基于乘法预测模型的装备维修器材消耗规律研究

为探索装备维修器材消耗规律、科学指导装备维修器材储备和供应,基于时间序列分析方法,构建了乘法预测模型,结合2005～2008年某装备保障的应用实例,对其维修器材消耗进行了预测研究.预测结果表明:预测值与历史真实数据接近,为现有装备消耗标准的完善和新装备消耗标准的制定提供了依据.

季节变动时间序列的两种新预测模型

对于季节变动时间序列提出了一种新的乘法分解模型,它可表示成年度变动因子、季节变动因子、总平均值和随机变动因子的乘积.然后在此基础上给出渐进预测模型和乘法预测模型,最后进行了实例分析.

两种模型预测北京市痢疾发病率的效果比较

目的比较Winters乘法预测模型和自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)两种模型对北京市痢疾发病率的预测效果,从而选择合适的预测方法。方法收集2007～2012年北京市痢疾分月发病率资料,分别运用Winters乘法预测模型和ARIMA模型进行建模,评估两种模型的预测效果,并用较好的模型预测2013年第一季度北京市痢疾发病率。结果以2012年数据验证两种模型的拟合情况,预测误差百分比比较,Winters乘法(1.13%)优于ARIMA模型(6.80%)。Winters乘法预测2013年1、2、3月痢疾发病率分别为1.82/10万、1.54/10万、1.85/10万。结论Winters乘法预测模型可以较好地反映北京市痢疾发病趋势,用于预测预警。

南充市2014~2018年空气首要污染物特征分析及其时间序列分析

利用2014~2018年南充市主城区空气质量指数(AQI)和同期气象因子的观测数据,分析南充市城区空气质量随时间的变化规律与其影响的因素。识别南充市城区首要污染物,利用Holt-Winters乘法模型预测主要污染物2019~2020年的数值,为南充市大气污染防治提供科学依据。结果表明:PM 2.5是影响AQI的主要因素,且PM 2.5数值具有逐年下降趋势和季节效应;2019年1~6月PM 2.5实测值与预测值之间的相对误差率在可接受范围内,得出Holt-Winters乘法模型预测效果较好并且适用于短期(1年内)的预测分析,进而对2019年7月~2020年6月进行PM 2.5值预测;PM 2.5、PM 10浓度降低,在夏季起重要因素的是降水量,在冬季起决定性因素的是大气污染防治措施。

近红外漫反射光谱法结合CP-ANN和PLS高通量分析草麻黄药材

目的:建立草麻黄药材的近红外漫反射光谱高通量分析方法。方法:测量草麻黄样品的近红外漫反射光谱(near infra-red diffuse reflectance spectra,NIRDRS),应用化学计量学技术进行光谱处理和数据预处理,分别建立并验证草麻黄药材的产地和采摘时间判别对向传播人工神经网络(counter-propagation artificial neural network,CP-ANN)模型及麻黄碱和伪麻黄碱含量预测偏最小二乘(partial least square,PLS)模型。结果:草麻黄药材的产地和采摘时间判别CP-ANN模型的验证样品预测准确率分别为100.0%和80.0%;麻黄碱和伪麻黄碱含量预测PLS模型的验证样品预测均方根误差(root mean square errors ofprediction,RMSEPs)小,分别为1.12和0.236,预测值与参考值的相关系数(correlation coefficients)大,分别为0.9721和0.9309。结论:采用所建方法能同时对草麻黄药材的产地和采摘时间进行准确判别,对其麻黄碱和伪麻黄碱的含量进行准确预测。该方法准确、快速,无需特殊的样品处理,也不使用化学试剂。