副伤寒的求和自回归滑动平均模型预警应用实例

目的探讨时间序列求和自回归滑动平均模型(ARIMA)在副伤寒预警中应用的可行性。方法利用SAS9.0统计软件对《国家疾病报告管理信息系统》报告的杭州市副伤寒按周发病数进行ARIMA建模。结果对副伤寒发病数序列建立三阶自回归模型AR(3),并绘制预警线图,对2007年7月发生的副伤寒暴发疫情进行了及时预警。结论模型能够较好应用于副伤寒预警,为疫情防控提供了有力帮助。

求和自回归滑动平均模型结合圆分布法分析脑卒中死亡率动态规律

通过1999年1月至2006年12月天津市脑卒中逐月死亡率数据，应用圆分布法探讨脑卒中死亡率的季节分布，动态变化规律，建立监测与预测的时间序列模型。通过模型辨识、参数估计及其检验、白噪声检验、模型的拟合度分析等过程，建立求和自回归滑动平均模型（ARIMA）的季节乘积模型（P，d，q）（P，D，Q）s。脑卒中死亡率以年为周期，一年中1月为高发月份。建立ARIMA（0，1，0）×（0，1，1）12模型：（1-B）（1-B^12）lnx，=0.001＋（1-0.537B^12）ε1。结论：ARIMA乘积模型结合圆分布法是对脑卒中死亡率进行时间序列分析的重要方法；应用该方法可对脑卒中流行趋势及死亡率进行预测，为卫生资源合理分配、公共卫生政策计划制定和防治结果考核提供科学依据。

基于求和自回归滑动平均模型的道路交通伤害死亡趋势预测分析

目的分析2014-2018年河北省道路交通伤害死亡情况,探讨求和自回归滑动平均模型(autoregressive integrated moving average model,ARIMA)在道路交通伤害死亡趋势预测中的可行性。方法采用描述流行病学分析2014-2018年河北省道路交通伤害死亡概况,运用R 3.5.3软件对河北省2014年1月―2018年6月道路交通伤害月度死亡资料建立ARIMA预测模型,进行整体回代观察拟合效果,比较2018年7月―12月预测值与真实值,评价预测效果。结果2014-2018年河北省累计报告道路交通伤害死亡人数13147例,男性10071例,女性3076例,年均死亡率为17.79/10万,总体呈现下降趋势。构建的最佳预测模型为ARIMA(0,1,1)(0,1,1)12,赤池信息量准则(Akaike information criterion,AIC)为390.64,Schwaz贝叶斯准则(Schwarz Bayesian criterion,SBC)为395.78;残差序列为白噪声序列(均有P>0.05),模型参数非零(均有P<0.05);预测结果实际值均落在预测值95%置信区间内,预测值与实际值之间的相对误差在1.15%~11.85%之间,RMSE=13.65,MAE=10.88,MAPE=4.80%,模型预测性能良好。结论河北省道路交通伤害死亡水平总体呈逐年下降趋势,ARIMA模型可用于道路交通伤害死亡趋势的短期预测。

求和自回归滑动平均模型在5岁以下儿童死亡率预测中的应用

目的分析北京市5岁以下儿童死亡率(U5MR)的长期变化趋势,探讨求和自回归滑动平均模型(ARIMA)预测U5MR的效果,并对2016-2020年北京市U5MR进行预测。方法基于北京市5岁以下儿童死亡监测网收集1992-2015年北京市5岁以下儿童死亡数据。以1992-2013年北京市U5MR为训练样本,拟合ARIMA模型。分别以1992-2013年和2014-2015年北京市U5MR为校验样本,对模型进行内外部验证。通过EViews 8.0和SPSS 19.0软件实现。结果 1992-2013年北京市U5MR呈下降趋势,22年间下降了81.50%。而2014和2015年略有回升,2年间上升了4.86%。构建最佳的死亡率预测模型为ARIMA(1,1,1):x_t=-0.445+1.509x_(t-1)-0.509x_(t-2)+α_t+0.999α_(t-1),R^2=0.982,MAPE=4.76%,AIC=2.15,BIC=2.30,满足白噪声。经内外部验证,实测值和预测值差异均无统计学意义(P_(内部)=0.401,P_(外部)=0.655)。利用此模型预测2016-2020年北京市U5MR,预测值分别为2.88‰、2.87‰、2.90‰、2.97‰和3.09‰。结论 1992-2013年北京市U5MR呈下降趋势,2014和2015年则略有回升。利用ARIMA(1,1,1)模型对北京市U5MR进行预测,效果较好。预测2016-2020年北京市U5MR呈现小幅上升趋势,提示应加大对北京市妇幼保健工作的投入和关注。

