基于指数平滑法的全国MRI配置量预测研究--四种非季节性模型比较

目的:对未来中短期全国MRI配置量进行预测。方法:基于存量数据,采用指数平滑法的四种非季节性模型,对未来全国MRI的配置量进行预测。结果:简单模型、Holt线性趋势模型、Brown线性趋势模型和阻尼趋势模型的R2值均大于0.95;后三者拟合后的数据残差序列不存在自相关(P>0.05),适宜采用指数平滑序列模型进行分析;Brown线性趋势模型的均方根误差和平均绝对误差百分比均为最小。结论:Brown线性趋势模型的拟合效果最佳,其预测结果显示,未来我国2020年、2023年和2025年MRI配置量分别为9 332台、11 750台和13 362台。

温特斯线性和季节性指数平滑法预测模型在医院管理中的应用探讨

目的探讨温特斯线性和季节性指数平滑法预测模型在医院管理中的应用价值。方法建立温特斯线性和季节性指数平滑法预测模型对成都市卫生局所属医院2009年1～4季度门急诊诊次进行季节预测,并评价该预测模型的预测精度。结果温特斯线性和季节性指数平滑法预测模型对成都市卫生局所属医院2009年1～4季度门急诊诊次的定量预测结果满意。通过计算机反复迭代试算,获得了一组最佳的平滑常数(α,β,γ),使预测模型的预测误差最小。该预测实例平均绝对百分误差(MAPE)为3.5703%<10%,预测精度较高。结论温特斯线性和季节性指数平滑法在医院管理中有实用价值。在建立预测模型时,结合计算机进行迭代运算,可建立最佳预测模型,进一步提高预测精度。

温特斯线性和季节性指数平滑法预测模型应用探讨

目的:探讨温特斯线性和季节性指数平滑法预测模型在医院管理中的应用价值。方法:建立温特斯线性和季节性指数平滑法预测模型对成都市卫生局所属医院2009年1-4季度门急诊诊次进行季节预测,并评价该预测模型的预测精度。结果温特斯线性和季节性指数平滑法预测模型对成都市卫生局所属医院2009年1-4季度门急诊诊次的定量预测结果满意。通过计算机反复迭代试算,获得了一组最佳的平滑常数(α,β,γ),使预测模型的预测误差最小。该预测实例平均绝对百分误差(MAPE)为3.5703%<10%,预测精度较高。结论:温特斯线性和季节性指数平滑法在医院管理中有实用价值。在建立预测模型时,结合计算机进行迭代运算,可建立最佳预测模型,进一步提高预测精度。

基于季节性指数平滑模型的医院出院人次预测研究

目的比较各季节性指数平滑模型对医院出院人次的预测效果,探讨季节性指数平滑模型在出院人次预测中的应用。方法采用各季节性指数平滑模型,逐次对某医院2011年1月-2018年12月出院人次拟合,预测2019年1-7月的出院人次。结果Winters加法模型在各季节性指数平滑模型中达到了相对较高的拟合优度,预测值平均相对误差为-3.660%,预测趋势符合实际发展趋势。结论Winters加法模型能够对医院出院人次进行科学合理的预测,可以为医院的领导决策、资源调配、工作评估、计划制定提供重要的参考依据。

基于Holt-Winters无季节指数平滑模型的国内电影票房预测

本文首先对2002-2014年国产2D电影票房数据进行分析,从票房现状、观影人数、国产影片数量、院线数量、影院数和银幕数这五个方面,了解了国产电影的现状。其次,通过Holt-Winters无季节指数平滑模型和双指数平滑模型的对比,选择Holt-Winters无季节指数平滑模型对2015年国产电影票房进行预测。

利用季节指数修正指数平滑预测值对公路客运量进行预测

本文选取2003-2012年吉林省长春市公路客运量数据,建立三次指数平滑模型,利用季节指数修正平滑预测值,并进行误差分析.同时,对2013年和2014年长春市公路客运量进行预测.

基于Holter-Winter模型的我国工业水泥产量预测

基于1990年到2010年工业水泥产量数据建立了Simple模型、Brown模型和Holter-Winter非季节模型,然后对比分析的得出了Holter-Winter非季节模型最优,并对未来几年工业水泥产量进行了短期的预测,为生产部门在生产中对战略结构的调整提供参考。

浅谈季节性指数平滑法在供水管网漏损预测中的应用

给水管网的漏损是不可避免的,但每月的漏损量与温度有关。根据原始数据,通过季节性指数平滑法对每月的漏损管件数进行预测,对管网未来的漏损程度进行估计。

ETS和SARIMA流行趋势中的性能比较模型在预测北京市猩红热

收集2004—2019年北京市猩红热月发病人数和人口学资料,采用描述性统计方法和Joinpoint回归调查猩红热的流行病学变化趋势。北京市猩红热发病的平均年度百分比变化为(AAPC=1.866,95%CI:-2.968~6.941;t=0.816,P=0.428),流行趋势总体保持稳定,每年的4—6月和11—12月为发病高峰,呈双季节模式。最优SARIMA模型和最优ETS模型预测的平均绝对误差(MAD)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)、平均误差率(MER)、方根百分比误差(RMSPE)五个误差指标分别为0.586、0.623、0.751、0.296、0.785和0.318、0.282、0.438、0.282、0.338,可见ETS模型的预测准确性高于SARIMA模型,可用来对北京市猩红热流行趋势进行预测预警,从而为猩红热动态精准化防控提供参考依据。

