基于数据挖掘及自回归积分移动平均模型预测的医用耗材库存智能化管理研究

目的:基于自回归积分移动平均(ARIMA)构建医用耗材ARIMA模型,为医用耗材库存管理中的各项决策提供技术支持。方法:采用数据挖掘技术中的时间序列分析方法对医用耗材库存进行预测,通过构建医用耗材ARIMA模型分析医用耗材库存变化趋势,预测未来一段时间内医用耗材库存可能出现的结果。选取2018-2021年医院医用耗材每月库存数据,根据2018年1月至2021年7月医院医用耗材每月的库存数据构建医用耗材ARIMA模型,对2021年8-12月的医用耗材每月库存数据进行模型验证和数据预测。结果:建立的医用耗材最优模型为ARIMA(5,1,2)(1,1,1),模型平均绝对误差为7.46%;采用该模型预测2021年8-12月的医用耗材库存量与实际医用耗材库存量比较接近,平均绝对百分比误差(MAPE)为2.075%,模型拟合效果较好。结论:基于数据挖掘技术构建的医用耗材ARIMA模型,可指导决策者根据预测值对医用耗材进行采购,一定程度上降低医用耗材积压率和断货率,减少客观因素引起的医用耗材损耗率。

基于差分自回归移动平均法预测苏格兰鲱鱼的迁移

作为苏格兰渔业经济支柱的鲱鱼,正在随着全球变暖而向北迁移。为研究鲱鱼种群分布位置的变化,把北大西洋苏格兰海域划分成28个区域,将过去167年间捕鱼季的海洋表面温度视为时间序列,建立了基于差分自回归移动平均法的海洋表面温度预测模型,得到了未来50年海表温度变化情况。结合鲱鱼的适宜生存条件,分析了鲱鱼的迁移路径及未来最有可能聚集的地点。研究结果为苏格兰地区的渔业经济管理与规划提供了参考和指导。

自回归积分移动平均模型在长沙市白纹伊蚊密度预测中的应用

目的探讨自回归积分移动平均(autoregressive integrated moving average,ARIMA)模型在长沙市三种方法监测白纹伊蚊密度预测中的应用,预测密度增长趋势。方法收集整理长沙市2007年1月—2023年7月诱蚊灯法及2016年1月—2023年7月双层叠帐法、布雷图指数法监测白纹伊蚊密度数据,采用2007年1月—2022年12月诱蚊灯法监测数据、2016年1月—2022年12月双层叠帐法及布雷图指数法监测数据,应用R4.3.0软件分别构建季节性ARIMA模型,将2023年1—7月的三种方法监测数据实际值与预测值进行比较评价,预测2023年8—11月密度。结果对三种方法监测白纹伊蚊密度分别构建了最佳模型ARIMA(0,0,1)(2,1,2)12、ARIMA(0,1,1)(0,1,1)12及ARIMA(0,1,0)(1,0,2)12,模型赤池信息准则值及贝叶斯信息准则值均达到最低,且较好地拟合了既往密度序列,残差Box-Ljung检验为白噪声(P>0.05),可用于白纹伊蚊密度预测,预测2023年8—11月诱蚊灯法白纹伊蚊密度平均值为0.56只/(灯·夜),预测2023年8—10月帐诱指数及布雷图指数平均值为1.67只/(帐·h)及21.75,均高于2022年同期密度平均值:0.43只/(灯·夜)、0.72只/(帐·h)及3.67。结论ARIMA模型对长沙市三种方法监测白纹伊蚊密度数据构建的最佳模型拟合效果较好,可用于白纹伊蚊密度的短期预测,预测2023年下半年白纹伊蚊密度较2022年同期有增高趋势,应采取措施加大伊蚊密度控制力度。

基于回归预测模型的生产计划研究

本文根据284个物料从2019年1月2日至2022年5月21日的需求量及其销售单价,研究小批量物料生产计划。首先,通过熵值法选取综合得分较高的前6类物料作为重点关注对象;其次,利用加权移动平均法、指数平滑法、三次指数平滑法和XG⁃boost回归法来建立周需求量预测模型,并对预测模型进行评价;最后,结合库存量、缺货量和平均服务水平不低于85%的标准作为约束条件,建立动态规划模型选择最优生产计划。

