期刊文献+
共找到193篇文章
< 1 2 10 >
每页显示 20 50 100
SARIMA-RBF组合模型在手足口病发病率拟合及预测中的应用
1
作者 刘天 姚梦雷 +4 位作者 黄继贵 刘予希 吴杨 刘红慧 邢学森 《国际病毒学杂志》 2019年第3期177-181,共5页
目的探讨SARIMA-RBF组合模型在手足口病发病率拟合及预测中的应用效果。方法利用全国2009年1月至2015年6月手足口病逐月发病率建立SARIMA模型。将基于SARIMA模型的拟合值作为输入向量,实际值作为输出向量,根据时间因素是否作为输入向量... 目的探讨SARIMA-RBF组合模型在手足口病发病率拟合及预测中的应用效果。方法利用全国2009年1月至2015年6月手足口病逐月发病率建立SARIMA模型。将基于SARIMA模型的拟合值作为输入向量,实际值作为输出向量,根据时间因素是否作为输入向量建立2个SARIMA-RBF组合模型(加入时间因素为组合模型A,不加入时间因素为组合模型B)。运用SARIMA模型和2个组合模型预测2015年7—12月手足口病发病率并与实际值比较,评价模型拟合及预测效果。结果SARIMA(1,0,1)(0,1,1)12为最优SARIMA模型。SARIMA模型、组合模型A和组合模型B拟合的平均绝对误差百分比、平均误差率、均方误差和平均绝对误差依次分别为19.985%,16.177%,8.608,2.029;16.661%,11.940%,3.741,1.502;21.487%,15.998%,7.590,2.013。SARIMA模型、组合模型A和组合模型B预测的四个指标依次分别为9.119%,8.988%,1.874,1.107;6.536%,7.395%,1.926,0.911;12.016%,11.140%,2.370,1.372。结论考虑时间因素的SARIMA-RBF组合模型拟合及预测效果优于SARIMA模型,可以用于手足口病的短期预测。 展开更多
关键词 SARIMA RBF神经网络 组合模型 手足口病
基于SARIMA模型的贵阳市尾号限行政策影响研究 预览
2
作者 范馨月 沈齐 《贵州大学学报:自然科学版》 2019年第1期106-111,共6页
研究SARIMA模型在城市机动车普通号牌尾号限行取消后号牌增量预测中的应用价值。通过收集贵阳市2011年7月至2018年7月专段号牌和普通号牌的新增办理量数据,建立乘积季节性SARIMA模型,对2018年取消普通号牌尾号限行政策后普通号牌新增办... 研究SARIMA模型在城市机动车普通号牌尾号限行取消后号牌增量预测中的应用价值。通过收集贵阳市2011年7月至2018年7月专段号牌和普通号牌的新增办理量数据,建立乘积季节性SARIMA模型,对2018年取消普通号牌尾号限行政策后普通号牌新增办理量进行预测。SARIMA模型能够较好地拟合每月普通号牌新增办理量的情况,平均相对误差为0.0919。结合新政策实行后贵阳市一环内号牌分析,为贵阳市号牌限行政策的制定提供数据支撑和交通治理依据。 展开更多
关键词 城市交通 交通拥堵 SARIMA 机动车尾号限行
在线阅读 下载PDF
基于SARIMA模型的国际稻米价格预测
3
作者 郭静利 董渤 《价格理论与实践》 北大核心 2019年第1期79-82,共4页
我国是全球最大的稻米生产国和消费国,是国际稻米市场的主要成员国,对国际稻米价格波动作深入分析,有利于促进我国稻米企业国际化发展。本文基于1988年9月-2018年9月的国际稻米月度数据,以国际稻米价格增速为变量建立AR模型,检验2008年... 我国是全球最大的稻米生产国和消费国,是国际稻米市场的主要成员国,对国际稻米价格波动作深入分析,有利于促进我国稻米企业国际化发展。本文基于1988年9月-2018年9月的国际稻米月度数据,以国际稻米价格增速为变量建立AR模型,检验2008年稻米价格暴增前后的差异,得出稻米价格增速周期分别为5.7和5.6月,模型滞后阶从11降至2显示序列自相关性减弱,季节性分解中发现季节效应增强,短期波动的收敛速度加快,表明需要适度提升稻米库存的周转速度以适应国际市场变动需求。通过建立SARIMA模型,预测国际稻米价格到2019年初将持续上升,此后有所下降,年际更替时价格呈现为"先升后降",对国际稻米价格走势分析和判断具有一定的参考价值。 展开更多
