基于季节性ARIMA模型的短时交通流预测方法研究

综合道路特点、行驶时间和车辆的特征等信息,采用时间差值法筛除无效数据,剔除运营车数据;在通过序列分解与ADF-1平稳性检验后,提出基于季节性ARIMA模型的短时交通流预测技术,以探究该模型下车流量预测精度达到最佳预测效果时的最优采样间隔;采用AIC准则对参数寻优定阶,ADF检验和差分分析选择最优的差分阶层;为确保模型的可靠性,使用Ljung-Box Q检验进行白噪声检验。结果表明,时间间隔为15 min的车流量统计模型SARIMA(1,1,2)×(2,0,0)4在预测精度和稳定性方面均优于其他时间间隔和传统的ARIMA模型。同时,该方法也具有一定的通用性,可以应用于其他领域的短时流量预测。

ARIMA乘积季节模型及其在传染病发病预测中的应用

本文研究乘积季节模型在传染病发病情况预测中的应用,并探讨提高模型准确性和实用性的途径.以1980年1月至2000年7月江苏省肾综合征出血热发病资料建立模型,以2000年的发病资料作为模型预测效果的考核样本.首先采用差分方法对序列资料进行平稳化,然后进行定阶并估计参数,建立乘积季节模型,最后对预测结果进行检验和分析.从而更好地掌握未来疫情动态发展趋势.检验结果表明,用乘积季节模型对肾综合征出血热月发病情况的拟合结果满意,预测效果良好.

ARIMA乘积季节模型在我国甲肝发病预测中的应用

目的：应用求和自回归移动平均模型（ARIMA）乘积季节模型对我国病毒性甲型肝炎进行预测分析,为甲型肝炎的防治提供决策依据。方法：对1994~2012年我国甲型肝炎月发病数的历史疫情数据建立ARIMA乘积季节模型,应用Eviews 6.0软件进行模型拟合,对2013年上半年甲型肝炎的月发病数进行预测,并用实际数据评估模型预测效果。结果：ARIMA（1,1,0）（2,1,2）12模型较好地拟合了既往甲肝的实际发病序列,也获得了较好的预测效果。结论：ARIMA模型能够较好地模拟我国甲型肝炎的发病趋势,预测效果良好,可为甲肝疫情的防控提供一定的科学数据。

2004-2015年中国狂犬病发病数据ARIMA乘积季节模型的建立及预测

目的了解我国大陆地区2004-2015年狂犬病的发病情况,建立狂犬病发病的时间序列模型,利用模型进行短期预测,为狂犬病的预防和控制提供参考。方法通过查阅2004-2015年每月的《中华人民共和国卫生和计划生育委员会公报》,获得狂犬病发病的月统计数据,利用2004-2014年的数据建立ARIMA乘积季节模型,并利用建立的模型预测2015年数据,与实际发病数据比较。结果中国2004-2015年总计报告狂犬病25561例,年平均发病率为0.1592/10万,总计报告死亡病例22196例,年平均死亡率为0.1383/10万,2004年-2007年,狂犬病的发病人数和死亡人数逐年上升,2008年至2015年,持续下降。狂犬病具有一定的季节趋势,其中夏秋季节报告发病人数较多,而冬春季节发病人数较少。根据2004-2014年发病资料建立的最优时间序列模型为ARIMA(0,1,1)(0,1,1)12,模型预测2015年发病人数为764,相对误差7.73%。结论我国大陆地区狂犬病发病在2007年达到峰值之后,之后年发病率持续降低。ARIMA乘积季节模型能很好地拟合狂犬病发病的长期趋势和季节趋势,回代拟合和短期预测效果较理想。

