简介：

简介：

简介：以火灾统计数据中的火灾发生起数为研究对象,利用时间序列分析中的差分自回归移动平均模型对城市火灾进行预测。以北京市2000～2006年火灾数据为例,建立了乘积季节模型,进而预测了北京市2007年月火灾发生起数,并与实际值相比较,发现该模型预测结果较为准确,可用于对火灾作短期预测,预测结果可为消防部门的决策提供科学依据。

简介：本文研究了含(α,c)型Fuzzy参数的回归预测模型,并将它推广为含此型参数的自回归情形.在确定参数时,不采用最小二乘法,而转化为求解—等价的规划问题,从而避免因参数不可微而引起的确麻烦。由此而建立的模型,将比经典模型包含更多的信息、

简介：空间自回归模型是空间计量经济学中处理空间相关性时常用的一类回归模型,本文主要考虑到自变量存在多重共线性时,空间自回归模型的参数应该如何估计。在主成分分析以及极大似然估计方法的基础之上,建立了一类针对模型未知参数的有偏估计,从而减少多重共线性对于模型求解的影响。本文引入数值模拟部分,说明了主成分估计方法对于处理多重共线性问题的有效性,同时引入波士顿房价数据实例,进一步验证了当多重共线性出现时,有偏估计结果较之极大似然估计更为合理。

简介：用时间序列分析方法做预报，是气象预报中的重要方法之一。气象上观测资料随时间变化大多属非平稳的。所谓非平稳时间序列，表示其统计特征量随时间变化主要有三种表现形式。一种是序列平均值Xt随时间而变，表现为它的一个现实曲线在一条水平线的上下波动大：另一种是序列标准差St随时间变化。这表现为它的一个现实的曲线的波动幅度较大；第三种表现更为复杂，序列均值Xt和标准差St同时随时间而变，这表现为它的一个现实曲线上下波动大，同时波动幅度也大。对于上述三种非平稳序列，至今没有理想的处理办法。本文介绍差分模型方法，能在一定程度上消除均值随时间的变化，而后建立差分自回归模型。效果较好。

简介：为了提高GM(1,1)模型的预测精度,对GM(1,1)模型进行预测,得到残差序列,然后用残差序列建模对原模型进行修正,得到GM(1,1)的残差修正模型,将其应用到扬压力的预测中,结果表明模型精度大大提高.

简介：本文用样条函数对灰色Verhulst模型的残差序列进行插值拟合，然后作用于二阶线性微分方程，并以此修正原模型，得到一种新的预测模型的数值解，提高了拟合的精确度。

简介：

简介：本文根据犯罪作用的机理,把犯罪现象看作是随机过程中的马尔柯夫过程。犯罪在各个年份中所产生的规模和水平,即立案数据,视为随机过程的一个实现,即随机过程的一个样本。为此提出了马尔柯夫过程的预测模型──自回归(AR)模型,作为犯罪的预测模型。本文介绍了自回归模型的形式,建立、识别、检验和怎样用于预测。自回归模型一旦确立,计算简单,并且能包含近期的诱发和控制犯罪的因素,预测结果较为准确。