自回归求和滑动平均模型在医院药品收入预报中的应用

目的对某医院药品收入进行预报,从而为该医院控制药品收入比例提供理论依据。方法对该医院2003-01～2006-12间药品收入时间序列数据拟合自回归求和滑动平均（ARIMA）模型,并用2007年该医院药品实际收入与上述模型对2007年的预报结果进行比较。最后利用所求模型对2008年该医院药品收入情况做出预报。结果ARIMA（2,1,1）提供的该医院2007年药品收入预报值与药品实际收入较为吻合,进一步利用ARIMA（2,1,1）对该医院2008年的药品收入做出预报。结论ARIMA模型为该医院提供了较为准确的药品收入预报,为管理者控制药品收入比例提供了可靠的理论依据。

自回归滑动平均求和季节乘积模型在某医院门诊量预测中的应用

目的探讨自回归滑动平均求和季节乘积模型(ARIMA季节乘积模型)在医院门诊量预测中的应用。方法对某医院2008—2015年的逐月门诊量数据分析并拟合ARIMA季节乘积模型,预测2016年月门诊量。结果ARIMA(0,1,1)(1,1,0)_(12)模型为最优拟合模型,2016年每月的实际门诊量均在预测值的95%置信区间内,平均预测相对误差为3.34%。结论ARIMA季节乘积模型适用于医院门诊量的短期预测,可以为医院门诊卫生资源的配备和管理提供决策依据。

自回归求和滑动平均方法用于间歇过程变量在线预测

间歇过程变量的在线预测是一种重要的生产过程质量控制手段。实现间歇过程变量的在线预报需要对过程以往的批次数据建立预测模型,即需挖掘批次间和批次内的数据信息。针对间歇过程数据不同批次不等长、数据长度短、非线性等特点,采用数据重构——自回归求和滑动平均方法建立其在线预测模型:将收集到的间歇过程变量以批次为单位进行数据平滑;对这些批次数据按照随机的顺序首尾相接,组成长数据集;对于批次连接处数据跳跃的情况,采用后面所有批次数据减去上一批次的最后一个值,以实现数据的平滑;采用自回归求和滑动平均方法建立数据模型,并用于间歇蒸馏温度的在线预报。采用该方法建立的4步预测模型对某间歇蒸馏过程上升气温度的预测均方差较小,符合生产现场的预测要求。

基于自回归求和滑动平均模型的风力发电机轴承寿命预测

提出了基于自回归求和滑动平均(ARIMA)模型的风力发电机轴承寿命预测方法。以经小波包去噪、平稳化处理后轴承振动信号的均方根值为特征量,利用贝叶斯信息准则确定ARIMA模型的自相关阶数和滑动平均阶数,并用矩估计方法求出ARIMA模型的参数。利用求得的ARIMA模型得出振动信号均方根值的变化趋势,进而预测出风力发电机轴承的寿命。仿真结果表明,基于ARIMA模型的风力发电机轴承寿命预测方法能够有效地利用实时数据对轴承寿命进行预测,为风力发电机组的设计和维护提供理论依据。

基于自回归求和滑动平均模型的居民区电动汽车负载特性分析

随着电动汽车规模的日益扩大和居民区充电设施的逐渐完善,大量电动汽车的充电行为将给居民区电网负荷带来较大影响。在电动汽车充电特性研究的基础上,提出了一种基于自回归求和滑动平均(ARIMA)模型的面向居民区的电动汽车负载特性分析方法,通过构建多辆电动汽车的总耗电模型,较好地预测了电动汽车总体充电需求,进而实现对居民区变压器容量的合理配置。最后选取若干具有代表性的小区,测试分析了电动汽车接入前后的台区负载变化情况,验证了所提方法的有效性。

基于门限自回归模型对人民币汇率波动的研究

人民币汇率的波动受多方面因素的影响,为研究人民币汇率的波动情况,进一步预测人民币汇率的变化,本文以2011年1月—2023年12月的人民币兑美元的汇率中间价的月度数据作为研究对象,分别建立了求和自回归滑动平均模型和门限自回归模型,并对两种模型的预测结果进行对比。结果表明:人民币汇率的波动具有非线性特征,并且门限自回归模型比求和自回归滑动平均模型准确度更高,在未来几个月人民币兑美元中间价略有下降,但能够维持在相对稳定水平,人民币略有升值。

