基于数据挖掘及自回归积分移动平均模型预测的医用耗材库存智能化管理研究

目的:基于自回归积分移动平均(ARIMA)构建医用耗材ARIMA模型,为医用耗材库存管理中的各项决策提供技术支持。方法:采用数据挖掘技术中的时间序列分析方法对医用耗材库存进行预测,通过构建医用耗材ARIMA模型分析医用耗材库存变化趋势,预测未来一段时间内医用耗材库存可能出现的结果。选取2018-2021年医院医用耗材每月库存数据,根据2018年1月至2021年7月医院医用耗材每月的库存数据构建医用耗材ARIMA模型,对2021年8-12月的医用耗材每月库存数据进行模型验证和数据预测。结果:建立的医用耗材最优模型为ARIMA(5,1,2)(1,1,1),模型平均绝对误差为7.46%;采用该模型预测2021年8-12月的医用耗材库存量与实际医用耗材库存量比较接近,平均绝对百分比误差(MAPE)为2.075%,模型拟合效果较好。结论:基于数据挖掘技术构建的医用耗材ARIMA模型,可指导决策者根据预测值对医用耗材进行采购,一定程度上降低医用耗材积压率和断货率,减少客观因素引起的医用耗材损耗率。

基于支持向量机和自回归积分滑动平均模型组合的血糖值预测

根据动态血糖监测系统采集糖尿病患者血糖值,有效预测血糖值是治疗糖尿病的前提。为了预测糖尿病患者未来一段时间内的血糖值,本文根据最小方差将支持向量机(SVM)和自回归积分滑动平均(ARIMA)进行组合得到新的预测模型。为了验证本文方法的有效性,采用多组临床实验数据进行实验,同时对比ARIMA模型、SVM模型、神经网络模型结果。实验结果表明本文方法预测血糖值精度明显提高,弥补单一预测模型方法的不足,发挥了两种模型各自优势。

基于自回归积分滑动平均模型的可转移负荷竞价策略

研究了在较成熟的电力市场环境下,可转移负荷在日前市场和实时市场的最优竞价策略。在最优报价计算过程中,必须满足可转移负荷在截止时间内完成运行一定的电能消耗的约束条件。考虑到传统平均值短期负荷预测结果存在偏差,提出了一种基于自回归积分滑动平均模型的可转移负荷最优竞价策略,通过历史电价的变化特征估计模型的参数,从而预测第二天的日前电价和实时电价曲线,并以此为依据优化竞价策略。在此基础上,考虑功率限制,提出了基于贪心算法思想的电能竞价自动调整算法。通过实际电价数据进行计算,验证了此策略比单纯利用历史数据的期望值作为模型参数为购电者节省了更多购电费用,并能够有效完成竞价调整,以满足各个周期的功率限制。

乘积季节自回归积分滑动平均模型在长沙市手足口病发病率预测中的应用

目的:建立长沙市手足口病发病率的乘积季节自回归积分滑动平均模型(autoregressive integrated moving average model,ARIMA),探讨乘积季节ARIMA模型在手足口病疫情预测的可行性。方法:运用EVIEWS 6.0软件对长沙市2008年5月至2013年8月的手足口病发病率资料建立乘积季节ARIMA模型,以2013年9月至2014年2月的发病资料作为模型预测效果的检验样本,最后再用所得到的模型对2014年3月至2014年8月的月发病率进行预测。结果:经过序列平稳化、模型识别以及模型诊断后,建立乘积季节ARIMA模型(1,0,1)×(0,1,1)12,模型拟合度R2=0.81,预测均方根误差为8.29,平均绝对误差为5.83。结论:乘积季节ARIMA模型是一种较好的预测模型,所建模型拟合度较好,能为手足口病的防治工作提供参考。

回归积分在研究树木生长与气候关系中的应用

本文应用回归积分方法。

多元回归积分在农业气候分析中的应用

1924年英国学者Fisher.R.A在研究Rothamsted试验站历年冬小麦产量与降水量分布的关系时,提出了回归积分的概念。这一方法,以后在许多国家得到应用。截止目前一元回归积分还仅限于分析单因子与作物产量形成的关系;但在农业气候分析中尚有一定的局限性。为此,我们根据该方法原理,并结合大量的试验资料。

