與探索,2011，30(1):158-160.

WANG Zhi-jun,YANG Yan-jun. Real Time Monitoring System for Open Teaching Labs[J]. Research and Exploration in Laboratory,2011, 30(1):158-160.

[3] Alon Gany. The role of laboratory experiments in engineering education [C]//Proc ASME 2008 9th Biennial Conference on Engineering Systems Design and Analysis (ESDA2008). Haifa, Israel, pp. July 2008:645-647.

[4] Richard Chiou, Michael Mauk, William Danley, Robin Kizirian. Innovative engineering technology curriculum integrated with web-based technology in robotics, mechatronics, and equality [C]//Proc ASME 2009 International Mechanical Engineering Congress and Exposition (IMECE2009). Lake Buena Vista, Florida, USA, pp. 2009: 369-376.

[5] Frank K. Lu, Philip K. Panicker, M. Byron Webb. Introducing modern laboratory experiences to mechanical and aerospace engineering students [C]//Proc ASME 2007 International Mechanical Engineering Congress and Exposition (IMECE2007). Seattle, Washington, USA, pp. 2007:443-452.

[6] 王法玉,張 樺.基于Web 與短信結(jié)合的實(shí)驗(yàn)室開(kāi)放管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 實(shí)驗(yàn)技術(shù)與管理, 2011,28(1):104-107.

WANG Fa-yu，ZHANG Hua. Design and Implementation of Laboratory Opening Management system based on Web and SMS[J]. Experimental Technology and Management,2011,28(1):104-107.

[7] 金 旗,裴昌幸,朱暢華.ARIMA 模型法分析網(wǎng)絡(luò)流量[J]. 西安電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2003(2):6-10.

JI Qi, PEI Chang-xing, ZHU Chang-hua. ARIMA analysis method in network traffic[J].Jouranl of Xidian University,2003(2):6-10.

[8] 王宏禹. 非平穩(wěn)隨機(jī)信號(hào)分析與處理[M]. 北京: 國(guó)防工業(yè)出版社, 1999. 293-307.

[9] 鄒柏賢,劉 強(qiáng).基于ARMA模型的網(wǎng)絡(luò)流量預(yù)測(cè)[J].計(jì)算機(jī)研究與發(fā)展,2002,39(12):1645-1652.

ZOU Bo-Xian, LIU Qiang. ARMA-BASED TRAFFIC PREDICATION AND OVERLOAD DETECTION OF NETWORK[J].Journal of Computer Research and Development, 2002,39(12):1645-1652.

[10] 楊建萍. 基于ARIMA 模型的用電量時(shí)間序列建模和預(yù)報(bào)[J]. 工程數(shù)學(xué)學(xué)報(bào), 2008,25(4): 611-615.

YANG Jian-Ping. ARIMA Time Series Modeling and Forecasting of Electricity Consumption[J]. Chinese Journal of Engineering Mathematics, 2008,25(4): 611-615.

[11] 漆 莉,李 革,李 勤. ARIMA 模型在流行性感冒預(yù)測(cè)中的應(yīng)用[J]. 第三軍醫(yī)大學(xué)學(xué)報(bào), 2007,29(3): 267-269.

QI Li,LI Ge,LI Qin. Applications of ARMA model on predictive incidence of influenza[J].Acta Academiae Medicinae Militaris Tertiae, 2007,29(3): 267-269.

[12] 韓 超, 宋 蘇, 王成紅. 基于ARIMA 模型的短時(shí)交通流實(shí)時(shí)自適應(yīng)預(yù)測(cè)[J]. 系統(tǒng)仿真學(xué)報(bào), 2004, 16(7): 1530-1532.

HAN Chao,SONG Su,WANG Cheng.A Real-time Short-term Traffic Flow Adaptive Forecasting Method Based on ARIMA Model[J].Journal of System Simulation,2004,16(7): 1530-1532.

[13] 周 鑫,張 錦,李 果，等.基于乘積季節(jié)模型的GPRS小區(qū)流量預(yù)測(cè)[J]. 計(jì)算機(jī)工程,2010,36(18):76-78.

ZHOU Xin, ZHANG Jin, LI Guo,etc.Traffic Prediction of GPRS Cells Based on Multiple Seasonal Model[J].Computer Engineering,2010,36(18):76-78.

[14] 張 蔚, 張彥琦, 楊 旭. 時(shí)間序列資料ARIMA 季節(jié)乘積模型及其應(yīng)用[J]. 第三軍醫(yī)大學(xué)學(xué)報(bào), 2002, 24(8): 955-957.

ZHANG Wei,ZHANG YAN-qi,YANG Xu.Model of multiple seasonal ARIMA and its application ot data in time series[J]. Acta Academiae Medicinae Militaris Tertiae, 2002, 24(8): 955-957.

[15] 張 偉, 張新波. 移動(dòng)GSM網(wǎng)話務(wù)量的ARIMA模型的建立及其預(yù)測(cè)[J]. 數(shù)學(xué)理論與應(yīng)用, 2008, 28(2): 70-74.

ZHANG Wei, ZHANGXin-bo. Modeling and predicting wirless GSM traffic load on the ARIMA model[J].Mathematical Theory and Applications, 2008, 28(2): 70-74.

[16] Geoge E,Box P. 時(shí)間序列分析預(yù)測(cè)與控制[M]. 顧嵐主, 范金城,譯. 北京: 中國(guó)統(tǒng)計(jì)出版社, 1997:125-126.