期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到519篇文章
< 1 2 … 26 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于SVM-SARIMA-LSTM模型的城市用水量实时预测 被引量：1
1
作者 李轩 吴永强 +2 位作者 王佳伟 杨伟超 张天洋 《水电能源科学》 北大核心 2025年第3期36-39,6,共5页
为提高气象波动下城市用水量预测精度,通过季节性分解的趋势—季节性—残差程序(STL)将城市时用水量分解为趋势分量、季节性分量和残差分量3部分,使用季节性自回归移动平均模型(SARIMA)对季节性部分进行捕捉,利用支持向量机(SVM)提取趋... 为提高气象波动下城市用水量预测精度,通过季节性分解的趋势—季节性—残差程序(STL)将城市时用水量分解为趋势分量、季节性分量和残差分量3部分,使用季节性自回归移动平均模型(SARIMA)对季节性部分进行捕捉,利用支持向量机(SVM)提取趋势部分与气温、降水、风速、气压和相对湿度5个气象因素之间的关系,利用长短时记忆网络(LSTM)对波动性明显的残差部分进行关系捕捉,构建了SVM-SARIMA-LSTM用水量实时预测模型,并利用衡水市3个月时用水量数据和气象数据训练SVM-SARIMA-LSTM模型,以随后1周的实测数据作为验证集对模型预测性能进行评估。结果表明,SVM-SARIMA-LSTM模型的平均绝对百分比误差(E_(MAP))比SARIMA模型低4.502%,均方根误差(E_(RMSE))降低了39.084%,确定系数R^(2)提高了9.965%,最大绝对误差(E_(maxA))减小了55.946%,具有较好的应用价值。所建模型通过整合关键气象因素,准确地捕捉到城市用水量的季节性趋势及非季节性波动,展现了优良的泛化性。 展开更多
关键词 sarima模型 支持向量机 长短时记忆神经网络 SVM-sarima-LSTM模型 STL分解程序 气象因素 用水量预测
原文传递
SARIMA模型在北京市东城区水痘发病趋势预测的应用
2
作者 白宏伟 汪静 +1 位作者 孙昊 翟力军 《首都公共卫生》 2025年第4期247-250,共4页
目的 探讨季节性差分自回归移动平均(SARIMA)模型在北京市东城区水痘发病趋势预测中应用的可行性,构建东城区水痘发病趋势预测系统,为水痘疫情早期预警和精准防控提供科学依据。方法 收集2013—2023年中国疾病预防控制信息系统中报告的... 目的 探讨季节性差分自回归移动平均(SARIMA)模型在北京市东城区水痘发病趋势预测中应用的可行性,构建东城区水痘发病趋势预测系统,为水痘疫情早期预警和精准防控提供科学依据。方法 收集2013—2023年中国疾病预防控制信息系统中报告的北京市东城区水痘病例,利用R软件进行时间序列分析并建立SARIMA乘法模型,利用该模型对2024年东城区水痘发病情况进行预测。结果 东城区水痘发病有明显的季节性,每年均有1个小高峰(4—5月)和1个大高峰(10—12月)。通过模型识别选定ARIMA(1,0,0)(0,1,1)[12]模型,模型的预测发病数据与实际发病数据趋势基本一致,均方根误差(RMSE)为4.38%,平均绝对百分比误差(MAPE)为21.72%,且实际发病数据均落在预测数据的95%CI范围内,表明模型拟合效果较好。利用该模型预测2024年东城区水痘的发病情况,全年发病251例,有4—5月、10—12月两个发病高峰,与往年发病趋势一致。结论 ARIMA(1,0,0)(0,1,1)[12]模型在东城区水痘发病趋势短期预测中表现出了较好效果。 展开更多
关键词 水痘 发病趋势 预测 风险评估 sarima模型 R语言
暂未订购
深圳市登革热新发病例及蚊媒密度SARIMA预测模型分析
3
作者 林良强 孔东锋 +5 位作者 项兰斌 陈志高 秦彦珉 刘阳 李剑锋 李苑 《中华卫生杀虫药械》 2025年第2期210-216,225,共8页