基于自回归积分滑动平均模型的玉竹价格预测分析

通过网络爬虫技术和文献搜集采集了2010年1月至2018年9月湖南省玉竹统条月度价格数据;首先对数据进行了平稳性检验,获取平稳时间序列的阶数值;再采用自回归积分滑动平均模型(ARIMA),求取平稳时间序列的自相关和偏相关系数,初步判断模型的p、d、q值;通过对模型参数的比较分析,得出最适合玉竹价格预测的模型,并通过残差序列检验模型的相关性;最后对2019年湖南省玉竹价格走势进行预测,结果显示玉竹价格在2019年呈下降趋势,但其下降幅度相对平稳。

多元回归积分及其在农业气候分析中的应用

本文根据对一元回归积分原理进一步理解的基础上，结合大量的实践与试算，提出了多元回归积分的概念和计算方法。利用上方法计算了汉中地区农科所的水稻产量及光温资料，所得光温回归积分函数曲线与汉中盆地水稻生产实际相吻合。文章最后在综合国内外生产潜力方法的同时，给出了利用光温回归积分函数曲线与各时段的偏差计算光温生产潜力的公式。

基于自回归积分滑动平均模型的日前电价预测

常见的电价预测模型一般建立在时间序列法和神经网络法的基础上。本文将小波变换与自回归积分滑动平均模型结合起来得到小波ARIMA模型并使用该模型进行预测,相对其他时间序列方法,自回归积分滑动平均模型在处理电价这类非平稳时间序列时有更好的表现。经过预测误差的对比分析可以得知小波ARIMA模型的预测效果要优于传统的ARIMA模型。

水稻生产受气象因素影响的动态评估方法——回归积分法

采用多要素回归积分的差分式方法可实现水稻生产受气象因素影响的动态评估。以金堂县水稻生产和气象因素资料为例,建立了差分式回归积分法,讨论了评价方法的可行性,介绍了评估方法的操作步骤及应用范围。

R语言时间序列和自回归积分滑动平均模型预测麻醉耗材领用的研究

目的运用自回归积分滑动平均模型(ARIMA)建立适合的老年患者特色手术科室耗材领用支出的医学经济学模型,预测麻醉科耗材需求的变化趋势。方法采用R软件对本院麻醉科2013年1月—2019年12月耗材领用支出数据建立ARIMA模型,将2020年1—12月耗材领用支出的实际值与预测值分别进行比较,评价模型的预测性能。结果本院麻醉科耗材领用支出在每年2月出现最低值,5月呈现最高峰。建立ARIMA(0,1,1)(0,0,1)[12]模型对麻醉科耗材需求进行预测,ARIMA模型较好地拟合和预测了周期性波动。ARIMA(0,1,1)(0,0,1)[12]模型预测的耗材支出在2020年1—12月会有小幅波动。结论ARIMA(0,1,1)(0,0,1)[12]模型较好地拟合了麻醉科的耗材需求,有助于优化科室决策支持系统及老年择期手术患者围术期护理管理。

