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。

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。

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。

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。

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。

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。

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。

基于小波变换的风电场短期风速组合预测

针对风电场短期风速的预测提出一种基于小波变换的组合预测方法。首先利用Mallat算法对短期风速时间序列进行db3小波三层分解与重构,得到短期风速时间序列的近似分量和细节分量。针对近似分量和细节分量的不同特性,对近似分量利用粒子群算法优化的最小二乘支持向量机进行预测,对细节分量利用自回归求和滑动平均模型进行预测。最后各预测模型预测值组合叠加得到最终的短期风速预测值。仿真结果表明该方法具有较高的预测准确度。

基于ARIMA与人工神经网络组合模型的交通流预测

将自回归求和滑动平均(ARIMA)与人工神经网络组合模型用于短时交通流预测。利用ARIMA模型良好的线性拟合能力和人工神经网络强大的非线性关系映射能力,把交通流时间序列看成由线性自相关结构和非线性结构两部分组成,采用ARIMA模型对交通流序列的线性部分进行预测,用人工神经网络模型对其非线性残差部分进行预测。结果表明:组合模型的预测准确性高于各自单独使用时的准确性;组合方法发挥了2种模型各自的优势,是短期交通流预测的有效方法。

基于ARIMA与ESN的短期风速混合预测模型

提出一种基于自回归求和滑动平均模型(autoregressive integrated moving average,ARIMA)与回声状态网络(echo state network,ESN)的短期风速预测模型。首先利用ARIMA模型对短期风速时间序列进行线性特征的预测,使得短期风速的残差仅包含非线性特征,然后利用ESN模型对非线性的残差序列进行预测,最后将ARIMA模型的短期风速线性预测值与ESN模型的短期风速非线性预测残差值进行相加得到最终的短期风速的预测值。单步与多步预测的仿真实验表明该混合预测模型具有更高的预测精度与更小的预测误差。

基于非线性时间序列的预测模型检验与优化的研究

模型的适用性检验和参数优化是系统建模的最关键环节,对于预测模型的适用性检验,常采用残差方差图、最小信息准则和AIC准则等方法,存在计算量大、准确性低、模型不唯一等缺点.本文给出采用自相关系数和偏自相关系数的拖尾先对ARIMA模型检验,再对其进行F适用性检验,克服了由于观测样本的长度是有限的,偏相关的估计存在误差,拖尾时不能为ARMA定阶的缺陷,并采用具有超线性收敛性等诸多优点的变尺度法对模型参数进行了优化,得到了较为精确的、单一AIRMA模型,该方法可应用于网络流量模型的适用性检验和模型优化,为网络流量的预测、异常检测和服务器负载预测的应用奠定了坚实的基础.

ARIMA模型在半导体产品需求预测上的应用

半导体市场需求的动态变化给半导体制造业的生产决策带来了很大的不确定性。以我国某半导体制造企业的历史订单数据为例,利用SPSS软件的时间序列分析模块建立ARIMA模型进行半导体产品的需求预测。实例表明,应用ARIMA模型进行需求预测具有精度高、数据可靠、操作方便、运行迅速、应变能力强等优点。从而可提高企业以及其合作伙伴的收益,并帮助企业进行更好的生产决策。

基于变点发掘的城市轨道交通客流预测模型

通过城市轨道交通发展过程阶段变化对其相应的客流变化特点进行分析;基于变点发掘的方法划分出轨道交通客流的不同变化模式,并分析导致客流模式变化的影响因素;通过权重变化有效地结合不同交通状态模式下的变参数自回归求和滑动平均(ARIMA)模型和全局BP神经网络模型,构建城市轨道交通客流组合预测模型;结合某大城市轨道交通线路的实际客流数据,对本文模型的适用性和准确性进行验证。研究结果表明:同一模式区间预测比全局搜索预测更容易获得较高精度预测值,组合模型预测结果相对优于单一模型预测结果。

SARIMA模型在长治市肺结核预测中的应用

目的应用时间序列季节自回归求和滑动平均(SARIMA)模型探讨长治市肺结核的发病规律,为防控肺结核发生提供依据。方法收集长治市2010年1月至2017年12月肺结核逐月发病数,应用Eviews3.1对2010年1月至2017年6月肺结核发病数建立SARIMA模型;利用所建SARIMA模型对2017年7月至12月肺结核发病数进行预测,并与实际值对比来评价模型预测效果。利用模型预测长治市2018年1到12月肺结核发病数。结果建立模型SARIMA(2,1,0)×(1,0,1)12,表达式为(1-B)(1+0.657B+0.279B^2)(1-0.906B^12)y_1=(1-0.885B^12)ε_1,y_1=ln(x_1),其中ε_1~WN(0,0,1272),该模型是预测长治市肺结核发病人数的合适模型,2017年7月至12月预测值平均相对误差为5.96%。结论建立了时间序列模型SARIMA(2,1,0)×(1,0,1)12来总结长治市肺结核的发病规律,并有效预测肺结核发病人数。

基于ARIMA的存储优化算法设计与实现

分析了SAN(storage area network)共享存储体系中I/O访问路径上可能存在的性能瓶颈,提出了采用ARIMA时间序列分析方法建立基于前馈的预测式控制机制,预测瓶颈发生趋势;通过改变存储子系统内的块映射关系来实现数据的迁移,减少I/O访问路径上发生性能瓶颈的可能性,有效提高了SAN的可靠性和可用性。