新型冠状病毒肺炎(COVID-19)疫情预测——基于残差自回归模型

目的:基于我国公开数据中有关新型冠状病毒肺炎(COVID-19)的死亡病例时机数据,预测以后的死亡病例。方法:结合时间序列理论,建立尚有确诊的时间序列的残差自回归模型。结果:残差自回归模型预测效果较好,有一定的参考价值。

基于SVM的广西宜居城市分类预测模型及R语言实现

本文根据宜居城市内涵建立宜居度评价指标体系,引入支持向量机(Support Vector Machine,SVM)理论,建立了C-classification类型和线性核函数结合的广西城市宜居分类预测SVM模型,并利用R语言实现分层随机抽样的技术,对训练集与测试集样本数据的随机性和差异性进行探究。模型结果显示:基于SVM理论的广西城市宜居度等级分类预测模型,可靠性强、预测准确率高,准确率高达92.86%。同时,城市宜居度等级分类预测模型程序化语言的实现,对保障工程后期的研究预测的可持续性具有参考意义。