自回归积分移动平均模型在长沙市白纹伊蚊密度预测中的应用

目的探讨自回归积分移动平均(autoregressive integrated moving average,ARIMA)模型在长沙市三种方法监测白纹伊蚊密度预测中的应用,预测密度增长趋势。方法收集整理长沙市2007年1月—2023年7月诱蚊灯法及2016年1月—2023年7月双层叠帐法、布雷图指数法监测白纹伊蚊密度数据,采用2007年1月—2022年12月诱蚊灯法监测数据、2016年1月—2022年12月双层叠帐法及布雷图指数法监测数据,应用R4.3.0软件分别构建季节性ARIMA模型,将2023年1—7月的三种方法监测数据实际值与预测值进行比较评价,预测2023年8—11月密度。结果对三种方法监测白纹伊蚊密度分别构建了最佳模型ARIMA(0,0,1)(2,1,2)12、ARIMA(0,1,1)(0,1,1)12及ARIMA(0,1,0)(1,0,2)12,模型赤池信息准则值及贝叶斯信息准则值均达到最低,且较好地拟合了既往密度序列,残差Box-Ljung检验为白噪声(P>0.05),可用于白纹伊蚊密度预测,预测2023年8—11月诱蚊灯法白纹伊蚊密度平均值为0.56只/(灯·夜),预测2023年8—10月帐诱指数及布雷图指数平均值为1.67只/(帐·h)及21.75,均高于2022年同期密度平均值:0.43只/(灯·夜)、0.72只/(帐·h)及3.67。结论ARIMA模型对长沙市三种方法监测白纹伊蚊密度数据构建的最佳模型拟合效果较好,可用于白纹伊蚊密度的短期预测,预测2023年下半年白纹伊蚊密度较2022年同期有增高趋势,应采取措施加大伊蚊密度控制力度。

自回归积分移动平均模型在长沙市蝇密度预测中的应用

目的构建长沙市蝇密度自回归积分移动平均模型(ARIMA),并对2023年1-12月蝇密度进行预测。方法应用R 4.3.0软件对2005年1月-2022年6月的蝇密度数据构建ARIMA模型,将2022年7-12月预测值与真实值进行比较,进行模型预测效果评价,进而对2023年1-12月蝇密度进行预测。结果采用ARIMA模型对2005年1月-2022年6月蝇密度监测数据构建,选取最佳模型为ARIMA(1,0,0)(0,1,1)_(12),其赤池信息准则(AIC)值及贝叶斯信息准则(BIC)值均最低,分别为986.50及996.37;模型残差序列为白噪声,模型有效;预测2022年7-12月的蝇密度与实际密度基本一致,实际监测值均落入了预测值的95%置信区间内,均方根误差(RMSE)为0.649,平均绝对误差(MAE)为0.522,可用于短期蝇密度预测。利用该模型预测2023年1-12月蝇密度,其密度平均值为2.89只/笼,低于2005-2022年平均密度(3.22只/笼),高于2022年平均密度(1.20只/笼)。结论ARIMA(1,0,0)(0,1,1)12模型对长沙市蝇密度数据的拟合效果较好,可用于蝇密度的短期预测,为预防控制蝇类危害事件及蝇传疾病提供依据。

基于自回归积分滑动平均模型对中药材三七价格预测的讨论

该文在分析三七价格波动的基础上,以2004年1月—2015年8月近10年120头三七的价格数据为基础,采用自回归滑动平均模型[ARIMA(p,d,q)],对2015年9月—2016年8月120头三七的价格进行预测。在确定模型形式的过程中,对价格数据进行平稳性检验,以确定模型的p,通过自相关函数和篇相关函数识别模型的p和q,根据确定的模型形式,对模型进行检验,确定预测误差最小的模型。该文采用ARIMA(2,1,3)模型预测三七未来一年的价格,供种植三七的药农、以三七为原材料的药企等参考。

基于R语言自回归积分移动平均模型的广州市白纹伊蚊密度预测研究

目的构建广州市白纹伊蚊密度自回归积分移动平均模型(ARIMA)并进行预测。方法应用R语言3.4.4将2009年1月至2017年5月的白纹伊蚊月密度数据构建ARIMA模型,进行整体回代评价拟合效果,比较2017年6-12月预测值与真实值,评价外推效果,对2018年白纹伊蚊密度进行预测。结果白纹伊蚊密度监测数据构建ARIMA(0,1,1)(0,1,1)12模型,赤池信息准则(AIC)=-268.83,平稳R2=0.427;残差序列为白噪声(P>0.05),且方差齐性,证明模型有效;2017年6-12月预测值与实际值基本一致,均方根误差(RMSE)=0.087 4,平均绝对误差(MAE)=0.028 3,模型外推良好。结论 ARIMA模型能够较好地预测广州市白纹伊蚊密度消长趋势。

