SARIMAX模型在肺结核疫情预测中的应用

目的探讨SARIMAX模型在肺结核疫情趋势预测中应用的可行性。方法以2013—2018年无锡市肺结核月发病数及气象数据为基础,分别建立SARIMA模型和SARIMAX模型,根据RMSE和MAPE对比两模型的预测效果。结果最终建立SARIMA(1,0,2)(1,0,1)12模型,前瞻性预测误差RMSE和MAPE分别为35.56%、18.28%;SARIMAX(1,0,2)(1,0,1)12模型,两值分别为27.83%、15.08%。结论SARIMAX(1,0,2)(1,0,1)12模型具有更好的拟合优度和预测精度,可用于肺结核疫情趋势预测。

基于Markov链与SARIMAX模型的混合动力车辆速度预测

针对车辆速度预测较为复杂的问题,提出将马尔可夫模型与SARIMAX模型引入车辆速度预测方法之中。基于美国密歇根州安阿伯市的车辆数据,将汽车运行的速度数据处理为时间序列数据之后建立模型进行预测。详细对比分析了马尔可夫模型与SARIMAX模型在四种不同工况(低速、中速、中高速、高速)与不同预测长度(5个、10个、15个、20个)下预测车速的准确程度。经过研究可以得出:在低速工况下,利用SARIMAX模型和马尔可夫模型对车速进行短期预测或长期预测都是不错的选择;在高速工况下,长期预测应选择马尔可夫模型,短期预测两个模型都能获得较好的效果;在中速和中高速工况下,长期预测应选择SARIMAX模型,中速工况下的车速短期预测选择SARIMAX模型更合适,中高速工况下的车速短期预测,两种模型的预测效果欠佳。

基于SARIMAX模型区域用水量短期预测

用水量预测是智慧水务生产领域供水管网系统优化调度的基础。预测短期的小时需水量和日需水量,为水厂制定合理科学的水泵运行计划提供数据支持,为中途泵站建立合理的配水管理提供依据,为确保供水区域的用户有充足的供水和稳定的水压提供更好的保障。针对目前水量预测中时间序列和神经网络预测算法收敛速度慢等问题,为更好的提升水量预测速度和精度,本文基于SARIMAX构建水量预测模型,对天气因素、节假日因素和特殊事件因素进行分析建模,利用特征工程相关算法筛选出影响预测精度的最优变量组合,实现城市短期需水量的预测。该模型已应用到实际的项目中,取得了较高的预测精度,模型的有效性和适用性得到了验证。

社会消费品零售总额模型预测实证研究

以河南省月度社会消费品零售总额为研究对象,构建ARIMA、SARIMA和SARIMAX三种预测模型,对2023年1月至11月的社会消费品零售总额进行预测。结果显示,SARIMAX模型的预测值与实际值的相对误差最小,误差率控制在3.0%左右,且相较于其他两种模型具有明显优势。以MAPE指标为例,SARIMAX模型的预测精度分别比ARIMA和SARIMA模型高51.7%和39.1%。因此,SARIMAX预测模型可为政府事先掌握消费市场动向、采取正确的应对措施提供重要的决策参考。

不同时间序列模型在岩溶山区矿井涌水量预测中的应用

矿井涌水量预测的精度对于煤矿开采安全有着至关重要的作用。文章以老鹰山煤矿为例,分析降雨与矿井涌水量的相关关系,结果表明:同期月及前第1个月降雨量与涌水量相关性具有逐渐减弱的趋势,而与前第2个月至第5个月的相关性有逐渐升高的趋势;基于矿井涌水量及降雨量,建立了单因素季节性时间序列SARIMA模型及多元季节性时间序列SARIMAX模型对矿井涌水量进行预测,预测结果表明:两种模型91.7%的预测值达到B级探明的矿井涌水量,预测精度均较高,SARIMAX模型预测结果的MAPE为18.57%,小于SARIMA模型的25.27%,预测精度更优。