关键词 国际市场 稻米价格 周期分析 SARIMA
SARIMA及神经网络模型在精神类疾病患者预测中的比较研究 预览
4
作者 范馨月 王清青 《医学信息》 2019年第12期6-9,共4页
目的采用SARIMA、BP神经网络、RBF神经网络及小波神经网络模型对贵州省某专科医院的精神类疾病患者数进行拟合及预测,并比较各类预测模型的预测效果。方法将贵州省某专科医院2016年1月1日~12月31日HIS系统中精神类疾病的数据作为训练集... 目的采用SARIMA、BP神经网络、RBF神经网络及小波神经网络模型对贵州省某专科医院的精神类疾病患者数进行拟合及预测,并比较各类预测模型的预测效果。方法将贵州省某专科医院2016年1月1日~12月31日HIS系统中精神类疾病的数据作为训练集,建立SARIMA(1,1,1)×(1,1,1)3模型、BP神经网络、RBF神经网络、小波神经网络模型。分别对2017年1月1日~16日精神类疾病患者数进行预测,将2017年1月1日~16日数据作为验证集。分别用3类误差分析指标衡量模型的拟合效果,并比较模型预测的准确性。结果RBF神经网络模型对该医院精神类疾病患者数的拟合效果优于BP神经网络和小波神经网络模型,平均绝对误差为(1.84×10^-7)%,平均相对误差为4.92×10-6,均方根误差为4.74×10^-6。3类预测误差平均值分别为23.70%、3.633、93.72。结论4种模型均能用于医院精神类疾病患者数的预测,但就预测效果而言,小波神经网络模型的各项误差指标均低于其他3种预测模型,小波神经网络模型可作为预防和医院管理的理论依据。 展开更多
关键词 SARIMA BP神经网络 RBF神经网络 小波神经网络模型 预测 精神类疾病
在线阅读 下载PDF
纬度因素对季节性时序TEC短期预报模型的影响分析 预览
5
作者 陈雨田 刘立龙 +1 位作者 刘中流 贺朝双 《大地测量与地球动力学》 CSCD 北大核心 2018年第6期581-586,共6页
通过测试选取合适的时间序列长度,分析地磁指数,排除磁暴与地磁活动的影响,针对电离层TEC值的周期性变化及其随纬度的不均匀分布规律,采用季节性时间序列模型SARIMA和指数平滑模型Holt-Winters,利用IGS中心提供的TEC格网数据,对... 通过测试选取合适的时间序列长度,分析地磁指数,排除磁暴与地磁活动的影响,针对电离层TEC值的周期性变化及其随纬度的不均匀分布规律,采用季节性时间序列模型SARIMA和指数平滑模型Holt-Winters,利用IGS中心提供的TEC格网数据,对北半球不同纬度的48个区域进行预报,并通过定义日均相对精度和均方根误差来评定预报精度。结果表明,3种模型均能较好地反映电离层TEC值的周期性变化,但均方根误差随纬度的降低总体呈现增长趋势,且在北纬25°与55°表现为极大值,在北纬45°表现为极小值。 展开更多
关键词 地磁指数 电离层 TEC SARIMA Holt-Winters
在线阅读 免费下载
基于SARIMA模型和X-12-ARIMA季节调整方法预测的比较 预览
6
作者 李少雄 李本光 《统计与决策》 CSSCI 北大核心 2018年第18期39-42,共4页