基于R语言自回归积分移动平均模型在长沙市三带喙库蚊密度预测中的应用

目的构建长沙市三带喙库蚊自回归积分移动平均模型(autoregressive integrated moving average,ARIMA)并进行预测。方法应用R语言3.3.2将2007年1月~2015年6月的三带喙库蚊密度数据构建ARIMA模型,比较2015年7~12月预测值与真实值,对2016年三带喙库蚊密度进行预测。结果三带喙库蚊密度监测数据构建ARIMA(1,1,1)×(1,1,0)12模型,赤池信息准则(AIC)值为487.98,经检验残差为白噪声(P>0.05),模型有效。2015年7~12月预测值与实际值基本一致,均方根误差(RMSE)=3.021,平均绝对误差(MAE)=2.132,模型外推良好。结论ARIMA模型在三带喙库蚊密度短期预测方面有一定可行性。

保定市8种乔灌木开花始期对气候变化响应的积分回归分析

基于1986—2011年保定市气象和物候观测资料,运用积分回归法研究常见的8种乔灌木开花始期对气候变化的响应,并建立开花始期积分回归预测模型。结果显示：保定市8种乔灌木的开花始期受气温、降水量和日照等3种气候要素的共同影响,但各气候要素影响作用的大小不同,总体表现为气温〉降水〉日照。不同气候要素对各树种开花始期的影响方式、＂驱动＂力度与时俱变。在开花始期前几个月,各气候要素对物候影响的正负效应同时出现;除榆树和栆外,其他6个树种开花始期前几天的气温对开花始期的影响均为负效应。利用积分回归法建立的多变量预测模型具有较高的精度。对开花始期模拟的结果显示,当3月中旬气温改变1℃,降水量改变1 mm,日照时长改变1 h,8种乔灌木开花始期将改变约0.1~1.6 d。

基于积分回归法黑龙江省作物产量动态预报研究

由于积分回归法生物学意义明确,预报效果较好,已成为一种新的作物产量动态预报方法。为了完善黑龙江省主要作物的动态预报方法,提高作物单产的预报准确率,本文利用积分回归方法,随机选取以县为单元的研究对象,开展黑龙江省多种作物积分回归产量动态预报模型的适用性研究。结果表明:建立的黑龙江省6月下旬至9月下旬春玉米、大豆和水稻积分回归产量动态预报模型均通过了F的显著性检验,作物产量预报的平均差MD和相对误差RE均未通过显著性检验,表明建立的春玉米、大豆和水稻产量预报模型的预报效果较好;其中春玉米和水稻产量预报模型的预报准确率较高,模型预报的单产与实际单产的一致性较好。通过对2011—2014年黑龙江省作物单产进行试报和检验,发现春玉米、水稻和大豆单产的预报准确率平均为96%、95%和93%;表明积分回归方法对黑龙江省大豆单产预报的适宜性略差,积分回归法适用于黑龙江省水稻和春玉米单产的预报。基于积分回归法的原理,可以在黑龙江省开展春玉米和水稻单产的动态预报,并继续开展大豆产区积分回归产量动态预报的适用性研究。

基于积分回归法甘肃省冬小麦产量动态预报

冬小麦是甘肃省主要粮食作物之一,开展甘肃省冬小麦产量动态预报对全省粮食生产和粮食安全具有重要意义.利用1985—2013年甘肃省冬麦区16个地面气象观测站逐日气象资料和冬小麦产量资料,基于积分回归原理以旬为时间尺度,分析了影响陇中、陇东、陇南地区冬小麦生产的主要气象要素和关键时期,并分别建立了3月下旬、4月下旬和5月下旬甘肃省冬小麦产量动态预报模型.结果表明:降水和温度对甘肃省冬小麦气象产量影响较大,其中降水量增加对各冬麦区基本均为正效应,尤其在麦田休闲期和返青拔节期更显著;苗期—越冬前期和拔节期—孕穗期气温升高对冬小麦为负效应,越冬后期—返青起身期气温升高对陇中和陇东冬麦区正效应较明显.通过近5 a试预报检验表明,建立的冬小麦动态产量预报模型平均预报准确率达96%以上,可满足业务服务的需要.