目的运用季节性差分求和自回归移动平均模型(SARIMA)分析和预测深圳市登革热发病和白纹伊蚊诱蚊诱卵指数(MOI)的变化趋势。方法收集2011年1月1日至2018年12月31日每月登革热发病和MOI数据,运用SPSS 20.0和Eviews 9.0统计软件拟合SARIMA... 目的运用季节性差分求和自回归移动平均模型(SARIMA)分析和预测深圳市登革热发病和白纹伊蚊诱蚊诱卵指数(MOI)的变化趋势。方法收集2011年1月1日至2018年12月31日每月登革热发病和MOI数据,运用SPSS 20.0和Eviews 9.0统计软件拟合SARIMA模型,并利用2018年1—12月的实际观测值与预测值进行分析比较,评估模型预测效果。结果深圳市登革热发病率与MOI均呈现明显的周期性和季节性,利用SARIMA(0,0,1)(0,1,1)12和SARIMA(1,1,0)(0,1,1)12分别预测了每月登革热发病率及MOI水平。2种不同SARIMA模型产生的预测值与实际值基本一致,其中登革热发病率预测模型中平均绝对误差百分比(MAPE)为175.74%,平均绝对误差(MAE)为10.59;而MOI预测模型中MAPE为41.63%,MAE为1.538。结论SARIMA(0,0,1)(0,1,1)12和SARIMA(1,1,0)(0,1,1)12模型可用于预测深圳市登革热的发生和传播风险。 展开更多
关键词 登革热 诱蚊诱卵指数(MOI) sarima模型 时间序列分析
原文传递
基于SARIMA-LSTM组合模型的北极航道冰情预测与适航性分析
4
作者 胡麦秀 胡若兰 《极地研究》 北大核心 2025年第3期585-602,共18页
本文基于1991—2021年北极航道海冰密集度和厚度的观测数据以及国际海事组织(International Maritime Organization,IMO)最新发布的极地操作限制评估风险指数系统(POLARIS),对北极航道的综合航行风险值进行分析,并运用SARIMA-LSTM组合... 本文基于1991—2021年北极航道海冰密集度和厚度的观测数据以及国际海事组织(International Maritime Organization,IMO)最新发布的极地操作限制评估风险指数系统(POLARIS),对北极航道的综合航行风险值进行分析,并运用SARIMA-LSTM组合模型对北极航道冰情开展中长期变化趋势预测,同时评估两种具有代表性船型在航道上的通航能力。结果表明:(1)2022—2035年北极航道的冰情与前10年相比,呈现一定程度的减轻,包括海冰密集度和厚度均值分别下降了11.31%和4.82%,夏秋两季冰情变化更为明显;(2)基于IMO最新发布的POLARIS冰区航行风险评估系统,IACS PC7冰级船与IACS PC3冰级船的综合航行风险均不断下降;7—12月IACS PC7冰级船在北极航道各海区风险指数结果大于0,船舶在此期间航行风险是可控的和可正常操作的;而IACS PC3冰级船则在全年各海区风险指数结果大于0,全海域航行风险是可控的和可正常操作的;(3)基于船舶航行实际模拟设定的通航标准,对于不同冰级船在北极航道的可通航时间预测则存在着较大差异性,其中IACS PC7冰级船的可通航时间没有出现明显变化,依然为每年8—11月;而IACS PC3冰级船的可通航时间则从每年7月至翌年1月延长到每年6月至翌年2月。 展开更多
关键词 北极东北航道 冰情预测 适航性 sarima-LSTM组合模型
在线阅读 下载PDF
SARIMA模型对冷沉淀凝血因子临床需求量的应用
5
作者 关晓梅 黄洁 +3 位作者 王琼 甘庭安 王玲 潘登 《甘肃医药》 2025年第8期720-724,共5页
