基于间断时间序列法分析国家组织药品集中采购政策对中选更昔洛韦和恩替卡韦临床应用的影响

目的探讨国家组织药品集中采购(NCDP)政策对中选更昔洛韦和恩替卡韦临床应用的影响。方法采用药品管理信息系统收集山西省5家三级甲等医院2019年1月至2022年6月更昔洛韦和恩替卡韦的相关信息,采用间断时间序列方法分析实施NCDP政策前后更昔洛韦和恩替卡韦月采购量与月采购金额的变化。结果实施后,更昔洛韦和恩替卡韦的价格均下降,同时带动同通用名、不同厂家、不同规格的药品价格下降;更昔洛韦和恩替卡韦月采购量整体均呈上升趋势(β_(1)+β_(3)=15.714,P>0.1;β_(1)+β_(3)=0.800,P<0.01),平均月采购量分别约为NCDP政策实施前的1.85倍和3.69倍。实施后,更昔洛韦月采购金额仍呈上升趋势(β_(1)+β_(3)=988.738,P>0.1),比实施前增加了10664.11元;恩替卡韦月采购金额呈下降趋势(β_(1)+β_(3)=-710.216,P>0.1),比实施前节省了411570.57元。结论实施NCDP政策后,药价普遍降低,减轻了患者的用药负担,导致医疗机构用药发生改变,中选药品使用量增加。

基于时间序列法的建筑钢材造价预测研究

建筑工程造价是建筑工程项目管理的核心。目前,有关建筑工程造价预测的研究方法较多,其中时间序列法的应用较为广泛,且该方法中定性研究与定量研究的应用情况不尽相同。采用时间序列法中的定量研究法,利用SPSS及Python软件进行数据统计,得出的工程造价预测结果更为精准。时间序列法减少了因时间等因素而造成的误差,且操作和计算简便快捷,能提高建筑工程造价预测计算的效率,有助于建筑工程项目的成本管理及物资管控。

时间序列法下三种数据预测模型的准确性对比分析——基于我国新能源汽车行业整体市场需求预测

需求预测一般是针对未来一定时间内,企业或用户对产品或服务的需求数量和需求金额的估计。而供应链需求预测是进行供应链计划管理的首要任务,是制订供应链需求与供应计划以及进行供应链库存计划与控制的前提。目前在市场需求预测中常用的有两大类方法:一类是定性预测法,主要包括:德尔菲法、头脑风暴法等,本文暂不使用该类方法探讨。另一类是定量预测法,主要包括:时间序列法、因果联系法。本文将重点对比分析时间序列法中的三种不同方法的实际运用:简单移动平均法、加权移动平均法、指数平滑法。在加强排放法规、加大新能源汽车财税优惠、加速产业布局等举措下,我国新能源汽车市场呈现快速增长态势,成为全球新能源汽车增长的重要推动力,但也存在市场波动、经济发展、技术进步、地缘政治等各种不确定性因素的干扰。本文结合历史数据,主要利用三种时间序列模型对中国新能源汽车行业某一月份的市场需求预测值进行对比分析,找出预测精确性更高的模型方法。因考虑到各家新能源汽车22年月度数据不完整性,故而使用行业协会提供的全行业的历史供需数据作为分析样本,这就需要忽略作为企业实体的个性化因素。

基于小波分析法与滚动式时间序列法的风电场风速短期预测优化算法

为实现风电场风速的超前多步高精度预测,提出一种基于小波分析法与滚动式时间序列法混合建模的优化算法。该优化算法引入小波分析法对风电场实测非平稳风速序列进行分解重构计算,将非平稳性原始风速序列转化为多层较平稳分解风速序列,利用对传统时间序列分析法改进后的滚动式时间序列法对各分解层风速序列建立非平稳时序预测模型,并通过模型方程实现超前多步滚动式预测计算。仿真结果表明:该优化算法实现了风速的高精度短期多步预测,将传统时间序列分析法对应超前1步、3步、5步的预测精度分别提高了54.22%,26.44%和19.38%,其预测的平均相对误差分别为1.14%,3.06%和4.41%;优化算法具有较强的细分与自学习能力。

