天气衍生品气温预测模型对比研究

气温衍生品是天气衍生品交易中最活跃的合约之一,确定合理预测气温动态变化的模型,是气温衍生品开发设计的基础。考虑到气温在时间变化上具有趋势性、季节性和周期性等特点,文中使用了以O-U均值回复过程为基础的Continuous Time Autoregressive Model(CAR)模型、Seasonal Autoregressive Integrated Moving Average(SARIMA)模型和小波神经网络算法,并选择漠河、北京、乌鲁木齐、芜湖、昆明和海口具有地域性代表的城市气温进行拟合,使用无偏绝对百分比误差、绝对百分比误差和平均绝对比例误差检验指标检验了模型的预测精度。研究结果表明,小波神经网络算法在预测6个城市的无偏绝对百分比误差、绝对百分比误差和平均绝对比例误差的值最小;同时,相比CAR模型、SARIMA模型,其预测效果最优。因此,小波神经网络算法能够很好地拟合气温数据的变化,可以为我国气温天气衍生品的定价提供一定的指导。

云南省总人口预测模型的比较研究

本文以1973~2018年云南省总人口为例,分别建立Holt两参数指数平滑模型、ARIMA模型和三次多项式模型,利用最小AIC准则从ARIMA模型中选出了ARIMA(4,3,1)模型,与Holt两参数指数平滑模型和三次多项式模型做比较。通过模型预测值的平均误差率和残差的波动幅度的比较后,发现ARIMA(4,3,1)模型的拟合精度较高,适合用来预测短期的总人口数。基于此分析对云南省总人口进行了8期数的预测,发现云南省总人口数量呈现不断增加的趋势,但总人口数增长速率下降,总人口数量趋向饱和状态。

山东省中医类医院卫生人力资源需求预测

目的了解山东省中医类医院卫生人力资源的现状,预测卫生人力资源未来的需求量并提出合理建议,以期为相关部门制定中医药人力资源规划提供依据和数据支持。方法运用差分自回归移动平均(auto-regressive moving average,ARIMA)模型、灰色系统预测模型(grey system forecasting model,GM)中的GM(1,1)模型以及两者的线性组合模型预测2021—2025年山东省中医类医院卫生人力资源需求量,比较不同模型预测的精准度。结果组合模型的系统误差小,预测效果最好;卫生技术人员、执业(助理)医师、中医类别执业(助理)医师、注册护士、药师(士)及中药师(士)2025年对应的人力资源预测值分别是107457人、43304人、22807人、51372人、5718人、3242人。结论山东省中医类别执业(助理)医师数量储备充足,但中药师(士)相对短缺,人才结构不合理,医护比有待优化。建议政府适当地增加中药师(士)的编制,促进执业(助理)医师与中药师(士)平衡发展;增加对中医类医院的财政拨款,加强人才引进力度,创新人才培养机制,优化山东省中医药人才结构;制定科学合理的排班制度,提高护士的社会地位,进一步优化医护比。

一种基于抗差自校正Kalman滤波的GPS导航算法

为减弱异常观测值对自校正Kalman滤波精度的影响,引入抗差M估计的等价权函数,建立了抗差自校正Kalman滤波算法,并用实例进行了验证。计算表明,该自适应滤波算法在完全未知噪声统计的情况下,不仅能够自适应地求解状态参数,而且还能在一定程度上有效地抵制观测异常对导航解的影响。