目的:探索构建适用于兰州地区冷沉淀凝血因子临床需求量预测的SARIMA模型,科学合理制定匹配临床发展需求的成分血制备计划和血液库存管理。方法:以兰州地区2012年1月至2022年7月的冷沉淀凝血因子临床供血数据构建最优SARIMA模型,用所构... 目的:探索构建适用于兰州地区冷沉淀凝血因子临床需求量预测的SARIMA模型,科学合理制定匹配临床发展需求的成分血制备计划和血液库存管理。方法:以兰州地区2012年1月至2022年7月的冷沉淀凝血因子临床供血数据构建最优SARIMA模型,用所构建模型预测2022年10月至2023年9月的冷沉淀凝血因子临床供血量,并与实际临床供血量进行比较,评价模型拟合效果。结果:建立的最优模型为SARIMA(0,1,1)(0,1,1)12,残差序列ACF图和PACF图均落在95%CI内,Ljung-Box Q统计量为19.672(P=0.235),说明残差序列通过白噪声显著性检验,拟合模型有效。用该模型进行拟合及外推预测应用,结果显示模型预测的兰州地区2023年2~7月冷沉淀凝血因子临床供血量曲线趋势、季节效应均与实际值基本一致,平均相对误差值为0.1558,预测拟合效果较好。结论:SARIMA模型可用于兰州地区冷沉淀凝血因子临床需求量的预测。根据模型预测结果,兰州地区冷沉淀凝血因子临床供血需求呈现出上升趋势,提示本地区采供血机构应提前做好冷沉淀凝血因子制备计划,加强库存管理。基于冷沉淀凝血因子保存期较长、制备灵活这个优势,血站可以以模型预测值的95%CI上限制定应急储备计划,作为不可预测突发事件下的血液应急管理保障。 展开更多
关键词 血站服务 冷沉淀凝血因子 临床需求量 sarima模型 预测 应急管理
暂未订购
基于IMVMD和BiLSTM-SARIMA组合模型的台区光伏短期发电功率预测 被引量：1
6
作者 李承皓 杨永标 +2 位作者 宋嘉启 张翔颖 徐青山 《太阳能学报》 北大核心 2025年第2期433-440,共8页
针对台区分布式光伏短期发电功率预测精度低的难题,提出一种基于增强型鲸鱼优化算法的多元变分模态分解方法,并结合反向传播神经网络耦合双向长短期记忆网络和季节性差分自回归滑动平均的组合模型,实现台区分布式光伏短期发电功率预测... 针对台区分布式光伏短期发电功率预测精度低的难题,提出一种基于增强型鲸鱼优化算法的多元变分模态分解方法,并结合反向传播神经网络耦合双向长短期记忆网络和季节性差分自回归滑动平均的组合模型,实现台区分布式光伏短期发电功率预测。首先对鲸鱼优化算法的收敛因子、权重等进行改进,然后用它去优化多元变分模态分解方法中的通道数量和惩罚因子,得到最佳分解效果的参数值。再针对与外界气象等因素强相关的光伏发电功率时间序列数据,利用改进多元模态分解将序列最优分解。将分解后的各模态分量输入到单独构建的双向长短期记忆网络和季节性差分自回归滑动平均模型中,获取分量预测值,两个模型得到的分量预测值分别叠加得到各自的完整预测结果。将它们分别乘以权重后相加即为最终预测结果,权重通过反向传播神经网络进行修正。仿真结果说明相比于其他方法,所提模型能有效提高光伏短期发电的预测精度。 展开更多
关键词 模态分解 神经网络 光伏发电 预测 BiLSTM sarima
原文传递
基于SARIMA和Prophet模型的流行性感冒流行趋势预测与分析
7
作者 董贝贝 孙亚敏 +3 位作者 华伟玉 李梦瑶 何斌 刘锋 《首都公共卫生》 2025年第2期80-84,共5页
目的分析中国全国流感样病例(ILI)流感阳性率的变化趋势,比较季节性差分自回归移动平均模型(SARIMA)和Prophet模型的预测效果,为流感的防控提供科学依据。方法由于流感在中国南北方的流行特征具有差异,利用中国全国(以下简称全国)、南... 目的分析中国全国流感样病例(ILI)流感阳性率的变化趋势,比较季节性差分自回归移动平均模型(SARIMA)和Prophet模型的预测效果,为流感的防控提供科学依据。方法由于流感在中国南北方的流行特征具有差异,利用中国全国(以下简称全国)、南方地区和北方地区2015—2024年每周ILI的流感阳性率,构建SARIMA和Prophet模型进行预测,训练集为2015—2023年第1—52周数据,测试集为2024年第1—52周数据。使用平均绝对百分比误差(MAPE)评价预测效果。SARIMA模型采用AIC值确定参数,Prophet模型采用MAPE值确定最优参数。结果SARIMA模型对2025年全国ILI流感阳性率年度长期预测最好,MAPE为2.640%(南方:6.983%,北方:12.676%)。Prophet模型对全国ILI流感阳性率预测最好,MAPE为4.534%(南方:9.250%,北方:42.643%)。Prophet模型对2025年第1—10周全国流感阳性率预测MAPE为0.317%(SARIMA:0.483%)。结论SARIMA模型和Prophet模型预测各有优势,SARIMA在年度长期预测能力优于Prophet模型;在多周中长期预测能力劣于Prophet模型;在短期单点预测能力优于Prophet模型。 展开更多