时间序列法短期负荷预测准确度上限估计

在依据时间序列统计性质的短期负荷预测的准确度上限估计研究上 ,根据 Chaitin定理的思想以及采样定理 ,得出的新看法有 :特定周期采样负荷序列的预测准确度上限 ,应该在更短周期的负荷采样序列中进行估计。在准确度上限计算时使用低通滤波器来提取高频成分 ,不仅得到了更具有普遍意义的上限 ,还避开了时间序列模型适用性检验的困难性。注意到负荷预测准确度上限 。

基于多尺度小波分解和时间序列法的风电场风速预测

针对目前风电场风速预测精度较低的问题,提出一种基于多尺度小波分解和时间序列法的混合风速预测模型,通过小波分解将风速非平稳时间序列分解为不同尺度坐标上的平稳时间序列,然后把分解后的各层序列重构回原尺度,再应用自回归滑动平均模型对平稳时间序列进行预测,最后通过叠加合成得出原始风速序列的预测值。同时在验证时间序列模型有效性与模型选优过程中,采用基于贝叶斯理论的SBC定阶准则,改善了以往模型定阶准则的收敛特性。在算例分析中分别利用本文方法和常规预测法对实际风速分布特性进行预测分析,结果表明,本文方法对不平稳风速序列的预测具有更高的预测精度和更强的适应性。

基于EEMD与时间序列法的短期风电场功率预测

随着风力发电技术的发展,风电已成为最主要的新能源发电方式。但因风的随机性造成的风场输出功率的随机波动,电网将面对备用容量增多、调度难度增大以及风电场弃风等问题。解决上述问题的有效途径之一就是对风电场输出功率进行准确预测。针对风电场功率时间序列的非线性和非平稳性,分别将EMD和EEMD方法与时间序列的方法相结合应用于风电场功率预测中,提出基于EMD-ARMA和EEMD-ARMA的风功率预测方法。采用某风电场的实际功率数据进行分析预测,预测结果验证了所提方法的正确性和有效性。

基于稳健估计时间序列法的风功率预测

基于稳健估计运用时间序列法对风电场出力进行了短期预测。先对数据进行了预处理,用最小二乘法和稳健估计法分别建立了自回归滑动平均模型。通过模型提前预测了下个30min的风电场出力,总共预测了10次。结果表明,基于稳健估计的时间序列建模进行预测的误差大多数都在5%以内,只有一个点达到10.1%,明显比常规的时间序列建模预测的误差要小。说明稳健估计能在建模数据含有少量异常值时,比常规自回归模型预报精度要高。

基于虚拟变量与时间序列法的电量需求预测

在使用时间序列法预测电量需求的过程中,引入虚拟变量,量化关键不确定性因素对电量需求的影响,构建基于时间序列法和虚拟变量法的预测模型。该模型能够对参与回归的电量数据进行较好的平滑处理,从而更好地拟合电量需求的变化趋势。算例分析表明,使用该模型预测电量需求的准确性较高,在实际工作中具有可行性和有效性。

基于时间序列法超短期负荷预测改进方法的研究

针对传统时间序列法的超短期负荷预测模型对波动性较大的负荷预测精度低的问题,提出了一种含误差修正的时间序列法的超短期负荷预测方法。该方法对负荷时序建立超短期时间序列预测模型进行初步预测,并应用BP神经网络预测时序模型所产生的误差,从而对预测值进行修正。仿真结果表明,与传统时序法相比,改进方法有效地提高了超短期负荷预测的精度。

污垢在线监测技术不确定性的时间序列法分析

基于污垢热阻在线监测系统测试数据 ,经过相应热阻序列自相关函数、偏相关函数的性质分析 ,一定精度预报模型的初步建立 ,以及对预报模型的识别、估计和检验 ,最终求得该热阻序列的标准模型。应用该模型进行预报分析 ,结果表明 :在一定的预报期内 ,污垢监测系统的误差不超过 6% ,从而进一步论证了污垢热阻在线监测技术的可靠性及合理性 ,为该监测技术的工程应用提供了理论依据。