文章基于贵州省1998—2015年固定资产投资季度数据,分别采用SARIMA模型和X-12-ARIMA季节调整方法对贵州省2016年固定资产投资季度数据进行预测,将预测值与实际值进行比较,依据相对误差率,结果表明,基于X-12-ARIMA季节调整方法的预测值... 文章基于贵州省1998—2015年固定资产投资季度数据,分别采用SARIMA模型和X-12-ARIMA季节调整方法对贵州省2016年固定资产投资季度数据进行预测,将预测值与实际值进行比较,依据相对误差率,结果表明,基于X-12-ARIMA季节调整方法的预测值比基于SARIMA模型的预测值更加精确合理。 展开更多
关键词 固定资产投资 SARIMA X-12-ARIMA 季节调整 预测
在线阅读 下载PDF
宁波市手足口病发病情况SARIMA模型预测
7
作者 张良 冯伟 +3 位作者 李宁 纪威 俞延峰 许国章 《中国公共卫生管理》 2018年第2期226-229,共4页
目的利用SARIMA模型对宁波市手足口病发病情况进行预测,为手足口病防控工作提供依据。方法利用R3.3.2软件对宁波市2012-2015年手足口病的发病数据建立SARIMA模型,利用auto.arima()代码结合模型参数估计和残差诊断选择最优模型,... 目的利用SARIMA模型对宁波市手足口病发病情况进行预测,为手足口病防控工作提供依据。方法利用R3.3.2软件对宁波市2012-2015年手足口病的发病数据建立SARIMA模型,利用auto.arima()代码结合模型参数估计和残差诊断选择最优模型,并利用构建的模型对宁波市2016年手足口病发病情况进行预测分析。结果最优模型为SARIMA(1,0,0,)(1,1,0)12,模型的参数ar1和sar1经检验均有统计学意义(P〈0.05),残差诊断图显示模型残差为白噪声序列。2016年每月实际发病数均在预测值的95%可信区间内,预测值的变化趋势与实际值的变化趋势基本一致。实际值与预测值误差率波动范围为4.33%-160.36%,其中有4个月份误差率大于100%,5个月份误差率小于20%。结论SARIMA(1,0,0,)(1,1,0)12模型预测手足口病发病情况有一定的准确性,但需要继续更新相关监测数据并重新构建模型来进一步提高模型预测的准确性。 展开更多
关键词 SARIMA模型 手足口病 预测 监测
时间序列分析方法在医院能耗监管系统中的应用 预览
8
作者 杨旭 《中国医院建筑与装备》 2018年第11期100-103,共4页
文章以北京大学第三医院能耗监管系统为例,选取部分时段的观测数据,使用时间序列方法建立数学模型,对存在周期性及趋势性特征的电力数据进行预测,解决系统数据缺失的问题.
关键词 时间序列分析法 医院 能耗监管系统 SARIMA 节能
在线阅读 下载PDF
中国进口原木价格变动及预测研究——基于时间序列模型对红松和樟子松价格的分析
9
作者 李心斐 刘思彤 程宝栋 《中国物价》 2018年第4期72-75,共4页
本文以红松和樟子松为研究对象,根据2008-2013年进口原木月度平均价格,分析了价格波动特征;基于非平稳时间序列SARIMA(p,d,q)(P,D,Q)12模型,预测了红松和樟子松的月度价格,以期为分析中国原木市场提供参考。
关键词 红松 樟子松 进口价格 SARIMA 模型 效果检验 价格预测
出血性脑卒中发病的日节律及SARIMA模型的定量预测 预览
10
作者 刘秋菊 姚延松 +3 位作者 赵岩江 赵玉红 盛雪平 曹晓盼 《国际医药卫生导报》 2018年第4期536-540,共5页
目的了解出血性脑卒中(HS)发病的日分布规律,构建时序预测模型,为HS的一级预防提供参考。方法人选3个研究单位2017年6月1至30日诊治的895例HS患者,统计昼夜发病的时间点,应用季节乘积模型(SARIMA)建模。结果各时段的发病例数不... 目的了解出血性脑卒中(HS)发病的日分布规律,构建时序预测模型,为HS的一级预防提供参考。方法人选3个研究单位2017年6月1至30日诊治的895例HS患者,统计昼夜发病的时间点,应用季节乘积模型(SARIMA)建模。结果各时段的发病例数不等或不全等,P〈0.05,北京时间8:00-11:00时段发病243例(占27.15%),18:00-21:00时段发病297例(占33.18%)。通过识别与检验,逐一尝试法建立了SARIMA(1,0,1)×(1,1,1)。模型,该模型较准确地预测了历史数据。结论北京时间8:00—11:00时和18:00一21:00时为HS的高发时段,SARIMA(1,0,1)×(1,1,1)24模型为HS发病日分布趋势提供了较好的预测,可作为HS防治措施的重要参考依据。 展开更多