关键词 流感样病例 流行性感冒 sarima模型 Prophet模型 预测
暂未订购
基于SARIMA-SVM模型的季节性PM_(2.5)浓度预测 被引量：1
8
作者 宋英华 徐亚安 张远进 《计算机工程》 北大核心 2025年第1期51-59,共9页
空气污染是城市环境治理的主要问题之一,而PM_(2.5)是影响空气质量的重要因素。针对传统时间序列预测模型对PM_(2.5)浓度预测缺少季节性因素分析,预测精度不够高的问题,提出一种基于机器学习的季节性差分自回归滑动平均-支持向量机(SARI... 空气污染是城市环境治理的主要问题之一,而PM_(2.5)是影响空气质量的重要因素。针对传统时间序列预测模型对PM_(2.5)浓度预测缺少季节性因素分析,预测精度不够高的问题,提出一种基于机器学习的季节性差分自回归滑动平均-支持向量机(SARIMA-SVM)融合模型。该融合模型为串联型融合模型,将数据拆分为线性部分与非线性部分。SARIMA模型在差分自回归滑动平均(ARIMA)模型的基础上增加了季节性因素提取参数,能有效分析PM_(2.5)浓度数据的季节性规律变化趋势,较好地预测数据未来的线性变化趋势。结合SVM模型对预测数据的残差序列进行优化,利用滑动步长预测法确定残差序列的最优预测步长,通过网格搜索确定最优模型参数,实现对PM_(2.5)浓度数据的长期预测,同时提高整体预测精度。通过对武汉市近5年的PM_(2.5)浓度监测数据进行分析,结果表明该融合模型的预测准确率相较于单一模型有很大提升,在相同的实验环境下比单一的ARIMA、Auto ARIMA、SARIMA模型分别提升了99%、99%、98%,稳定性也更好,为PM_(2.5)浓度预测研究提供了新的思路。 展开更多
关键词 季节性差分自回归滑动平均 支持向量机 融合模型 PM_(2.5)浓度 季节性预测
在线阅读 下载PDF
基于SARIMA和XGBoost的加权组合模型在新疆布鲁菌病发病趋势预测中的研究
9
作者 黄冕 鲁晓擘 +2 位作者 郑嵘炅 杨圆圆 李树林 《热带医学杂志》 2025年第7期982-986,共5页
目的构建新疆维吾尔自治区布鲁菌病的发病预测模型,比较季节性差分自回归移动平均模型(SARIMA)、极端梯度提升(XGBoost)模型与SARIMA-XGBoost加权组合模型的预测效果,为布鲁菌病的发病预警和防控措施的制定提供科学依据。方法收集2009年... 目的构建新疆维吾尔自治区布鲁菌病的发病预测模型,比较季节性差分自回归移动平均模型(SARIMA)、极端梯度提升(XGBoost)模型与SARIMA-XGBoost加权组合模型的预测效果,为布鲁菌病的发病预警和防控措施的制定提供科学依据。方法收集2009年1月-2019年12月新疆维吾尔自治区布鲁菌病的月度发病人数数据,将2009年1月-2018年12月的数据用于训练集,2019年1-12月的数据用于测试集。分别构建SARIMA、XGBoost和SARIMA-XGBoost加权组合模型,并对3种模型的预测效果进行对比分析。结果SARIMA-XGBoost加权组合模型对新疆布鲁菌病月发病人数的预测效果最佳,其平均绝对百分比误差(MAPE)为8.59%,均方根误差(RMSE)为34.24,平均绝对误差(MAE)为27.51,均优于单一模型。该模型能够较为精准地捕捉布鲁菌病发病人数的变化趋势。结论SARIMA-XGBoost加权组合模型能够提升模型预测效果,对新疆布鲁菌病发病人数预测具有应用价值。 展开更多
关键词 布鲁菌病 时间序列分析 sarima模型 XGBoost模型
原文传递
基于SARIMA和季节指数模型的非职业性一氧化碳中毒事件预测研究
10
作者 韩宛彤 张永强 +9 位作者 杜世昌 王薇 曲凯 何欣 徐赐贤 孙秀梅 孙其然 张瑾瑶 卜凡 孙鑫贵 《公共卫生与预防医学》 2025年第6期12-16,共5页
