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。

An Improved Adaptive Exponential Smoothing Model for Short-term Travel Time Forecasting of Urban Arterial Street

旅行时间的短期的预报为聪明的交通系统的成功是必要的。在这份报纸，我们考察预报模型的短期的交通的 state-of-art 并且构画出他们每个模型的基本想法，相关工作，优点和劣势。一改进适应指数的变光滑(IAES ) 模型也被建议克服以前的适应指数的变光滑模型的缺点。然后，比较实验在状况和反常交通调节评估在牌照匹配获得的直接旅行时间数据(每分钟行数) 上预报模型的四个主要分支的性能的正常交通下面被执行。实验的结果证明每个模型似乎有它的自己的力量和软弱。IASE 的预报表演比在更突然预报地平线(预报的和二步) 的另外的模型优异， IASE 能够处理各种交通条件。

Forecasting Inflation Rate of Zambia Using Holt’s Exponential Smoothing

In this paper, the Holt’s exponential smoothing and Auto-Regressive Integrated Moving Average (ARIMA) models were used to forecast inflation rate of Zambia using the monthly consumer price index (CPI) data from May 2010 to May 2014. Results show that the ARIMA ((12), 1, 0) is an adequate model which best fits the CPI time series data and is therefore suitable for forecasting CPI and subsequently the inflation rate. However, the choice of the Holt’s exponential smoothing is as good as an ARIMA model considering the smaller deviations in the mean absolute percentage error and mean square error. Moreover, the Holt’s exponential smoothing model is less complicated since you do not require specialised software to implement it as is the case for ARIMA models. The forecasted inflation rate for April and May, 2015 is 7.0 and 6.6 respectively.

湖北漳河灌区中稻气象产量变化特征及预测模型

准确的气象产量是正确评估气象条件对粮食产量影响的前提。为了探究湖北漳河灌区单季稻气象产量的时间序列变化规律,尝试通过三点滑动平均法、HP滤波法和一次指数平滑法、二次指数平滑法4种方法将漳河灌区1975—2020年的水稻单产数据分离为水稻趋势产量及气象产量,通过相关分析筛选水稻8个生育阶段的主要气象因子,然后与分离的气象产量构建水稻预测模型。结果表明:4种分割方法均能较好地反映气象产量序列与湖北省生产力发展水平的区域一致性特点,多年平均气象产量占总产量的比例约为3.39%,但2008年以后其占比达到10.1%。相关分析识别出抽穗开花期最低气温、拔节孕穗期最高气温、分蘖后期平均气温、返青期最低气温、乳熟期蒸发量和育苗最低气温是影响气象产量的主要因子,该模型在率定期(1976—2014年)和验证期(2015—2020年)的相对误差均在5%以内,模型的决定系数R 2为0.994。预测模型有助于研究未来气候变化下的区域水稻产量的变化。

经济政策不确定性、投资者情绪与银行系统性风险传染

面对经济政策不确定性和投资者情绪,银行业需承担应对经济衰退、化解银行风险和实现经济高质量稳定增长的责任。本文利用MVMQ-CAViaR模型测度了2008—2021年所有上市银行的系统性风险,构建面板门限回归模型和面板平滑转换模型,研究在投资者情绪转换作用下经济政策不确定性影响银行系统性风险多重传染的边际效应结构变化。研究表明:投资者情绪具有显著的区制转换效应,使经济不确定性影响银行系统性风险多重传染的净边际效应,以指数转换模式发生结构变化。据此提出正确处理经济政策不确定性与银行系统性风险的关系,投资者要保持理性情绪以及监管部门要加强监管的建议。

湖北省茶叶不同气象产量方法的比较分析

基于2010—2021年湖北省夷陵区、英山县、咸安区3个茶叶主产区的茶叶产量数据,采用二次指数平滑法、HP滤波法、三年滑动平均法提取趋势产量,探究气象产量最佳提取方法,分析气候要素对茶叶气象产量的影响。结果表明:夷陵区、英山县、咸安区3个茶叶主产区的种植面积、产量、单产随着时间的推移呈多项式变化趋势,2013年之前英山县最高,2015年之后夷陵区最高;采用3种方法拟合的产量变化趋势相同,夷陵区的茶叶产量随着时间的推移呈增长趋势,而英山县和咸安区则呈减少趋势;采用二次指数平滑法和HP滤波法测算出的趋势产量均与实际产量达到显著及以上相关性,对产量剧烈波动部分有较好的捕获能力,均优于三年滑动平均法;HP滤波法得到的气象产量能较好地反映气象条件的变化,适用于湖北省3个茶叶主产区气象产量的分离,可为后续气象产量分离的研究提供参考借鉴。

