基于GIOWHA算子的汇率组合预测模型

文章采用三种模型：自回归模型、ETS指数平滑状态空间模型和非参数方法中的局部多项式回归模型对人民币汇率进行点预测,在此基础上引入广义诱导有序加权调和平均算子（GIOWHA）的概念,以预测值和实际值的p次幂倒数误差的平方和最小为准则,构建基于GIOWHA算子的最优变权系数组合预测模型。结果表明GIOWHA组合预测模型具有更精准的预测能力。

江西省流行性腮腺炎发病率4种时间序列模型预测效果比较

目的比较季节性自回归移动平均模型(SARIMA)、指数平滑模型(ETS)、指数平滑空间状态模型(TBATS)和自回归神经网络模型(NNAR)4种时间序列模型对江西省流行性腮腺炎(流腮)发病率的预测效果,为流腮的预防控制提供参考依据。方法收集中国疾病预防控制信息系统中江西省2010年1月1日—2019年12月31日报告的流腮发病数和发病率数据,以其中2010年1月—2018年12月的流腮报告发病率作为训练集,应用R 4.1.2软件构建SARIMA、ETS、TBATS和NNAR模型,并通过模型预测2019年1—12月的流腮发病率,采用均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)比较4种模型的拟合和预测效果。结果江西省2010、2011、2012、2013、2014、2015、2016、2017、2018和2019年流腮报告发病率分别为20.49/10万、32.03/10万、31.89/10万、19.95/10万、12.22/10万、14.10/10万、16.56/10万、16.21/10万、14.29/10万和21.14/10万,2010—2019年流腮年均报告发病率为19.84/10万;江西省流腮发病具有明显的季节性,每年4—7月为发病主高峰,11月至次年1月为发病次高峰;4种模型拟合值的变化趋势均与实际值一致,除SARIMA模型MAPE(32.01%)较高外,其他3个模型的MAPE均<15%,其中NNAR模型的拟合值更贴近实际值,其RMSE、MAE和MAPE均最低,分别为0.20、0.14和8.24%;除SARIMA模型外,其他3种模型的预测值变化趋势均与实际值一致,此3个模型的MAPE均<15%,其中TBATS和ETS模型的预测效果最好。结论ETS、TBATS和NNAR模型对江西省流腮发病率的拟合和预测效果较好,预测结果可为该地区流腮的防控提供理论指导。