目的旨在建立北京市非职业性一氧化碳中毒事件的预测模型,为中毒事件的预防和预警提供科学依据和理论支持。方法利用2016—2024年北京市非职业性一氧化碳中毒事件的监测数据,采用季节性ARIMA模型和季节指数模型对其对比分析和预测。结果... 目的旨在建立北京市非职业性一氧化碳中毒事件的预测模型,为中毒事件的预防和预警提供科学依据和理论支持。方法利用2016—2024年北京市非职业性一氧化碳中毒事件的监测数据,采用季节性ARIMA模型和季节指数模型对其对比分析和预测。结果2016—2024年北京市累计报告非职业性一氧化碳中毒事件436起,呈下降趋势。建立的SARIMA模型和季节指数模型分别为SARIMA(1,0,0)(1,1,0)_(12)、Y_(t)=(-0.0339 t+5.8863)×S_(t),平均相对误差分别为65.42%、29.19%;从月份来看,4月、夏季(6~8月)期间,SARIMA模型的预测效果更优,其余月份则是季节指数模型预测效果更优。结合两种模型对2025年事件数进行预测,各月的事件发生数为:3、2、2、3、1、5、2、7、1、1、1、2。结论季节指数模型对北京市全年非职业性一氧化碳中毒事件数的预测效果最优,SARIMA模型预测的夏季事件数更接近实际值,可综合两种模型对非职业性一氧化碳中毒趋势进行预测,为未来预防和控制中毒事件提供科学依据。 展开更多
关键词 sarima模型 季节指数模型 非职业性一氧化碳中毒 预测
原文传递
SARIMA与Prophet的混合算法在时间序列预测中的应用研究 被引量：1
11
作者 李长生 《软件》 2025年第1期7-9,共3页
本研究提出了一种基于SARIMA与Prophet模型的混合算法,以提升时间序列预测的精度。SARIMA模型擅长处理线性趋势和季节性变化,Prophet模型则适用于捕捉非线性趋势和异常波动。将两者结合后的混合算法能够更全面地对复杂数据进行预测。在... 本研究提出了一种基于SARIMA与Prophet模型的混合算法,以提升时间序列预测的精度。SARIMA模型擅长处理线性趋势和季节性变化,Prophet模型则适用于捕捉非线性趋势和异常波动。将两者结合后的混合算法能够更全面地对复杂数据进行预测。在零售、气象和金融市场等行业中的实验结果表明,混合算法在预测准确性上优于单一模型,误差率降低了15%以上。本文进一步探讨了混合算法的设计、优化和实际应用,为未来时间序列预测提供了新的思路和方法。 展开更多
关键词 时间序列预测 sarima模型 Prophet模型 混合算法 预测准确性
在线阅读 下载PDF
基于SARIMA模型和Holt-Winters指数平滑法的流行性出血热发病率预测
12
作者 代婷婷 刘静 《预防医学情报杂志》 2025年第8期1064-1072,共9页
目的 探讨SARIMA模型和Holt-Winters指数平滑法2种模型对流行性出血热发病率预测的应用价值。方法 基于中国2016年1月至2020年12月流行性出血热月度发病率数据,利用IBM SPSS 24.0软件中的时间序列预测模块分别建立SARIMA模型和Holt-Wint... 目的 探讨SARIMA模型和Holt-Winters指数平滑法2种模型对流行性出血热发病率预测的应用价值。方法 基于中国2016年1月至2020年12月流行性出血热月度发病率数据,利用IBM SPSS 24.0软件中的时间序列预测模块分别建立SARIMA模型和Holt-Winters指数平滑模型,对流行性出血热发病率进行预测,应用MAE、MAPE、RMSE等指标评价预测效果,检验水准α=0.05。结果 最佳的SARIMA模型为SARIMA(0,1,0)(0,1,0)12,R^(2)为0.856,标准化的BIC为-8.505,该模型通过了Ljung-Box Q检验(P>0.05);Holt-Winters相乘模型为最优的指数平滑模型,R^(2)为0.895,标准化的BIC为-8.830;2个模型中,Holt-Winters相乘模型的MAE、MAPE、RMSE值均低于SARIMA(0,1,0)(0,1,0)_(12)。结论 2个模型均可用于我国流行性出血热月度发病率预测,Holt-Winters相乘模型预测效果优于SARIMA(0,1,0)(0,1,0)_(12)模型。 展开更多