基于鲁棒双参数指数平滑法的BDS卫星钟差预报

为提高北斗(BDS)卫星钟差预报精度与稳定性,基于BDS卫星钟工作原理与数据特征,提出了一种基于鲁棒双参数指数平滑法的BDS卫星钟差预报方法。将双参数指数平滑法引入BDS钟差预报,并通过鲁棒化建模与优化初始值选取方式提升了双参数指数平滑法的抗差与适应能力,减小了数据异常干扰对钟差预报性能的影响。与常用的多项式模型、谱分析模型、灰色预测模型及超快速钟差预报产品进行对比分析,结果表明:所提方法适用于不同BDS轨道与类型的卫星钟差预报,取得了良好的预报精度与稳定性,其对BDS卫星钟的6h平均预报精度分别提升了40.3%、31.7%、63.6%和36.6%,预报稳定性分别提升了43.8%、38.9%、65.4%和33.1%。

UFMC系统中基于阈值的改进DFT信道估计算法

针对通用滤波多载波(Universal Filtered Multi-Carrier,UFMC)系统中传统的基于离散傅里叶变换(Discrete Fourier Transform,DFT)的信道估计算法存在噪声区间不连续、信道长度内噪声消除不彻底、信号经DFT运算后频谱泄露高等问题,提出一种基于阈值的改进DFT信道估计算法。算法在频域通过加窗以降低信道冲激响应(Channel Impulse Response,CIR)能量泄露,在时域通过设置阈值和指数平滑可最大限度滤除样本内噪声。理论分析与仿真结果表明,与传统的DFT估计算法相比,所提算法误比特率(Bit Error Ratio,BER)更低,在高信噪比下有1.5 dB左右的性能提升,能够进一步减少噪声对系统性能的影响,可有效提高信道估计的准确度。

冲突背景下国际政经关系多元数据联合分析

[研究目的]探究冲突背景下不同类型的第三方国同冲突方国的政经关系态势,识别行为异常国家,为国家外交政策制定提供情报支持。[研究方法]引入介入行为细分第三方国同冲突方国的政治关系类型,基于角色理论、冲突介入理论构建第三方国政经关系分析理论框架,基于多元数据对政经关系标注量化,采用单因素方差模型计算第三方国政经行为的相关性,基于指数平滑预测以及箱线图检测经济行为异常的国家。[研究结论]以“俄乌冲突”实证结果来看,第三方国同冲突方俄罗斯的政经关系呈现显著正相关,但亦有部分国家同俄罗斯政冷经热,印度、英国等国家经济行为表现相对异常。本研究探究冲突背景下第三方国同冲突方国的政经相关关系,能够为国际关系量化研究提供新的研究路径。

温通化瘀散结法联合箍围-火针法治疗头部脓肿性穿掘性毛囊炎5例

目的分析头部脓肿性穿掘性毛囊炎的临床特征及中医证候特点,提高对本病的诊断及中医辨证水平。方法对5例头部脓肿性穿掘性毛囊炎的临床表现、中医证候、中医治则、方药、预后进行回顾性分析。结果5例患者均为青年男性,年龄为19~26岁,平均年龄22.62岁,5例患者皮损以头皮大量结节、囊肿、融合性脓肿为主,伴有明显脓性分泌物、压痛、脱发明显等临床特点。5例患者中2例肥胖(BMI≥30.0 kg/m 2)。5例患者皮疹辨证均符合痰瘀互结证。中医内治均采用温通化瘀散结之法,局部红肿者仙方活命饮加减。外治采用箍围-火针法,箍围使用自制消炎膏配合冲和散,火针针刺后按压排脓。中医药治疗时间为56~180 d,平均时间为101.20 d,5例中3例结节、囊肿完全消退,脓性分泌物消失,遗留色减斑及瘢痕(病例1~3);1例结节消失,囊肿变平,硬化性囊肿缩小(病例4);1例硬化性囊肿略缩小(病例5)。随访6个月后,2例肥胖患者均有复发,继续治疗后复发皮损消失。结论温通化瘀散结法联合箍围-火针法治疗头部脓肿性穿掘性毛囊炎临床疗效较好,值得进一步研究和推广。

