崔柯—利茨自适应指数平滑法在医院管理中的应用探讨

目的 探讨崔柯—利茨自适应指数平滑法预测模型在医院管理中的应用价值。方法 由于医疗保障制度改革的影响,某医院2003~2004年门诊诊次数据出现了陡然下降的剧烈变化,其时间序列呈阶梯型。采用崔柯—利茨自适应指数平滑法对该院2008年门诊诊次进行统计预测。结果 利用该院1998~2007年门诊诊次数据建立预测模型,当时间序列急剧变动时,崔柯—利茨自适应指数平滑法建模所得预测值能够较快跟上时间序列的变动。本模型预测该院2008年门诊诊次为25.67万人次,2008年实际值为26.45万人次,绝对误差0.81万人次,相对误差2.95%,预测效果满意。结论 崔柯—利茨自适应指数平滑预测模型适用于数据结构发生剧烈变化的时间序列的统计预测,特别适用于阶梯形数据,是可供医院统计预测选用的模型之一。

一种改进的自适应指数平滑预测模型

一种改进的自适应指数平滑预测模型张琳（财经学院）一、引言指数平滑法是短期经济预测中一种极为有效的方法。在运用指数平滑法时，如何确定平滑系数α是提高预测精度的关键，在一般的指数平滑法中，α─旦确定，在预测过程中就不能随意改变，这样的α不能及时反映预测目...

指数平滑法应用体会

指数平滑法是时间序列预测技术中的重要方法,由于它在计算上比较简单,需要的历史数据有一定的伸缩性,因而有着较大的适应性,目前我们在预测中比较容易遇到的一个问题是历史数据不全,尤其是各相关因素的历史数据不全,在这种情况下并应用回归模型、计量经济模型……等预测方法就会有一定困难,

一种遥测数据短期预测方法

为实现遥测数据的快速和高精度预测,针对遥测数据的非平稳性特点,提出一种基于小波分析和自适应指数平滑法的建模方法.该方法引入小波分析技术对遥测数据非平稳序列进行分解和重构,将原始非平稳遥测数据序列分解为较平稳的序列.利用对传统的指数平滑法改进后的自适应指数平滑法和周期自回归模型(PAR模型)建立短期预测模型,并对太阳翼输出功率数据的未来趋势进行预测分析.实验结果表明预测曲线与实际曲线吻合效果理想,该方法能够有效的解决遥测数据的短期预测问题.

非典型的时间序列预测法的选择与运用

预测成功与否也取决于对各种模型的正确选择与灵活运用。非典型时序在实际中普遍存在，但不恰当的选择与运用模型，会导致模型无法客观反映实际，影响预测效果甚至带来负面影响。在对现象的分析研究基础上建立模型、检验模型显得至关重要。

最优加权几何平均组合预测在短期电价预测中的应用

准确的短期电价预测可为市场参与者的竞价策略提供指导,直接影响着参与者的利益。针对电价预测的精确度问题,引入了最优加权几何平均组合预测方法,它综合利用了二次指数平滑、自适应模糊神经网络和修正的灰色模型三种方法提供的有用信息,并且该组合预测模型的误差平方和小于各单一预测方法的误差平方和,因此进一步提高了预测结果的准确性。最后用算例验证了该组合预测方法的可行性。