关键词 出血性脑卒中 日节律 时间序列 SARIMA 预测
在线阅读 下载PDF
一种基于SARIMA的经验对流层延迟模型
11
作者 刘中流 任超 +1 位作者 甘祥前 梁春丽 《测绘通报》 CSCD 北大核心 2018年第3期14-17,31共5页
为了减弱对流层延迟的影响,提高GNSS定位精度,探讨了在无气象参数的条件下,利用预测模型计算对流层延迟的可能性,并提出了一种经验对流层延迟预测模型,即基于季节性自回归移动平均模型(SARIMA)的对流层延迟预报方法。结合中同长... 为了减弱对流层延迟的影响,提高GNSS定位精度,探讨了在无气象参数的条件下,利用预测模型计算对流层延迟的可能性,并提出了一种经验对流层延迟预测模型,即基于季节性自回归移动平均模型(SARIMA)的对流层延迟预报方法。结合中同长春和上海两个地区的ZTD数据进行预测分析,预测结果表明:基于SARIMA的ZTD预报模型能够满足不同地区不同时段下的ZTD估计需求,是一种较高精度的ZTD预报方法。 展开更多
关键词 经验模型 对流层延迟预报 季节性自回归移动平均模型 精度改进
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 预览 被引量:4
12
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... 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
SARIMA模型在猩红热疫情趋势预测中的应用 预览 被引量:3
13
作者 张琪 刘文东 +4 位作者 吴莹 时影影 郑金鑫 朱叶飞 周明浩 《江苏预防医学》 CAS 2017年第6期655-658,共4页
目的探讨SARIMA模型在猩红热疫情趋势预测中的应用,为江苏省猩红热疫情的及时防控提供科学依据。方法以2005—2015年江苏省猩红热月发病数为基础,建立SARIMA模型,对江苏省2016—2018年猩红热疫情趋势进行预测。结果最终建立SARIMA(1... 目的探讨SARIMA模型在猩红热疫情趋势预测中的应用,为江苏省猩红热疫情的及时防控提供科学依据。方法以2005—2015年江苏省猩红热月发病数为基础,建立SARIMA模型,对江苏省2016—2018年猩红热疫情趋势进行预测。结果最终建立SARIMA(1,1,0)(0,1,1)12,回代误差为15.47%,前瞻性预测误差为12.98%,预测结果表明,江苏省2016—2018年猩红热疫情依然呈现上升趋势。结论SARIMA(1,1,1)(0,1,1)12模型具有较好的拟合优度和前瞻性预测精度,可用于猩红热疫情趋势的研究;江苏省猩红热疫情依然严峻,各地应加强疫情防控工作。 展开更多
关键词 时间序列分析 SARIMA模型 猩红热 预测
在线阅读 下载PDF
辽阳地区汛期降水特征分析及预测 预览
14
作者 赵琳琳 张洪义 《吉林水利》 2017年第2期22-25,共4页
近年辽阳旱涝频发,降水特征研究对于防汛、减灾、水资源保护等具有指导意义。采用统计学方法、倾向估计、滑动平均、模比系数差积、Kendall方法,对辽阳地区近60年的汛期降水空间分布差异、趋势演变进行分析,得出汛期降水受地形影响呈东... 近年辽阳旱涝频发,降水特征研究对于防汛、减灾、水资源保护等具有指导意义。采用统计学方法、倾向估计、滑动平均、模比系数差积、Kendall方法,对辽阳地区近60年的汛期降水空间分布差异、趋势演变进行分析,得出汛期降水受地形影响呈东多西少分布;年际变化呈"多-少-多-少"的分布,近60年降水呈减少趋势,波动式减少,且山丘区汤河减少具有显著性,并以此为基础建立SARIMA、马尔科夫模型用于辽阳地区汛期降水量的预测,未来两年降水处于平水年份。 展开更多
