简介:摘要目的比较差分自回归移动平均模型和指数平滑模型在全国甲肝发病情况预测中的效果,为甲肝监测预警提供合适的数学模型。方法从公共卫生科学数据中心收集2010—2020年全国甲肝逐月发病数据,分别用差分自回归移动平均模型和指数平滑模型进行拟合,筛选出最优的差分自回归移动平均模型和指数平滑模型,再用最优模型分别预测2021年1—10月全国甲肝发病数,并比较预测精度。结果ARIMA(1,1,0)(1,0,0)12是最优的差分自回归移动平均模型,Holt-winters乘法模型是最优的指数平滑模型,两种模型预测的平均绝对百分比误差分别为15.64%和13.08%,平均绝对误差分别为144和124。结论Holt-winters乘法模型在全国甲肝逐月发病数预测中的精度更高,可用于数据波动不大时间序列的拟合预测。
简介:摘 要 由严重急性呼吸道综合征冠状病毒2型(SARS-CoV-2)所引起的2019冠状病毒(CoVid-19)疫情正在席卷全球。为了使人们更好地了解、评估和控制此次疫情,本文通过构造了一系列衡量疫情严重程度的时间序列数据,并利用逐步聚类及降维算法及最小二乘法回归分析等方法,对疫情已爆发的国家在疫情爆发期内的数据进行了时间序列和横截面的处理,构造了能够准确量化这些国家在疫情爆发后的疫情走势的疫情相对严重程度指标(Relative Severity Score)。在此基础上,通过对该指标和地理、人文和社会因素做回归分析,本文发现人口平均年龄、湿度、平均气温和风速对疫情爆发的相对严重程度具有显著的统计学意义。最后,通过将该指标带入到机器学习模型中使用回归分析对数据进行拟合,本文对疫情正在爆发的国家的未来疫情发展趋势进行了预测。
简介:基于时间序列分析方法对中国2000~2010年月度外汇储备余额数据序列进行建模,通过验证序列的趋势特征,并从中选择最佳拟合模型,预测中国2011年上半年外汇储备规模增长情况。实证分析结果表明,所选模型能较为精确的预测中国外汇储备规模,与实际偏差在0.3%以内,在外汇储备管理研究中将有较大应用价值。
简介:利用华北地震区的地震资料(1000~1977),对地震时间序列进行了周期图分析和极大熵谱分析,提取了隐含在随机噪声中的隐含周期。结果表明,这两种方法所得结果很接近,地震应变能√Ei;释放的隐含周期利用周期图分析提取的主要周期是30年、245年和305年,极大熵谱分析方法提取的主要周期是30年、240年和300年。这三个主要周期存在“倍30”的关系,240年和300年周期是30年周期的整数倍。30年周期反映了各活跃幕中的幕式活动规律,300年周期同各活跃期高潮时段之间的时间差的平均值相符,华北自1000年以来的四个活跃期高潮时段之间的时间差平均值是300年。
简介:摘要:发电量是研究电力市场的重要方式,而总的发电量产量受各种因素的影响较大。为提高四川发电量产量的预测精度,以四川发电量的发电数据为基础,运用时间序列乘法模型来预测四川未来发电量。经实验证明,乘法模型能达到较好的预测效果。