关键词 sarima模型 Holt-Winters指数平滑法 流行性出血热 发病率 预测
原文传递
SARIMA模型在大连市梅毒发病预测中的应用
13
作者 孙巍 白金剑 +3 位作者 安庆玉 熊帮洁 郭俐男 吴隽 《公共卫生与预防医学》 2025年第3期60-63,共4页
目的 探讨季节性差分自回归滑动平均模型(SARIMA)在大连市梅毒发病预测中的应用,为该市梅毒防控提供参考依据。方法 应用SPSS 25.0软件对大连市2010—2019年梅毒月报告监测数建立SARIMA模型,用该模型对2020年1~12月梅毒发病数进行预测,... 目的 探讨季节性差分自回归滑动平均模型(SARIMA)在大连市梅毒发病预测中的应用,为该市梅毒防控提供参考依据。方法 应用SPSS 25.0软件对大连市2010—2019年梅毒月报告监测数建立SARIMA模型,用该模型对2020年1~12月梅毒发病数进行预测,并与实际报告数进行比较,以评价模型预测结果。结果 SARIMA(2,1,0)×(0,1,1)_(12)为最优预测模型(P<0.001),统计量遵循贝叶斯信息准则(BIC)值最小原则,白噪声检验Liung-Box统计量差异均无统计学意义,残差为白噪声序列,以此模型预测的2020年各月发病数与实际发病数比较,平均绝对百分比例误差MAPE=8.93%,模型预测效果较好。结论 SARIMA(2,1,0)×(0,1,1)_(12)模型能较好拟合大连市梅毒发病情况,可用于大连市梅毒发病数的预测。 展开更多
关键词 梅毒 季节性差分自回归滑动平均模型 预测
原文传递
SARIMA模型对成都市某三甲医院门诊就诊人次的预测探索
14
作者 杜军 郭慧敏 +1 位作者 王春彬 黄路非 《中国社会医学杂志》 2025年第3期373-377,共5页
目的利用季节性差分自回归移动平均模型(seasonal autoregressive integrated moving average model,SARIMA)预测医院每月门诊就诊人次,为医院的医疗资源配置提供科学依据。方法对某三甲医院2012-2019年的门诊就诊人次进行SARIMA模型拟... 目的利用季节性差分自回归移动平均模型(seasonal autoregressive integrated moving average model,SARIMA)预测医院每月门诊就诊人次,为医院的医疗资源配置提供科学依据。方法对某三甲医院2012-2019年的门诊就诊人次进行SARIMA模型拟合与参数检验,验证模型的拟合优度,利用该模型预测2020年1-6月的门诊就诊人次,最后绘制数据序列图。结果利用Python语言的pmdarima包中的auto_arima()函数进行参数自动选择,确定SARIMA模型(0,1,1)(0,1,1)的模型拟合优度最佳(AIC=1461.336),经LBQ检验(P>0.05)确认模型残差为白噪声。模型构造完成后,使用测试集对模型进行验证,得到测试集的年门诊就诊人次为1188072,而实际年门诊就诊人次为1211079,MAPE=1.9%,构建的模型与实际差异较小。最后预测2020年1-6月的每月门诊就诊人次分别为:115488、92989、117045、114603、113083、107210人次。结论构建合理的SARIMA模型对未来的短期预测有很好的效果,其预测性能良好,预测结果可用于支持门诊诊疗资源的决策和规划,帮助医院管理者根据周期性特征对可用资源实施精准调度,对医院门诊资源调配具有积极意义。 展开更多
关键词 季节性差分自回归移动平均模型 门诊就诊人次 预测 流程优化
暂未订购
SARIMA模型在新疆生产建设兵团人间布鲁氏菌病发病预测中的应用
15
作者 成彦彪 赵倩 +3 位作者 田思扬 于亚乐 巩盼龙 王童敏 《中国卫生统计》 北大核心 2025年第2期282-285,292,共5页