关键词 辽阳市 汛期降水 趋势演变 SARIMA
在线阅读 下载PDF
具有稳定分布噪声的多重季节模型的贝叶斯分析
15
作者 王红军 汤银才 《应用数学学报》 CSCD 北大核心 2017年第4期519-529,共11页
本文研究了具有稳定分布噪声的多重季节时间序列模型的建模及应用.稳定分布能够描述诸如方差无限、厚尾、有偏等非正态特征,但该类分布通常没有解析的密度函数,且参数的后验分布比较复杂.本文采用基于抽样的MCMC方法和切片抽样法估... 本文研究了具有稳定分布噪声的多重季节时间序列模型的建模及应用.稳定分布能够描述诸如方差无限、厚尾、有偏等非正态特征,但该类分布通常没有解析的密度函数,且参数的后验分布比较复杂.本文采用基于抽样的MCMC方法和切片抽样法估计模型参数,将多重季节模型的回归参数和稳定分布中的参数—起估计.通过模拟分析,说明了稳定分布的一些统计性质和文中建模方法的有效性.将模型应用于一个具有季节性和厚尾特征的实际数据集,演示了该类模型的应用价值. 展开更多
关键词 SARIMA 稳定分布 切片抽样法 MCMC 厚尾 非对称
地方经济GDP的预测方法研究 预览
16
作者 宋妍慧 胡良剑 《经济研究导刊》 2017年第32期4-9,共6页
基于Holt—Winters模型、X12-ARIMA模型和SARIMA模型,利用Eviews软件对湖州市小吴兴区从2011年第一季度到2016年第四季度GDP数据进行分析和预测。通过比较相对误差,结果表明SARIMA模型与其他模型相比相对误差较小,预测精度较高。最... 基于Holt—Winters模型、X12-ARIMA模型和SARIMA模型,利用Eviews软件对湖州市小吴兴区从2011年第一季度到2016年第四季度GDP数据进行分析和预测。通过比较相对误差,结果表明SARIMA模型与其他模型相比相对误差较小,预测精度较高。最后选择SARIMA方法对湖州市小吴兴区2017年度的GDP进行预测。 展开更多
关键词 GDP 时间序列 Holt-Winters X12-ARIMA SARIMA
在线阅读 下载PDF
长沙市流行性腮腺炎季节性自回归移动平均模型预测研究 预览 被引量:1
17
作者 刘琳玲 刘如春 +5 位作者 陈田木 张本忠 李亚曼 胡伟红 谢知 赵锦 《中国全科医学》 CAS 北大核心 2017年第2期187-190,共4页
目的采用季节性自回归移动平均(SARIMA)模型预测长沙市流行性腮腺炎发病数。方法收集2005—2015年长沙市报告的流行性腮腺炎病例数据,将2005—2014年数据作为建模数据,将2015年数据作为验证数据,开展SARIMA模型建立与验证研究,并对201... 目的采用季节性自回归移动平均(SARIMA)模型预测长沙市流行性腮腺炎发病数。方法收集2005—2015年长沙市报告的流行性腮腺炎病例数据,将2005—2014年数据作为建模数据,将2015年数据作为验证数据,开展SARIMA模型建立与验证研究,并对2016年流行性腮腺炎发病数进行预测。结果 SARIMA(3,0,0)×(1,0,0)_(12)模型可以很好地拟合实际数据,模型的展开式为:Y_t=222.545+1.225Y_(t-1)-0.713Y_(t-2)+0.291Y_(t-3)+0.366Y_(t-12)-0.448Y_(t-13)+0.261Y_(t-14)-0.107Y_(t-15)+a_t。将验证数据与预测数据进行相关性分析,结果显示呈显著性相关(r=0.61,P〈0.001)。SARIMA模型预测2016年长沙市全年发病数将达到3 032例,平均月病例数为253例。结论 SARIMA模型可以用于流行性腮腺炎发病数预测,长沙市2016年流行性腮腺炎疫情仍处于高发态势。 展开更多