基于ARIMA乘积季节模型的新疆喀什百日咳流行趋势分析

目的采用时间序列分析方法建立ARIMA乘积季节模型,拟合具有趋势性和季节性的2008-2015年新疆喀什地区百日咳的每月新发数量并作短期预测,为百日咳的预防与控制提供决策依据。方法以百日咳的每月新发病数为原始序列,用差分和季节差分方法对序列做平稳化操作,用具有季节性的自回归移动平均(ARIMA(p,d,q)(P,D,Q)s)模型拟合序列,根据ACF和PACF图对模型定阶并估计参数,再对模型及其参数进行显著性检验,应用残差和AIC和SBC进行评价,建立最优ARIMA乘积季节模型。结果用ARIMA(2,1,2)(0,1,1)_(12)模型模拟2008年1月-2015年6月百日咳每月新发数量,模拟的MAPE=52.05,值稍偏大,但在可接受的范围内。再用该模型预测出2015年7-12月的百日咳每月新发数量,MAPE=18.05,模型预测效果较好。最后用该模型预测2016年的百日咳每月新发病数,发现2016年新疆喀什百日咳新发病数仍处于较高水平,最大值出现在8月,新发病数为87(28,146)。结论 ARIMA(2,1,2)(0,1,1)_(12)模型可用于拟合并且短期预测新疆喀什地区百日咳新发数量,为相关政府部门提供可靠信息。

时间序列资料ARIMA季节乘积模型及其应用

目的 用ARIMA季节乘积模型 (p ,d ,q) (P ,D ,Q)s对季节性时间序列资料建模并预测 ,并与指数平滑法进行比较 ,考察ARIMA乘积模型的预测效果。方法 用Box Ljung统计量评价ARIMA模型的拟和度 ,用平均预测相对误差作为预测效果的评价指标。结果 对所分析的季节性时间序列建立了乘积ARIMA(0 ,1,1)× (0 ,1,1) 12 模型 ,平均预测相对误差为 4 89% ,指数平滑法的平均预测相对误差为 8 14 %。结论 对所分析的时间序列 。

ARIMA乘积季节模型在上海市甲肝发病预测中的应用

目的应用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型分析季节性时间序列,建立上海市病毒性甲型肝炎发病率的预测模型。方法利用上海市1990年至2011年甲肝按月发病数的历史疫情数据,采用非条件最小二乘法估计模型参数,模型阶数确定后,建立甲肝按月发病数ARIMA乘积季节预测模型。结果非季节和季节移动平均的参数分别是0.6341和0.9999,季节自回归的参数是0.4059,t检验的P值均<0.0001,方差估计值是0.1593,AIC=282.1478,SBC=292.7242,对建立的模型进行残差的白噪声检验,χ2检验统计量的P值均>0.05,据此建立ARIMA(0,1,1)(1,1,1)12NOINT乘积季节模型,模型表达式(1-0.405 9B12)(1-B)(1-B12)Yt=(1-0.634 1B)(1-0.999 9B12)εt,并开展上海市甲肝发病数的预测。结论 ARIMA(0,1,1)(1,1,1)12NOINT乘积季节模型可用于预测上海市病毒性甲型肝炎发病的季节模型。

基于乘积季节ARIMA模型的供热负荷预报

针对传统的供热调度缺乏对未来供热量进行有效估计这一问题,提出一种基于乘积季节ARIMA模型的供热负荷预报方法.将乘积季节ARIMA模型引入供热负荷预报,通过分析供热负荷数据其固有的趋势和周期性,建立适宜的季节性ARIMA模型,预测未来24小时的供热负荷.采用大庆地区某热力站的供热数据进行建模和仿真预测,其结果的最大误差为3.14%,日预报平均误差为1.45%.实验结果表明,给出的预报结果真实可靠,能够满足供热工程的实际需求,其预报值将成为供热负荷调度和节能的重要依据.

恶性肿瘤住院量与住院费用的ARIMA乘积季节模型预测研究

目的探讨自回归求和移动平均(ARIMA)乘积季节模型在恶性肿瘤住院量与住院费用中的应用,为医院恶性肿瘤业务管理提供科学依据。方法收集某院2007-2016年逐月恶性肿瘤住院患者资料,采用ARIMA乘积季节模型对2007-2015年逐月恶性肿瘤的住院人次和住院费用进行模型拟合,用2016年逐月数据评价其预测效果,并预测2017年恶性肿瘤逐月住院人次与住院费用。结果 ARIMA(0,1,1)(1,1,0)_(12)是恶性肿瘤住院人次与住院费用的最佳拟合预测模型,拟合相对误差分别为1.1%和1.47%。根据ARIMA(0,1,1)(1,1,0)_(12)预测结果,2017年恶性肿瘤住院量将达7631人次,住院费用将达3.36亿元。结论 ARIMA季节乘积模型能很好地应用于医院业务管理预测中。