目的建立季节性自回归滑动平均混合模型(seasonal aut-regressive integrated moving average,SARIMA),前瞻性预测兵团未来2年人群布病发病情况,为兵团布鲁氏菌病的预防控制提供参考依据。方法利用2012—2021年兵团人间布病的月发病数... 目的建立季节性自回归滑动平均混合模型(seasonal aut-regressive integrated moving average,SARIMA),前瞻性预测兵团未来2年人群布病发病情况,为兵团布鲁氏菌病的预防控制提供参考依据。方法利用2012—2021年兵团人间布病的月发病数建立时间序列,运用SAS 9.4M3模拟SARIMA时间序列预测模型,使用2022年的观察值和预测值评估模型,并预测2023—2024年发病情况。结果兵团人间布病在2012—2014年呈现上升趋势,2015—2020年呈现下降趋势,2021年呈现逐渐回升趋势;流行期在每年的3月至8月。预测结果显示2023—2024年兵团人间布病的发病数分别为671人和804人,发病高峰在每年的6月份。拟合出SARIMA(0,1,1)(0,1,1)_(12)为最优预测模型,2022年的预测值与实际值的均方根误差(RMSE)为19.89,平均绝对误差(MAE)为18.14;1—9月和12月的实际月发病数均落在预测值的95%置信区间内,10月和11月的实际月发病数低于预测值95%置信下限。结论SARIMA(0,1,1)(0,1,1)12模型可用于兵团人间布病发病趋势的短期预测,可为兵团人间布病预警和流行趋势研判提供科学的公共卫生依据。预测结果显示2023—2024年兵团人间布病发病呈上升趋势,应加强布病防控工作。 展开更多
关键词 人间布鲁氏菌病 sarima 时间序列 SAS 兵团
暂未订购
基于SARIMA-BP神经网络组合方法的MODIS叶面积指数时间序列建模与预测 被引量：16
16
作者 姜春雷 张树清 +2 位作者 张策 李华朋 丁小辉 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2017年第1期189-193,共5页
植被叶面积指数(LAI)时间序列的建模及预测是陆面过程模型和遥感数据同化方法的重要组成部分。MODIS数据产品MOD15A2是目前应用最为广泛的LAI数据源之一,然而MODIS LAI时间序列产品包含了一些低质量的数据,例如由于云层、气溶胶等的影响... 植被叶面积指数(LAI)时间序列的建模及预测是陆面过程模型和遥感数据同化方法的重要组成部分。MODIS数据产品MOD15A2是目前应用最为广泛的LAI数据源之一,然而MODIS LAI时间序列产品包含了一些低质量的数据,例如由于云层、气溶胶等的影响,该产品在时间和空间上缺乏连续性。MODIS LAI时间序列包含线性部分和外在干扰产生的非线性部分,单一的线性方法或非线性方法都不能对其精确建模和预测。首先利用Savitzky-Golay(SG)滤波和线性插值平滑受到干扰的LAI时间序列,然后采用季节自回归积分滑动平均(SARIMA)方法、BP神经网络方法及二者的组合方法(SARIMA-BP)对MODIS LAI时间序列进行建模及预测。在SARIMA-BP神经网络组合方法中,各自在线性与非线性建模的优势得以充分发挥,其中SARIMA方法用于建模及预测LAI时间序列中的线性部分,BP神经网络方法用于对非线性残差部分进行建模及预测。实验结果显示:SG滤波和线性插值后的LAI时间序列比原LAI时间序列更平滑;SARIMA-BP神经网络组合方法的决定系数为0.981,比SARIMA和BP神经网络的0.941和0.884更接近于1;SARIMA-BP神经网络组合方法的预测值同观测值之间的相关系数为0.991,高于SARIMA(0.971)和BP神经网络(0.942)的相关系数。由此得出结论:SARIMA-BP神经网络组合方法对MODIS LAI时间序列具有更好的适应性,其建模和预测准确性高于SARIMA方法或BP神经网络方法。 展开更多
关键词 sarima BP神经网络 LAI sarima-BP神经网络组合方法 LAI时间序列建模与预测
在线阅读 下载PDF
基于“SARIMA-BP/SVM/RF”联合模型及R语言实现的《时间序列分析》课程教学改革探索
17
作者 陈惠达 杜进林 《中国卫生统计》 北大核心 2025年第4期632-636,共5页