自回归求和滑动平均模型在宁波市食源性疾病发病人数预测中的应用

目的采用自回归求和滑动平均模型(autoregressive integrated moving average,ARIMA)对宁波市食源性疾病的发病趋势进行预测,为预警和制定、调整食源性疾病防控策略提供依据。方法用SPSS 22.0软件对宁波市2014年1月-2016年12月的食源性疾病发病人数进行ARIMA模型拟合,2017年的发病人数验证模型并预测2018年发病人数。结果 ARIMA(1,1,1)(0,1,1)12模型较好地拟合了宁波市既往食源性疾病的时间序列,拟合预测误差率为6.38%,2018年宁波市食源性疾病预测人数为6 968人。结论 ARIMA模型可用于食源性疾病的动态分析和短期预测。

某三甲中医医院ICU感染发生率时间序列分析及趋势预测

目的:了解某三甲中医医院ICU感染发生率的时序分布特征,预测其发生规律和趋势,为中医医院ICU感染监测提供数据支持。方法:收集某三甲中医医院2019年1月至2024年2月ICU医院感染数据。利用求和自回归滑动平均模型(Autoregressive integrated moving average,ARIMA)对ICU感染发生趋势进行预测并评价其预测效果。结果:2019年1月至2024年2月某三甲中医医院ICU医院感染发生率为2.61%(232/8895);时间序列分析显示,ICU医院感染发生率波动较大且存在一定周期性,总体呈下降趋势。根据赤池信息准则和贝叶斯信息准则拟合,ARIMA(0,1,1)为最优预测模型。经参数估计与效果评价,感染发生率实际值均在预测值95%可信区间内,模型预测效果较好。结论:运用ARIMA对某三甲中医医院ICU医院感染发生率的预测结果良好,可显示其长期发生规律与趋势,能为医院感染监测提供科学依据。

ARIMA模型和GM(1,1)模型预测全国3种肠道传染病发病率

目的分别采用求和自回归滑动平均模型(ARIMA模型)和灰色模型GM(1,1)对全国法定报告的3种肠道传染病年发病率进行预测,并比较两者预测的准确性。方法采用1995年1月至2005年12月的月发病率建立ARIMA模型。采用1995年至2005年的年发病率建立GM(1,1)模型。采用2006年的实际年发病率验证两种模型的预测效果,评价指标为相对误差。选取相对误差最小的模型预测2007年至2008年的年发病率。结果对于甲型肝炎、痢疾、伤寒副伤寒的年发病率,预测准确率较高的模型分别是GM(1,1)、ARIMA、GM(1,1)模型,相对误差分别为0.05%、5.47%、38.89%。对2007年甲型肝炎、痢疾、伤寒副伤寒预测的年发病率分别为4.59/105、30.84/105、2.53/105;对2008年预测的年发病率分别为4.03/105、29.03/105、2.34/105。结论对于某种肠道传染病发病率的预测,应同时拟合几种模型,并选择其中拟合效果最好的一种模型。

航空发动机性能参数预测方法

航空发动机性能参数预测对于发动机的视情维修具有重要的意义.为了提高预测精度,在分析发动机性能参数数据特点的基础上,提出了一种新的应用于此领域的组合预测模型.首先利用小波变换将原始数据分解为不同尺度上的几组子序列,根据各子序列的特点分别选用自回归滑动平均(ARMA,Autoregressive Moving Average)模型或求和自回归滑动平均(ARIMA,Autoregressive Integrated Moving Average)模型进行预测,然后将所有预测结果合成,得到最终预测结果.通过仿真实验,验证了该组合模型提高短期和中长期预测精度的有效性,并分析了小波分解层数对于预测精度的影响.

不同数学模型对手足口病发病的预测效果分析与比较

目的探讨不同数学模型对手足口病发病的预测效果并进行比较,为手足口病的监测和预防提供依据。方法收集南昌市2008—2012年手足口病疫情报告数据(以月为单位),分别应用曲线回归模型、单纯求和自回归滑动平均(ARIMA)模型、求和自回归滑动平均模型与多层感知神经网络(ARIMA-MLP)组合模型模拟手足口病的疫情变动轨迹,比较各模型的拟合效果,确定最优预测模型。结果南昌市2008—2012年手足口病发病率逐年上升,并呈现明显的季节趋势。对其发病趋势,3种模型均具有一定的预测能力,以ARIMA-MLP组合模型对手足口病月发病率的拟合效果最好(R2=0.908,MAE=3.06)。结论 ARIMA-MLP组合模型能够较好地拟合手足口病的发病趋势,对手足口病监测和预防具有一定意义。