概率积分法参数辨识的多尺度核偏最小二乘回归方法

针对传统的偏最小二乘回归(PLS)、人工神经网络(ANN)、支持向量机(SVM)等非线性建模方法在概率积分法参数辨识中存在着预测效果差的不足,提出概率积分法参数辨识的多尺度核偏最小二乘回归(multi-scale KPLS)方法。首先,构建满足容许条件的多尺度高斯核函数;然后,对学习样本进行模糊聚类,以最优分类个数作为多尺度高斯核函数的尺度个数,并采用10次10折交叉验证按照网格搜索方法确定核函数的宽度;最后,详细论述multi-scale KPLS的建模过程。通过实例将multi-scale KPLS的预测结果与3种传统的PLS方法、径向基神经网络(RBF-NN)和SVM模型进行对比分析。结果表明:multi-scale KPLS顾及建模样本的多尺度特性,其预测精度明显高于其他预测模型;multi-scale KPLS有效地克服了各影响因素之间的多重共线性对预测结果的不利影响,具有较强的稳健性;multi-scale KPLS适用于多个因变量对多个自变量的概率积分法参数辨识问题,其建模参数均可自适应确定,在建模效率上优于RBF-NN和SVM。

自回归积分移动平均模型在长沙市蝇密度预测中的应用

目的构建长沙市蝇密度自回归积分移动平均模型(ARIMA),并对2023年1-12月蝇密度进行预测。方法应用R 4.3.0软件对2005年1月-2022年6月的蝇密度数据构建ARIMA模型,将2022年7-12月预测值与真实值进行比较,进行模型预测效果评价,进而对2023年1-12月蝇密度进行预测。结果采用ARIMA模型对2005年1月-2022年6月蝇密度监测数据构建,选取最佳模型为ARIMA(1,0,0)(0,1,1)_(12),其赤池信息准则(AIC)值及贝叶斯信息准则(BIC)值均最低,分别为986.50及996.37;模型残差序列为白噪声,模型有效;预测2022年7-12月的蝇密度与实际密度基本一致,实际监测值均落入了预测值的95%置信区间内,均方根误差(RMSE)为0.649,平均绝对误差(MAE)为0.522,可用于短期蝇密度预测。利用该模型预测2023年1-12月蝇密度,其密度平均值为2.89只/笼,低于2005-2022年平均密度(3.22只/笼),高于2022年平均密度(1.20只/笼)。结论ARIMA(1,0,0)(0,1,1)12模型对长沙市蝇密度数据的拟合效果较好,可用于蝇密度的短期预测,为预防控制蝇类危害事件及蝇传疾病提供依据。

地表沉陷的概率积分法预计参数的回归分析

概率积分法是我国常用的地表移动变形预计方法之一,用该法进行预计时涉及4个基本参数的确定,目前参数的确定方法主要依据经验进行计算或者参照与待预计矿山类似条件的已有矿山数据进行确定,但这种确定方法存在误差较大,导致预计结果误差较大。文中以100个实测典型工作面的概率积分参数作为样本,借助MATLAB的曲线拟合工具Curve Fitting Tool对概率积分法的预计参数进行了回归分析,确定了最大下沉值、影响半径、最大水平移动值和开采影响传播角这4个参数与矿山地质采矿因素之间的函数关系,并经过与实测数据进行对比分析,验证了函数模型的合理性,可用于概率积分法的地表移动变形预计,并减小了误差。

基于R语言自回归积分移动平均模型的广州市白纹伊蚊密度预测研究

目的构建广州市白纹伊蚊密度自回归积分移动平均模型(ARIMA)并进行预测。方法应用R语言3.4.4将2009年1月至2017年5月的白纹伊蚊月密度数据构建ARIMA模型,进行整体回代评价拟合效果,比较2017年6-12月预测值与真实值,评价外推效果,对2018年白纹伊蚊密度进行预测。结果白纹伊蚊密度监测数据构建ARIMA(0,1,1)(0,1,1)12模型,赤池信息准则(AIC)=-268.83,平稳R2=0.427;残差序列为白噪声(P>0.05),且方差齐性,证明模型有效;2017年6-12月预测值与实际值基本一致,均方根误差(RMSE)=0.087 4,平均绝对误差(MAE)=0.028 3,模型外推良好。结论 ARIMA模型能够较好地预测广州市白纹伊蚊密度消长趋势。