简介：本文用样条函数对GM(1，1)模型的残差序列进行插值拟合，然后作用于二阶线性微分方程，并以此修正原模型，得到一种新的预测模型的数值解．

简介：摘要目的比较差分整合移动平均自回归模型(ARIMA)和深度学习模型在吸脂操作数据预测分析方面的应用价值。方法选取2019年1至9月中国医学科学院整形外科医院符合入选标准的行吸脂手术患者，使用基于光学追踪系统和力传感技术的吸脂操作记录系统，采集高年资整形外科医生吸脂手术初始250~400 s的操作数据，包括运动学和力学数据。经预处理后将采集数据分成一个吸脂往复循环为一组的数据。分别使用ARIMA模型和深度学习模型处理分析采集到的数据，建立吸脂操作预测模型。用Matlab 2017软件产生随机数随机抽取30对共计60组吸脂循环数据，计算每对数据的动态时间规整(DTW)值作为检验标准，然后分别计算基于ARIMA模型与深度学习模型的各30组预测数据与实际数据之间的DTW值，与检验标准对比，对2种模型的预测结果进行验证。应用Matlab 2017软件进行统计分析，2组比较用独立样本t检验，P<0.05为差异有统计学意义。结果共入组18例患者，均为女性，年龄23~49岁，平均36.6岁。吸脂部位分别为腹部、大腿、腰部。共获得16 800组吸脂循环数据。模型检验标准DTW值为0.048±0.028。ARIMA模型预测数据与实际数据之间的DTW值为0.660±0.577，与检验标准比较差异有统计学意义(P<0.05)。深度学习模型得出的DTW值为0.052±0.030，与检验标准比较差异无统计学意义(P>0.05)。结论相比ARIMA模型，深度学习模型可以更准确地预测吸脂操作数据，能更好地适应不同情况的数据，并且具有更好的实时性。

简介：文章选取中国的上证综合指数和美国标准普尔500指数在2015年1月2日至2016年12月31日的数据作为研究样本,利用向量自回归（VAR）模型的Johansen协整检验和Granger因果检验方法,对中国股市和美国股市的联动性进行了实证研究分析。结果显示,中美两国股市具有长期均衡的正相关关系。

简介：探讨了基于结构受力响应敏感点的应变残差的装配式简支梁桥有限元模型修正技术。由灵敏度分析确定结构优化变量,通过敏感点有限元计算应变与实测应变获得应变残差即应变比能残差总和,并表示成优化变量的函数,以残差为零为优化逼近目标,结合零阶及一阶优化方法进行模型修正计算。以一座5片箱梁组成的装配式简支梁桥为研究对象,将实桥应变测试值与优化后值进行对比,证明该方法在保证分析效率的同时,可获得较真实的结构状态,可为结构加固、改造提供依据。

简介：对于存在测量误差的面板数据自回归模型，首先讨论了POLS（PoolingOLS）和LSDV（leastsquareofdummyvariable）估计存在向零的衰减偏差及其非一致性，其次对于混合自回归模型和个体固定效应自回归模型给出了工具变量应满足的条件。研究发现这时工具变量的选择是十分困难的。

简介：研究了一类用于时间序列建模的混合自回归滑动平均模型，该模型是由m个ARMA分量经过混合得到的，给出了混合自回归滑动平均模型参数估计的期望极大化（EM）算法，从而得到了混合系数和分量模型的参数，通过仿真说明了其有效性。

简介：目的：通过对海南省人均卫生费用的自回归移动平均（ARIMA）模型预测，为地方卫生行政部门的科学决策提供参考。方法：利用Eviews5.0统计软件对时间序列数据进行处理和分析，建立ARIMA模型进行预测和检验。结果：ARIMA（3，2，2）模型为海南省人均卫生费用提供了较好的预测，模型反映人均卫生费用呈现逐年增长的趋势。结论：人均卫生费用逐年增长，海南卫生行政部门应合理控制卫生费用增长。

简介：摘要本文基于经典的残差网络结构，提出一种改进后的残差模块。该结构可以在不增加网络深度的前提下，提取更多的样本特征，从而提升网络性能。以MNIST手写字体库为训练集，使用tensorflow做为机器学习库，在GPU上训练模型。实验结果表明，改进后的残差模块可以更好的提出网络特征，从而提高预测的准确度。

简介：摘要磁罗经结构简单，性能可靠，仅仅借助于地磁场对磁罗经的作用力便可以独立地工作。本文介绍了磁罗经的分类、组成和工作原理，简述了磁罗经的校正方法。

简介：为了提高行人检测的准确性,提出一种改进的方向梯度直方图(HOG)算法,首先对图像进行两种方式的HOG特征向量的提取,方形划分和圆形划分方式,并对圆形划分得到的梯度直方图进行权值优化调整,再结合残差网络(ResNet)提取的深度模型特征,最佳特征向量用主成分分析算法(PCA)降维,通过SVM算法对行人进行检测。通过对HOG与ResNet特征融合算法进行仿真,并与其他行人检测算法对比,在提升准确率与降低漏检率上取得了很好效果。