GRNN组合预测模型对辽宁省及部分地区肾综合征出血热发病率的预测研究

目的探讨广义回归神经网络(GRNN)组合预测模型在肾综合征出血热(HFRS)发病率预测上的优势及应用前景。方法利用1990-2001年辽宁省、丹东市、沈阳市和朝阳市HFRS发病率分别建立GM(1,1)灰色预测模型和求和自回归滑动平均(ARIMA)模型,把2个模型的预测值作为GRNN的输入,实测值作为网络的输出,对样本进行训练和预测,并对3个模型的预测效果进行比较。结果针对辽宁省HFRS发病率建立的GM(1,1)模型、ARIMA模型和GRNN组合预测模型的平均误差率(MER)分别为13.5143%、25.0814%和5.5755%;R2分别为0.8961、0.6997和0.9837。针对丹东市HFRS发病率建立模型的MER分别为19.7329%、20.6275%和14.0789%;R2分别为0.8112、0.7628和0.8750。针对沈阳市HFRS发病率建立模型的MER分别为15.1421%、18.0584%和14.3592%;R2分别为0.8757、0.7889和0.8585。针对朝阳市HFRS发病率建立模型的MER分别为51.5090%、28.6593%和28.5927%;R2分别为0.7863、0.8291和0.7753。GRNN组合预测模型对于辽宁省和丹东市的HFRS发病率预测效果好于2个单一模型;针对沈阳市所建立的HFRS发病率预测模型,GRNN组合预测模型和GM(1,1)模型相当,ARIMA模型最差。朝阳市的HFRS发病率预测模型不适合用上述方法建立。结论GRNN组合预测模型充分体现了它在小样本预测中的优势,预测效果优于GM(1,1)模型和ARIMA模型,对解决时间序列类型的HFRS发病率等资料有很好的实用价值。

软件可靠性预测的ARIMA方法研究

对基于求和自回归滑动平均模型(ARIMA模型)的软件可靠性预测方法进行了研究,提出了将软件可靠性失效数据看作时间序列,通过建立相应的ARIMA(p,d,q)模型来进行预测的方法。对该方法的基本思想、模型表述、建模流程进行了详细介绍,并依据上述方法选用Musa经典数据集中的ProjectSS2中的数据进行了预测,结果表明预测的准确性较高,说明该方法适用于软件可靠性预测。

组合模型在传染病预测中的应用研究

研究传染病预测问题,由于受到外界因素和人体内部因素共同影响,具有不规则变动和非线性动态特点。传染病发生具有季节性、周期性和非规则等变化特点,单一模型只能预测中部分变化特点,预测误差比较大。为降低传染病预测误差,提出一种组合模型的传染病预测方法。首先分别采用ARIMA和LSSVM模型对传染病发生趋势进行预测,然后将两者预测结果输入到LSSVM重新进行学习,最后得到组合模型的预测结果。采用组合模型对某市乙肝发病率进行仿真。结果表明,组合模型降低了乙肝发病率的预测误差,预测结果更加可靠,为传染病预测工作提供新的技术手段。

基于KPCA-ARIMA模型的TE过程故障预测

以TE过程作为研究对象,主要选取过程中的故障8作为研究对象,提出了一种基于KPCA-ARIMA的建模方法来实现故障预测。首先采用核主元分析(KPCA)的方法对过程变量数据进行非线性映射,通过计算累计贡献率的方法进行主元特征提取,降低特征变量之间的非线性相关性,然后根据平方预测误差(SPE)和Hotelling’s T2的方法来检测过程中是否发生异常,以及故障发生的位置时间点。最后对得到的T2和SPE序列进行差分得到平稳序列,采用求和自回归滑动平均(ARIMA)模型分别对故障检测指标T2统计量和SPE统计量进行了最后50步的故障趋势预测。通过查看预测数据与实际数据的拟合程度,可以验证文中方法对TE过程中的故障有较准确的趋势预测,说明了该方法是有效的。

西安市卫生人力资源公平性分析与配置研究

目的在分析西安市卫生人力资源配置公平性的基础上,预测未来5年卫生人力资源配置量。方法利用多元求和自回归滑动平均模型（ARIMAX）对执业（助理）医师总量进行预测,利用比值法计算注册护士和其他卫生人员数。结果西安市卫生人力资源配置人口分布公平性（基尼系数0.26）优于地理分布公平性（基尼系数0.62）,地理分布高度不平均;2020年西安市医疗机构需要46 960-54 184名执业（助理）医师,每千人口标准4.77-5.85人;需要58700-67 730名注册护士,每千人口标准5.96-6.88人。结论卫生人力资源配置公平性需要进一步改善,总量需要进一步增加。