基于R语言自回归积分移动平均模型在长沙市三带喙库蚊密度预测中的应用

目的构建长沙市三带喙库蚊自回归积分移动平均模型(autoregressive integrated moving average,ARIMA)并进行预测。方法应用R语言3.3.2将2007年1月~2015年6月的三带喙库蚊密度数据构建ARIMA模型,比较2015年7~12月预测值与真实值,对2016年三带喙库蚊密度进行预测。结果三带喙库蚊密度监测数据构建ARIMA(1,1,1)×(1,1,0)12模型,赤池信息准则(AIC)值为487.98,经检验残差为白噪声(P>0.05),模型有效。2015年7~12月预测值与实际值基本一致,均方根误差(RMSE)=3.021,平均绝对误差(MAE)=2.132,模型外推良好。结论ARIMA模型在三带喙库蚊密度短期预测方面有一定可行性。

基于ARIMA-LSTM的能量预测算法

无线传感器网络的节点运行往往受限于能量供给。对太阳能进行采集并转换成电能存储,可以延长节点的使用寿命。对太阳能进行能量预测,可以更好地规划和使用采集到的能量,这有助于节省能源、避免浪费,提升无线传感器网络的生存周期。针对太阳能预测,提出一种基于自回归积分移动平均-长短期记忆(Autoregressive Integrated Moving Average-Long Short Term Memory,ARIMA-LSTM)组合模型的能量预测方法。首先,采用ARIMA模型来对太阳辐照数据进行预测,提取数据中的线性分量;然后将过滤后的残差代入LSTM神经网络模型,得到非线性分量的预测;最后将二者进行相加,得到最终的预测结果。仿真实验显示,组合模型比起现有的单一模型,能够有效地提高预测的精度。

青岛邮船产业的客源规模及经济效益预测

为合理估算青岛邮船产业经济效应,运用自回归积分移动平均(Autoregressive IntegratedMoving Average,ARIMA)法与经验预测相结合的方法,对青岛2010─2020年重要时间节点的客源规模进行预测;利用预测数据分析青岛邮船产业经济效益.得出结论:2010—2020年青岛邮船产业的重点应放在国际邮船上;青岛应联合国际邮船公司,共同寻求"多港挂靠"政策的支持,吸引目前以上海和天津作为母港的国际邮船挂靠.

国内波动率预测的知识图谱研究

本文以核心期刊中2000年~2019年273篇波动率预测的论文为研究对象,基于关键词的聚类分析、关键词的演化路径分析、关键词的中心度排序分析,以及关键词的突现分析,对国内波动率预测的研究现状进行了综述。研究结果显示:(1)目前国内波动率预测研究主要形成了波动率预测模型基础、波动率预测模型和波动率预测模型应用三类知识群组;(2)波动率的演化路径就是两类,一类是已实现波动率和历史波动率的预测研究,一类是隐含的波动率的预测研究;(3)“风险管理”和“杠杆效应”成为当前波动率预测研究的前沿。

组合模型对肺结核发病趋势的预测研究

目的建立肺结核发病率(1/10万)自回归积分移动平均(ARIMA)-灰色模型(GM)组合模型,并将其应用于肺结核发病率的预测,为及早发现疾病发展趋势和及时采取控制对策提供科学依据。方法收集迁安市2004年1月—2012年12月肺结核月发病率资料,应用SPSS 13.0软件对肺结核逐月发病率进行ARIMA建模拟合;然后用GM(1,1)模型对其带阈值的残差序列进行修正并构造出组合模型,利用此模型对迁安市2013年肺结核逐月发病率进行预测。结果 ARIMA(0,1,1)(0,1,1)12模型较好地拟合了肺结核的发病情况,模型的所有参数都通过统计学检验;用一阈值为4的GM(1,1)模型对其残差序列进行修正,预测模型通过了精度检验(C=0.573,P=0.805),模型拟合精度为基本合格,ARIMA-GM组合模型的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)都比单个模型小,利用组合模型对2013年肺结核发病率预测。结论 ARIMA-GM组合模型能较好地拟合迁安市肺结核发病情况,且该方法比ARIMA季节乘积模型预测具有更高的精度。预测结果能够对肺结核的早期预测预警模型的建立提供借鉴,从而有针对性地采取相应的控制措施。

基于RVM和ARIMA的短时交通流量预测方法研究

为进一步提高短时交通流量预测精度,提出一种基于RVM和ARIMA的短时交通流量降噪方法.设计了降噪方法的流程,选取了降噪方法误差评价指标;基于RVM和ARIMA的短时交通流量预测方法和预测流程,引入平均绝对相对误差(MAPE)作为预测方法误差评价指标,以某城市道路的录像数据为实例,对构建的预测方法有效性进行验证.结果表明,在不同公用时间尺度(5,10,15min)下,所提出的短时交通流量预测方法的平均绝对相对误差均小于直接运用指数降噪模型、BT神经网络模型、ARIMA模型等方法预测的结果,有效地提高了短时交通流量预测精度.