考虑产水量变化的气井井筒结垢堵塞预测

为提高气井解堵措施的针对性,综合考虑气井井筒无机物结垢的热力学和动力学影响,特别是考虑气井产水量变化与垢在井筒内壁的黏附系数,建立了气井井筒结垢堵塞预测模型,并应用于靖边气田。结果表明:基于平滑指数法预测了气井日产水量,预测时间越长,累积产水量的误差越小。加权系数α越小,预测结果越精准,模型中α取0.2;通过现场生产资料拟合,垢在井筒内壁的黏附系数取0.001时,能够取得较为满意的预测结果;现场应用结果表明该模型预测的结垢堵塞物组成和堵塞程度与现场相符,对气井井筒除垢解堵措施具有指导意义。

基于二次指数平滑和多元线性回归的宁波市港口物流需求预测分析

随着经济全球化的发展,港口作为物流发展的重要环节,港口物流需求已经成为港口资源配置规划和进出口贸易的重要依据。为对宁波市港口物流需求进行科学合理的预测,文章借助SPSS等数据分析软件,使用二次指数平滑和多元线性回归分别对其物流需求进行预测,通过对比两种预测方法的精度,最后发现,二次指数平滑法的预测精确度要优于多元线性回归法,并通过二次指数平滑法预测宁波市未来五年的港口物流需求量。

小波变换-指数平滑法预测西藏畜牧业产值

运用小波变换和指数平滑法相结合对西藏畜牧业产值进行了预测。首先对原始时间序列进行小波变换,通过信号重构去除原始信号中的噪声信号,然后利用3次指数平滑法对无噪信号进行预测,最后将指数平滑法的预测值与噪声信号相加,还原对原始时间序列的预测。结果显示:小波变换-指数平滑法的平均误差为0.715 6%,比传统3次指数平滑法的平均预测误差1.499 5%减小了52.277 4%,由模型预测得到2023年西藏自治区畜牧业产值为142.702 8亿元。

基于核空间联合稀疏表示和指数平滑的多基地水下小目标识别

针对多基地水下小目标分类识别问题,本文提出了一种基于核空间联合稀疏表示和指数平滑的多基地水下小目标识别方法 .对水下目标多角度散射信号提取6种典型的具有信息互补性和关联性的特征,提出一种随机森林(Random Forest,RF)和最小冗余最大相关(minimum Redundancy and Maximum Relevance,mRMR)相结合的特征选择方法(RF-mRMR),得出综合的特征重要性排序结果 .通过实验得出分类模型所需的最优特征子集,达到降低数据处理复杂度和提高目标分类结果的目的 .为了捕捉到数据中的高阶结构,在联合稀疏表示模型的基础上,使用核函数将线性不可分的特征数据映射到高维核特征空间.为了充分挖掘稀疏重构后包含在残差波段中的有用信息,使用指数平滑公式对具有一定意义的残差信息进行再利用,最后由核特征空间下的最小误差准则判定目标的类别.应用本文提出的方法对4类目标的海试数据进行识别,结果表明,相较于其他7种对比算法,本文提出的改进方法具有更好的分类性能,而且大多数情况下,本文提出的算法在双基地声呐模式下具有比单基地声呐更高的识别准确率和更低的虚警率.