ARIMA乘积季节模型预测我国戊肝的发病趋势

目的:根据戊型肝炎(戊肝)季节性、趋势性流行现象,建立求和自回归移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型对我国戊肝发病进行预测。方法:应用SPSS23.0软件对2004年1月—2018年6月我国戊肝传染病疫情月度数据建模,对2018年下半年戊肝发病数进行预测,以该时段疫情数据评估模型的预测效果。结果:将ARIMA(2,1,0)(0,1,1)12和ARIMA(0,1,2)(0,1,1)12两个模型预测的平均值作为预测值,预测结果的平均相对误差为4.69%,标准差为3.27%。结论:ARIMA乘积季节模型拟合及预测效果良好,能够较好地描述该时段我国戊肝的发病趋势,为戊肝预防控制措施的制定以及卫生资源的合理配置提供一定的科学依据。

基于ARIMA的乘积季节模型在城市供水量预测中的应用

随看我国经济快速增长、居民收入水平的显著提高,城市供用水量快速增长。本文以成都市2006年至2010年2月供水量数据为基础,在剔除了长期趋势及季节因素后,对其残差序列进行分析和识别,建立了城市月供水量的乘积季节模型ARIMA(3,1,1)(1,1,1)12,并根据此模型对2010年全年月供水量进行预测,拟合效果良好。

ARIMA乘积季节模型在河南省风疹疫情预测中的应用

目的建立自回归求和移动平均(ARIMA)乘积季节模型,探讨其在河南省风疹发病趋势预测应用中的可行性。方法收集河南省2004—2013年报告的各月风疹病例数,建立ARIMA乘积季节模型,用2014年1—12月报告的风疹病例数,验证模型预测效果。结果河南省2004—2013年报告的风疹病例数呈现明显的季节效应,2009年前呈现逐年增多的趋势,2009年后呈现逐年减少的趋势;模型ARIMA(1,0,0)(0,1,1)12能较好的拟合既往的风疹病例数,且对2014年1—12月份风疹病例数的预测值与实际值基本吻合。结论 ARIMA乘积季节模型对河南省风疹发病趋势的预测具有可行性。

ARIMA乘积季节模型在医院门急诊人次预测中的应用

目的用ARIMA乘积季节模型(p,d,q)(P,D,Q)s预测门急诊人次,为医院管理策服务。方法数据源于某院HIS,选取2002年1月—2014年10月逐月门急诊人次数据,其中2002—2013年各月数据用于建立模型,2014年1—10月数据用于验证所建立的模型,然后用所建立模型预测2015年门急诊人次。用平均相对误差绝对值(MAPE)评价模型的预测精度。结果建立了ARIMA(2,1,1)(0,1,1)12模型,模型预测的MAPE为7.01%,2015年门急诊人次预测值为550 121。结论 ARI-MA乘积季节模型(p,d,q)(P,D,Q)s预测医院门急诊人次的效果理想,可以为医院管理者提供有价值的信息。

张家川支气管肺炎月发病率的季节性ARIMA模型

医学卫生领域,疾病受到许多因素的影响,很难用结构式因果模型加以解释,根据其自身变动规律建立时间序列的动态模型则是一种行之有效的方法。据此,本文研究了季节性模型在张家川地区支气管肺炎月发病率中的应用。利用2001年9月至2006年7月张家川地区支气管肺炎月发病率资料绘制出时序分布图,观察到该疾病高发在每年12月左右,且有季节性趋势;作偏相关和自相关图,根据模型定阶原则,且残差没有自相关性,进行时间序列模型拟合;最终得到时间序列模型ARIMA(1,0,1)×(2,1,1)12,及其相关数学表达式(1-0.517B)(1+0.784B12+0.137φ2B24)(1-B)12Δ11Zt=(1+0.196B)(1+0.876B12)at,并进行实际值与预测值的比较,估计值虽然与实际值有差异,但基本趋势一致。因此,应该充分考虑各时间段的发病特征,以便更有重点地进行健康防治,有效降低支气管肺炎对人类的危害,保障人类的生活品质。

ARIMA乘积季节模型在食源性疾病月发病率预测中的应用

目的探讨ARIMA乘积季节模型在食源性疾病发病率预测中的可行性,并预测食源性疾病的月发病率趋势.方法对云南省2004年1月至2010年12月食源性疾病月发病率资料建立ARIMA乘积季节模型,利用2011年月发病率资料进行回代,预测2012年食源性疾病月发病率趋势.结果 ARIMA(0,1,1)×(0,1,1)12的BIC值最小,可以认为该模型的拟合优度相对最优;对该模型的残差进行白噪声检验,QLB(18)为20.225(P=0.210),提示残差属于白噪声.结论 ARIMA乘积季节模型可以用于食源性疾病月发病率趋势的拟合和预测.