基于Storm的电网时间序列数据实时预测框架

对电网运行产生的时间序列数据展开实时预测研究,提出基于Storm平台和ARIMA模型的预测框架。分析不同类型电网时序数据的特点,预设拟合模型以降低模型构建的盲目性,缩短预测时间,同时设计基于HBase的新型时序数据存储模式加快数据检索速度。通过对海量的时序数据源进行并发预测,比较不同数据样本对预测值的影响并实时分析预测误差。经实例从预测精度、运算速度、占用资源3个角度验证了该框架的有效性与实用性。

基于ARIMA-GM组合模型的湖北省电力需求预测研究

通过分析湖北省历年电力消费量,利用灰色模型(GM)和自回归积分移动平均(ARIMA)模型分别对2012-2020期间的湖北省电力需求量进行了预测,然后通过方差倒数法进行组合预测,得到了精度更高的预测结果。通过分析整个预测过程及结果,该方法易于操作,精度较高,是一种对电力需求预测方法有益的探索。

基于ARIMA的磨削颤振预测方法

磨削颤振会加剧砂轮的磨损并对磨削加工质量造成严重影响,甚至会对磨床本身造成破坏.为了避免磨削颤振的发生,提高磨削加工效率,通过对磨削过程振动信号进行分析,提取固有频率频带能量百分比R作为磨削颤振的特征量,提出一种基于自回归积分移动平均(autoregression integrated moving average,ARIMA)模型的磨削颤振预测方法.试验结果表明:在磨削过程中,固有频率频带能量会随着磨削状态的变化而变化,利用稳定磨削状态下的固有频率频带能量百分比建立ARIMA预测模型,预测结果与真实值十分接近,能够准确预测磨削颤振的发生.

基于时间序列ARIMA模型的艾滋病发病率预测研究

目的:采用自回归积分移动平均(ARIMA)模型对2000-2014年全国艾滋病发病率建立预测模型,并使用预测模型对2015-2017年艾滋病发病率进行预测。方法:分析2000-2014年全国艾滋病发病率原始数据(国家统计局统计),对其进行平稳化处理,使其符合ARIMA模型的要求,并对ARIMA模型进行参数识别和模型拟合后预测2015-2017年艾滋病发病率;在对预测模型诊断检验的同时分析评价预测结果。结果:2000-2014年全国艾滋病发病率持续上升,在2011-2012年间增幅较大,对2015-2017年各年发病率进行预测,其结果分别为3.57/10万、3.80/10万和4.04/10万,与2000-2014年趋势相比依旧呈现持续上升。结论:利用全国2000-2014年艾滋病发病率数据,采用时间序列ARIMA模型对其建立预测模型,并使用该模型对2015-2017年全国艾滋病发病率预测,能够准确提供艾滋病病毒(HIV)感染数据信息,使HIV感染者能及时认识到其危害,有效预防控制艾滋病的发生。

基于基线漂移校正的旅行时间预测模型

路段旅行时间及其预测值是管理部门实施交通流组织,提供交通信息服务的重要依据,也是出行者合理选择出行路径的重要参考.文中基于浮动车检测数据研究了路段旅行时间的计算算法及数据预处理方法;分析了旅行时间序列中的基线漂移现象,并运用小波分析法给出了基线漂移的校正方法以达到对时间序列降噪处理的目的;最后,基于自回归移动平均法建立了路段旅行时间的预测模型,并选取实际数据验证了文中模型的有效性和精确性.

基于小波分析的LS-SVM—ARIMA组合模型的黄金价格预测

黄金作为一种特殊的金融商品,其价格受国际原油、美元汇率、通货膨胀等多种因素的影响,波动性强。使用单一模型进行黄金价格预测通常效果不佳,只有充分考虑价格变化的各个方面才能更加准确地预测黄金价格。应用小波分析将黄金价格分解为4个不同变化趋势,应用LS-SVM与ARIMA模型对不同变化趋势进行建模预测,并重构黄金价格组合预测的结果。实证结果表明,该组合模型预测精度比单一模型预测精度高。