季节趋势模型在气体泄漏扩散模拟预测中的应用

基于江苏工业学院油气储运安全综合实验模型平台,利用示踪技术,模拟了有害气体瞬时泄漏扩散的整个过程。结合趋势季节模型,以六号探头为研究对象,利用指数平滑法,进行时间序列预测,得到下一个时间段的有害气体扩散数据。研究表明泄漏物质浓度有下降的趋势,模型输出结果较好,拟合度高,一定程度上反映了泄漏后有害气体未来的扩散趋势。该研究结果对泄漏事故扩散趋势做出准确的预测,对建立有针对性的应急救援预案,实施有效的现场控制,具有一定的科学参考价值。

季节自回归求和移动平均模型在重庆市某老年群体医疗费用预测中的应用

目的探讨自回归求和移动平均(ARIMA)模型在某老年人群医疗费用预测中的应用,预测医疗费用的逐月趋势。方法①对重庆市某老年群体2005~2010年的逐月人均医疗费用分析模拟,建立季节ARIMA模型。②利用2011年的数据对模型进行修正,并且与Winters指数平滑法比较,采用平均相对误差评价预测效果;结果 ARIMA(0,1,1)(2,1,0)12模型是该老年群体医疗费用预测的最优拟合预测模型,平均相对误差是9.84%。结论 ARIMA(0,1,1)(2,1,0)12模型可用于老年人逐月人均医疗费用的短期预测。

大坝变形的二次曲线指数平滑法预测

指数平滑法是最常用的预测方法之一，它一般包括移动算术平均法、单指数平滑法、线性指数平滑法、季节性指数平滑法及二次曲线指数平滑法等。不同的平滑法适用于不同的时间趋势序列，而本文所提及的二次曲线指数平滑法则适用于非稳定的时间序列。

基于四种季节属性HWT模型的电力需求预测

基于日、周和年三种时间属性的滑动平均模型预测方法已经在电力需求短期预测方面得到了广泛应用。在本文中,我们研究了一种新的短期电力需求的模型和预测方法,即在日、周和年时间属性的基础上增加了一个月周期,并将这种新的周期应用到HWT模型中得到基于四种时间周期属性的预测算法,通过新加坡市场电力需求预测模型仿真得知,新的包含月周期的预测方法准确性更高。

应用修正的指数平滑法进行文献流通量预测

本文通过文献流通量预测的实践,探讨了应用季节系数修正三次指数平滑预测值进行预测的问题。从而为拓展情报学研究方法进行了有益的尝试。

工业和商业预测方法(指数平滑法和曲线拟合法实用指南)

工业和商业预测方法从实用的角度系统地介绍了确定型时间序列分析模型和回归模型。其中第一篇着重讨论各种时序模型的特点及其应用,并给出了相应的工作流程图,具有很大的参考价值。我们将分两次在增刊上刊载全文,本次刊载的是时序预测部分。

基于对数加法模型看产险公司保费收入的季节性效应及未来保费预测——以2008-2018年时间序列数据为例的实证分析

本文利用2008-2018年我国产险公司月保费收入的时间序列数据,基于对数加法模型将数据做季节性分解,发现产险公司的保费收入存在明显的季节性效应和长期趋势。本文进一步在Holt-Winters三参数指数平滑模型的基础上对原有数据建模,并用其预测2019年前7个月产险公司的保费收入情况。

3种模型预测猪瘟发病率的比较

如何控制和消灭猪瘟一直是防控工作的难点,对猪瘟发病率进行早期预测是目前研究的重点方向。本研究拟用ARMA模型、指数平滑模型和季节指数模型对猪瘟发病率进行预测,采用MSE、MAE、MPE和MAPE来评价模型的精确度。结果显示,ARMA模型的4种评价指标均为最小值,预测值最接近真实值,对猪瘟发病率的预测效果较好。应用定量预测法对猪瘟发病率进行数值上的模拟,可较好的反映近几年猪瘟的流行趋势和发病率的变化,为制定最优防控策略提供理论依据。

不同要素密集型制造业集聚对效率的非线性影响研究——基于负外部性的PSTR实证分析

笔者基于中国17个二位数制造业2005年~2011年的省级面板数据,根据生产要素密集度对制造业加以分类,以非期望产出数据包络方法(DEA)和非线性光滑面板转换方法(PSTR)作为分析工具,研究了不同类型的制造业集聚水平与生产效率之间的非线性关系。结果发现:(1)将环境污染作为负外部性因素,得到的效率差异很大;(2)不同类型制造业效率和集聚的关系不同,但基本都是非线性关系;(3)过度集聚型和集聚递减型制造业说明集聚并非越大越好,负外部性对效率的影响不容忽视。

飞行保障架次预测方法研究及恢复期预测

为研究飞行保障架次未来恢复发展情况,在传统时间序列预测方法基础上引入支持向量机(SVM)进行优化,再结合疫情影响预测并判断未来的增长情况,为未来航空运输的恢复提供了一定参考依据。首先基于ARIMA-SVM、Holt-Winters三参数指数平滑-SVM两种组合模型,在无疫情数据基础上进行验证,实现模型精度的优化;然后基于X-12分解疫情时间序列,预测2021年-2023年三年内的月度值,并判断年度增长恢复情况。结果表明:引入SVM优化残差序列后,组合模型与单一模型相比误差有所降低;通过疫情影响分析及预测可以判断疫情影响下的飞行保障架次预计在2023年恢复至疫情前的水平。