中国肺结核发病趋势的ARIMA乘积季节模型构建

目的根据我国肺结核发病趋势和流行病学特征,建立ARIMA乘积季节模型并进行预测。方法采用SPSS 25.0软件,对2004—2018年肺结核发病月度数据建模,预测2019年各月发病数,并与实际数据对比,分析预测效果。结果构建的ARIMA(2,1,0)(2,1,1)12模型的拟合系数R^(2)=0.762,拟合度较高,残差序列的白噪声通过检验。预测结果的平均绝对误差百分比(MAPE)为7.17%,且在3月、10月关键节点处,预测误差仅为4.61%、2.5%。结论构建的ARIMA乘积季节模型拟合及预测效果良好,能较好地描述我国肺结核的发病趋势,为防控物资储备和人员安排提供数据支持。

基于季节性ARIMA模型的居民消费水平预测

文章以居民消费价格指数(CPI)的短期预测作为切入点,采用定量的时间序列分析方法,建立季节自回归综合移动平均(季节性ARIMA模型)模型对CPI时间序列进行量化分析。首先阐述基于该模型的CPI预测的一般过程,即:平稳化处理、差分变换的阶数辨识、参数估计,时间序列模型的构建,然后对模型进行性能检验,确定较适合的季节自回归综合移动平均模型,最后在实证分析中探讨经济变量CPI与时间变量之间的变动规律,对CPI时间序列进行适当的差分处理,取得了较为理想的预测效果。

基于季节性ARIMA模型的中国CPI序列分析与预测

CPI是衡量一国宏观经济运行状况的重要参考指标之一,国际上通常用CPI来反映通货膨胀的程度,它是一国制定宏观经济政策、分析债券市场、货币市场和央行公开市场操作的重要参考依据。对CPI的准确预测能为我国货币政策的制定提供一定的依据。文章以CPI时间序列为样本,旨在从其内在动力机制出发,选择季节性ARIMA模型,找寻CPI的变化规律并加以预测。

基于ARIMA乘积季节模型的苏州市介水传染病发病预测研究

目的探讨运用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型对苏州市介水传染病发病率进行预测。方法利用R软件对苏州市2008年1月—2015年12月的介水传染病发病率数据进行拟合,构建ARIMA乘积季节模型,对苏州市2016年1—6月介水传染病的发病率进行预测。结果构建了ARIMA(2,1,2)×(0,1,1)_(12)乘积季节模型,模型Ljung—Box检验差异无统计学意义(Q=18.478,P=0.779),模型适用于短期预测,2016年1—6月苏州市常见介水传染病实际发病率均在预测结果95%可信区间内,预测结果相对误差的平均值为-0.024。结论ARIMA(2,1,2)×(0,1,1)_(12)季节乘积模型可用于苏州市介水传染病发病率的短期预测。

基于ARIMA乘积季节模型的某医院介入导管室手术量预测研究

目的探讨ARIMA乘积季节模型在某医院介入导管室手术量预测中的应用价值,为合理配置医务人员和医疗资源、推动介入手术科学管理提供参考。方法先用Eviews 9.0软件建立手术量的ARIMA乘积季节模型,再用2010年1月至2018年12月的手术量数据对模型进行检验和拟合,并对2019年4个季度的手术量进行预测。结果建立的手术量预测模型为ARIMA(2,0,1)12,MAPE=9.4621,Theil不等系数为0.0578,BP=0.0571,VP=0.024,CP=0.9188,预测2019年4个季度手术量分别为1172台、1062台、1112台、1164台,实际为1028台、1084台、1208台、1243台,实际值与预测值的拟合情况较好,预测的手术量与实际序列趋势基本相同,全年平均相对误差在5%以内。结论ARIMA乘积季节模型在介入手术量预测上具有较高的应用价值,可以对介入导管室手术量及变化趋势进行科学预测,可作为加强手术管理、合理安排医务人员和医疗资源的重要依据。