目的 构建和验证SARIMA-BP/SVM/RF联合模型,并通过R语言实现,以科研服务教学,进行《时间序列分析》课程改革。方法 以SARIMA模型的拟合值作为BP/SVM/RF模型的输入,以时间序列数据实际值作为BP/SVM/RF模型的输出,选用R 4.3中auto.arima()... 目的 构建和验证SARIMA-BP/SVM/RF联合模型,并通过R语言实现,以科研服务教学,进行《时间序列分析》课程改革。方法 以SARIMA模型的拟合值作为BP/SVM/RF模型的输入,以时间序列数据实际值作为BP/SVM/RF模型的输出,选用R 4.3中auto.arima()、nnet()、svm()和randomForest()函数对河南省流行性感冒和山东省乙肝数据进行实例分析。结果 SARIMA-RF模型两组数据预测值的RMSE分别为894.5121和146.6224,MAPE分别为0.1309和0.0187,预测效果最优。SARIMA-BP神经网络模型两组数据预测值的RMSE分别为1211.5088和293.8433,MAPE分别为0.2069和0.0369;SARIMA-SVM模型两组数据预测值的RMSE分别为1572.1080和244.5919,MAPE分别为0.1993和0.0325;SARIMA模型两组数据预测值的RMSE分别为1887.5854和349.2565,MAPE分别为0.2147和0.0509;SARIMA-BP神经网络模型和SARIMA-SVM模型的预测效果不相上下,不及SARIMA-RF模型但优于SARIMA模型。结论 构建SARIMA-BP/SVM/RF联合模型的教学改革是合适的,联合模型优于单纯SARIMA模型,通过R语言软件实现联合模型的训练是方便且高效的。 展开更多
关键词 sarima BP/SVM/RF 联合模型 R语言实现 课程教学改革
暂未订购
SARIMA模型与prophet模型对手足口病周发病率拟合及预测效果比较 被引量：9
18
作者 刘天 吴杨 +3 位作者 陈琦 姚梦雷 侯清波 黄继贵 《预防医学情报杂志》 CAS 2022年第10期1346-1350,共5页
目的比较SARIMA模型与prophet模型在手足口病周发病率拟合及预测效果。方法以湖北省荆州市2010年第1周-2019年第46周手足口病发病率数据作为拟合数据分别拟合SARIMA模型、控制法定节假日、寒暑假、周期性、季节性的SARIMAX模型和控制周... 目的比较SARIMA模型与prophet模型在手足口病周发病率拟合及预测效果。方法以湖北省荆州市2010年第1周-2019年第46周手足口病发病率数据作为拟合数据分别拟合SARIMA模型、控制法定节假日、寒暑假、周期性、季节性的SARIMAX模型和控制周期性的Prophet模型,并预测2019年47-52周发病率。比较拟合值与实际值、预测值与实际值,采用平均绝对误差百分比(MAPE)、均数标准差(RMSE)、平均绝对误差(MAE)、平均误差率(MER)等4个指标评价拟合及预测效果。结果SARIMA(0,1,1)(2,0,0)(52)为SARIMA最优预测模型。SARIMA模型、SARIMAX模型和prophet模型拟合的MAPE、RMSE、MAE和MER依次为24.78%、0.39、0.57、18.55%,23.30%、0.39、0.61、18.52%,61.82%、0.80、1.17、37.45%;SARIMA模型、SARIMAX模型和prophet模型预测的MAPE、RMSE、MAE和MER依次为27.96%、0.16、0.20、22.06%,31.43%、0.19、0.23、25.38%和243.35%、1.68、1.70、225.51%。结论SARIMA模型拟合及预测效果优于prophet模型,控制法定节假日、寒暑假、周期性、季节性的SARIMAX模型对于提高SARIMA模型拟合及预测精度作用不大。 展开更多
关键词 sarima sarimaX prophet模型 R语言 手足口病
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 26 下一页 到第 页
使用帮助 返回顶部