基于时序InSAR的成都地铁沿线形变时空特征分析

采用PS-InSAR技术,基于Sentinel-1A卫星数据对覆盖开通运营3年时间内成都地铁3、4、7号线周边500 m范围的区域进行形变监测,并分析相对典型的形变区域的时空特征以及影响因素,最后利用Holt指数平滑模型对区域的形变进行预测。研究表明,成都市主城区的形变趋势表现为沉降情况较稳定西北方向抬升,东南方向沉降;形变速率在-15~15 mm/a内,且局部地区的沉降相对较明显,根据Holt指数平滑模型的预测值显示,几个典型沉降区域仍具有持续沉降的趋势,最后分析地铁沿线形变的主要原因为浦江-新津断裂带的活动以及城市建设等。

基于改进BiGRU的刀具磨损预测

针对双向门控循环神经网络(bidirectional gated recurrent unit,BiGRU)超参数难以确定以及对重要特征捕捉能力较弱的问题,提出了一种改进模型用于刀具磨损预测。模型采用经过下采样的多通道传感器数据作为输入,使用随机搜索算法自适应的确定深度学习模型的最优超参数组合,并引入注意力机制与指数搜索算法增强对全局特征与局部趋势的捕捉能力。模型在PHM2010数据集上进行了实验验证,结果表明,该方法可快速确定超参数组合,并获得更稳定的预测值,具有更好的综合性能。

Orlicz空间中带指数权的多项式逼近

在Orlicz空间中研究了带指数权w(x)=e^(-(1-x^(2))^(-α))(α>0)的多项式逼近问题,通过引入新的光滑模和相关K-泛函,运用Hölder不等式以及相关分析技巧证明了Orlicz空间中带指数权的Jackson定理和它的弱形式,并得到了一个新的Bernstein不等式.

基于季节性指数平滑法的电能表需求预测分析

随着智能电能表大规模普及应用,电能表需求数量日益庞大,采用经验人工估计容易造成电能表临时短缺和库存积压等问题。基于计量系统中的电能表历史安装数据,采用简单季节性模型、Winters加法模型和Winters乘法模型,并结合LSTM模型对结果进行对比分析,比较不同模型的优劣,确定电能表需求预测最优方法。实证结果表明:Winters乘法模型预测效果最好,预测值平均误差为2.46%,预测趋势符合实际情况。Winters乘法指数平滑法能够对电能表需求变化趋势进行科学合理预测,可以协助供电公司更加高效开展电能表运营管理,提高计量资产利用效率。

基于BP神经网络和二次指数平滑法组合预测模型的安徽省物流需求预测

为准确预测安徽省的物流需求,从经济发展、产量结构、地区贸易和消费水平4方面选取安徽省的地区生产总值,第一、二、三产业产值,社会消费品零售总额,固定资产投资,人均消费性支出7个影响因素作为安徽省物流需求评价指标,以安徽省货运量作为物流需求规模输出指标,采用灰色关联分析计算安徽省物流需求评价指标与物流需求规模间的关联度,判断评价指标的合理性。通过夏普利值法将BP神经网络预测模型和二次指数平滑法预测模型组合,预测2017—2021年安徽省物流需求。结果表明:BP神经网络预测模型、二次指数平滑法预测模型及二者的组合预测模型预测结果的平均相对误差分别为4.58%、6.70%、3.99%,组合预测模型的平均相对误差最小。通过组合预测模型预测2022—2024年安徽省物流需求分别为405 004.96万t、407 142.09万t、409 108.95万t,安徽省货运量呈持续增长趋势,但增幅降低。安徽省应加快传统物流向智慧物流的转移速度,扩大内需,加强物流枢纽城市间的联系,加速区域一体化发展步伐,确保物流高质量发展。

适用于海洋动态观测设备嵌入式系统的低功耗管理预测模型

能耗是制约海洋设备在水下工作时长的关键因素。为进一步降低海洋动态观测设备嵌入式系统的动态功耗,本文针对前人提出的用于预测空闲时间的指数平滑算法所存在的权重系数基于凑数法确定、算法难以适应大波动等问题,设计了一种新的权重系数,并构建了一种自适应的低功耗管理预测模型。当模型检测到预测的空闲时间超过工作和休眠状态切换的时间阈值后,中央处理器关停系统的部分外设,使系统进入低功耗休眠状态。仿真和单片机实验均表明,本文提出的低功耗管理预测模型能够有效地提高对处理器工作的空闲时间预测的准确性,且面对突发状况具有良好的自适应性,可显著降低嵌入式系统的功耗,有效延长设备的工作时间。