关键词 流行性腮腺炎 时间序列 季节性自回归移动平均模型 预测
在线阅读 免费下载
基于SARIMA模型的安徽省CPI预测 预览 被引量:1
18
作者 敖希琴 龚玉杰 +1 位作者 汪金婷 郑阳 《蚌埠学院学报》 2017年第3期83-86,共4页
收集了安徽省2000年1月至2016年6月的居民消费价格指数(CPI)数据,并借助于统计分析工具Eviews软件进行相关实验。通过CPI的时序图和ADF检验得到该CPI序列为非平稳序列,并且通过序列的相关图,建立了SARIMA时间序列模型,然后通过AIC、S... 收集了安徽省2000年1月至2016年6月的居民消费价格指数(CPI)数据,并借助于统计分析工具Eviews软件进行相关实验。通过CPI的时序图和ADF检验得到该CPI序列为非平稳序列,并且通过序列的相关图,建立了SARIMA时间序列模型,然后通过AIC、SC准则和残差分析确定了最优的预测模型,利用预测模型对安徽省CPI进行了短期预测。实验结果表明:安徽省CPI具有季节性的特征,利用SARIMA模型建模得到的预测模型,总体预测效果较好,且具有一定的现实意义。 展开更多
关键词 居民消费价格指数 季节性差分自回归移动平均模型 预测
在线阅读 下载PDF
基于SARIMA模型的细菌性痢疾短期定量预测研究 被引量:1
19
作者 祝寒松 黄文龙 谢忠杭 《中国预防医学杂志》 CAS CSCD 2017年第10期737-741,共5页
目的采用季节时间序列模型(SARIMA)对福建省细菌性痢疾发病数进行短期预测,为风险评估提供可靠的定量数据基础。方法运用EViews 8.0软件,基于SARIMA模型,对福建省2004年1月至2015年12月细菌性痢疾月发病数进行分析和建模,再对2016年1... 目的采用季节时间序列模型(SARIMA)对福建省细菌性痢疾发病数进行短期预测,为风险评估提供可靠的定量数据基础。方法运用EViews 8.0软件,基于SARIMA模型,对福建省2004年1月至2015年12月细菌性痢疾月发病数进行分析和建模,再对2016年1~9月进行预测和评估,然后修正模型对2016年10~12月进行短期预测。结果 2004年1月至2015年12月,福建省细菌性痢疾月发病序列呈下降态势和周期性波动。SARIMA(0,1,1)(1,1,1)12拟合优度较好,预测准确度和精度较高,均方根误差(RMSE)为26.59,平均绝对百分比误差(MAPE)为13.61%。2016年1~9月前瞻性长期预测值MAPE为19.44%,其中7~9月MAPE为20.49%,而2016年7~9月前瞻性短期预测值MAPE为6.48%,而且标准误(SE)小于长期预测。采用2004年1月至2016年9月细菌性痢疾例数进行建模拟合后,SARIMA(1,1,2)(0,1,1)12为最佳模型,2016年10~12月短期预测结果分别为41例、36例和24例。结论 SARIMA模型能够对福建省细菌性痢疾发病数进行较准确的短期预测,可为风险评估提供可靠的定量数据基础。 展开更多
关键词 季节时间序列模型 细菌性痢疾 预测 定量 短期
越南水电站大坝变形分析研究
20
作者 邹进贵 裴氏坚贞 +1 位作者 肖扬宣 Doan Van Chinh 《测绘地理信息》 2016年第3期48-52,共5页
分析了大坝水平位移的视准线观测方法,简述季节性时间序列法和BP神经网络法在变形监测中的应用,并对和平水电站历史观测数据进行分析和预测。结果表明,两种方法都能较准确地描述大坝的变形趋势,为大坝的安全监控提供了参考。
关键词 越南水电站 视准线法 变形监测 BP神经网络 自回归滑动平均 SARIMA
上一页 1 2 10 下一页 到第
使用帮助 返回顶部 意见反馈