基于时间序列法的滇池流域新宝象河污染风险预测

入湖河流是滇池流域主要污染物的输送途径,为减少入湖污染负荷,需保证入湖断面水质达标。以新宝象河入湖河口2005—2017年的水质数据为基础,使用描述统计方法分析年度水质波动,采用单因素方差分析法对水温、降雨、污染物浓度进行季节性差异分析,并应用时间序列法对多年水质情况建立模型。结果表明,入湖污染最严重的时间是2007年,之后除总氮外其他污染物浓度迅速下降,直至2014年入湖河口水质达到地表水Ⅳ类标准,满足了规划的要求。河流的水温和区域降雨量具有显著的季节差异性,污染物浓度受降雨、回补水等各种因素的影响,总体呈现春季较高、秋季较低的现象。时间序列模型预测结果显示CODCr超标风险最大,为了预防超标的情况出现,提出了相应的防控措施,包括提升旁路治理能力、优化湿地调蓄、启动面源拦截等。

基于时间序列法的舰船运动预报实验研究

采用线性自回归AR模型、具有首前波观测量的ARMA模型以及非线性自回归NAR模型三种方法分别对舰船运动进行预报,将得到的预报结果与实验测量结果进行验证比较,并对最佳预报模式进行讨论。

基于辐射时间序列法的房间空调负荷实验研究

辐射时间序列法是计算房间空调负荷的新方法,该方法采用24项辐射时间因子计算辐射得热到辐射负荷的转化过程。利用对流辐射分离方法,实测环境室24个时刻逐时辐射得热,采用PRF/RTF Generator软件计算环境室的辐射时间因子,由此计算辐射负荷,与对流负荷相加得到房间空调负荷,并与实测房间空调负荷比较。研究结果表明:采用辐射时间序列法计算房间空调负荷的结果与实测值吻合较好,峰值误差为-2.1%～0.7%,均值误差最大为3.8%,平均相对误差低于6.4%。实验中环境室回风温度平均值为25.2℃,回风控制系统稳定且精度良好。

“三海”问题上美国对华立场的时间序列法分析

通过历史法梳理出冷战结束后到本文研究的截止时间(2014年8月27日)内,美国在东海、台海和南海问题上对华立场的标志性事件,以专家法赋分进行半定量化处理,以时间序列法进行研究,结论表明:自冷战结束后,美国在"三海"问题上对华采取了一贯性的遏制立场。这一趋势在2009年以后,尤其在2011年后呈加剧态势,本文的工作为预测未来美国在"三海"问题上可能采取的对华立场提供了有科学依据的借鉴。

基于自适应模糊时间序列法的光伏发电短期功率预测

针对并网光伏发电系统功率预测问题,提出一种基于自适应模糊时间序列法的并网光伏发电短期功率预测模型.根据光伏发电系统的历史发电数据,进行自适应算法处理,使数据结构与预测模型相适应,确定聚类数目、划分论域并定义论域区间.通过对历史数据进行模糊化处理,确定各模糊关系组,再计算各类模糊关系组的权重向量.按照模糊时间序列的方法进行光伏发电功率预测,并去模糊化得到实际预测结果.结果表明,对比时间序列预测法ARIMA模型,本文预测模型结果误差由13.66%减小到11.34%,并且在处理突变数据上有较大改进.

基于线性回归法和时间序列法的石油产量预测研究

针对石油开采中存在的能源短缺和能源浪费现象,结合石油产量变化的特点,从数理统计的角度出发,利用SPSS统计软件,运用优化的多元线性回归模型和时间序列预测模型,选取某油田2001—2014年的产油量及影响因素数据,建立石油产量动态预测模型,得出两种模型下2015年的石油产量,并与2015年的实际产量比较,预测误差很小,可见模型的预测精度较高,具有一定的实用性,对石油相关部门的生产规划有一定的借鉴作用.

运用时间序列法预测2008年奥运会奖牌数

根据所搜集的实际数据资料,以统计学为基础,采用时间序列预测方法,对中国历届奥运会奖牌数序列建立了趋势模型,以其预测2008年中国奥运会奖牌总数。

时间序列法在厦门市日供水量预测中的应用

应用时间序列法对厦门城市日供水量进行预测和误差分析,具有较强的实用价值。