期刊文献+
共找到128篇文章
< 1 2 7 >
每页显示 20 50 100
SARIMA模型和季节趋势模型在手足口病发病率预测中的应用 预览
1
作者 刘亚敏 刘天 李晓勇 《江苏预防医学》 CAS 2019年第2期150-152,共3页
目的比较自回归滑动平均求和季节乘积模型(SARIMA)和季节趋势模型对手足口病(HFMD)发病率的预测效能。方法利用荆州市2010—2015年的手足口病逐月发病率作为拟合数据,以2016年的逐月发病率作为预测数据,分别建立SARIMA模型和季节趋势模... 目的比较自回归滑动平均求和季节乘积模型(SARIMA)和季节趋势模型对手足口病(HFMD)发病率的预测效能。方法利用荆州市2010—2015年的手足口病逐月发病率作为拟合数据,以2016年的逐月发病率作为预测数据,分别建立SARIMA模型和季节趋势模型后,根据2个模型的平均绝对百分比误差(MAPE)、平均误差率(MER)、均方误差(MSE)和平均绝对误差(MAE)评价模型的效果。结果SARIMA(1,0,0)(1,1,0)12(不含常数项)拟合和预测的MAPE、MER、MSE、MAE为18.86%,25.47%,24.23,2.17和15.61%、16.71%、9.41、2.02;季节趋势模型拟合和预测的MAPE、MER、MSE和MAE为33.91%、39.48%、44.38、3.31和21.06%、20.32%、12.63、2.54。结论SARIMA模型拟合效果较好,预测精度更高,可应用于手足口病疫情的预测和预警。 展开更多
关键词 SARIMA模型 季节趋势模型 预测 手足口病
在线阅读 下载PDF
基于时空相关性的短时交通流预测模型 预览
2
作者 熊亭 戚湧 +1 位作者 张伟斌 李千目 《计算机工程与设计》 北大核心 2019年第2期501-507,共7页
在智能交通系统的诱导、控制和管理中,实时准确的短时交通流量预测具有重要意义。为提高预测精度,充分分析交通流特性和外部空间关联对预测结果的影响,提出一种短时交通流预测模型——SARIMA-RF模型。利用SARIMA模型良好的线性拟合能力... 在智能交通系统的诱导、控制和管理中,实时准确的短时交通流量预测具有重要意义。为提高预测精度,充分分析交通流特性和外部空间关联对预测结果的影响,提出一种短时交通流预测模型——SARIMA-RF模型。利用SARIMA模型良好的线性拟合能力,提取交通流数据中的周期性特征;利用随机森林模型较强的泛化能力,分析交通流的时空相关性,得出预测结果。实验结果表明,该组合模型与单一模型相比具有更高的预测精度,是一种有效的预测方法。 展开更多
关键词 交通流量预测 时空相关性 随机森林 SARIMA模型 组合预测模型
在线阅读 下载PDF
基于SARIMA模型的铁路站点客流量预测研究
3
作者 段然 庞建华 张良钧 《数学的实践与认识》 北大核心 2019年第9期1-10,共10页
以我国某铁路站点作为研究对象,选取为期435天的某铁路局全部列车旅客乘车数据进行分析建模.在建立模型时首先将数据分为节假日与非节假日两种类型.对于非节假日数据选用包含周期性的SARIMA模型,对于节假日数据选用波动系数模型,通过两... 以我国某铁路站点作为研究对象,选取为期435天的某铁路局全部列车旅客乘车数据进行分析建模.在建立模型时首先将数据分为节假日与非节假日两种类型.对于非节假日数据选用包含周期性的SARIMA模型,对于节假日数据选用波动系数模型,通过两种模型组合对铁路站点客流量进行预测,得到了较好的预测效果.运用方法所得到的短期内铁路客流量变化的准确预测,能够为铁路部门合理安排调度、充分利用人力物力提供参考,有效避免了资源的浪费或因准备不足而造成的车站拥挤混乱. 展开更多
关键词 铁路客流量 SARIMA模型 波动系数模型
基于R语言SARIMA模型的航材需求预测分析 预览
4
作者 毕钊 侯胜利 《价值工程》 2019年第15期151-154,共4页
采用时间序列SARIMA模型对航材需求进行预测,以2010~2014年某航材实际月需求量数据为基础,运用R语言对航材需求量时间序列进行了稳定性判别;通过定阶和参数估计,构建了航材需求预测模型,并进行了数据预测。结果显示使用SARIMA模型拟合... 采用时间序列SARIMA模型对航材需求进行预测,以2010~2014年某航材实际月需求量数据为基础,运用R语言对航材需求量时间序列进行了稳定性判别;通过定阶和参数估计,构建了航材需求预测模型,并进行了数据预测。结果显示使用SARIMA模型拟合效果较好,预测能力可靠,能为航材部门需求预测提供准确方便的方法。 展开更多
关键词 R语言 时间序列 SARIMA模型 需求预测
在线阅读 下载PDF
基于SARIMA模型的河北省葡萄价格预测分析 预览
5
作者 张兵 白思远 +2 位作者 蒋冰执 曹薇 王俊芹 《安徽农学通报》 2019年第17期159-161,共3页
利用2012年1月至2019年4月河北省葡萄市场价格数据,采用SARIMA模型对葡萄价格进行了短期预测分析。结果表明:葡萄市场价格具有较为明显的季节性特征,2019年葡萄价格的最高值比最低值高49.79%,波动幅度较大。葡萄种植户在今后的生产中,... 利用2012年1月至2019年4月河北省葡萄市场价格数据,采用SARIMA模型对葡萄价格进行了短期预测分析。结果表明:葡萄市场价格具有较为明显的季节性特征,2019年葡萄价格的最高值比最低值高49.79%,波动幅度较大。葡萄种植户在今后的生产中,应注重提高葡萄品质,可通过开办直卖店、利用电商平台等新销售模式拓展销售渠道,以减缓葡萄市场价格波动,降低收入风险。 展开更多
关键词 葡萄价格 SARIMA模型 预测
在线阅读 下载PDF
基于SARIMA模型的二氧化氮时间序列预测研究 预览
6
作者 王一龙 申云霞 陈晓红 《能源环境保护》 2019年第3期51-54,共4页
基于烟台主城区2010年1月至2018年6月的NO2浓度数据,利用Eviews统计软件建立了季节自回归移动平均模型(SARIMA),经过序列平稳化、模型识别及模型诊断,SARIMA(2,0,3)(1,1,1)12模型的相对误差可控制率在5%以内,拟合效果较为理想。拟合及... 基于烟台主城区2010年1月至2018年6月的NO2浓度数据,利用Eviews统计软件建立了季节自回归移动平均模型(SARIMA),经过序列平稳化、模型识别及模型诊断,SARIMA(2,0,3)(1,1,1)12模型的相对误差可控制率在5%以内,拟合效果较为理想。拟合及预测结果表明,烟台市主城区NO2浓度具有季节性特征,呈递增趋势,随着预测步长的延长,预测误差逐渐增大。SARIMA模型目前适合进行短期预测,今后可结合非线性动力学方法.对其进行改进。 展开更多
关键词 SARIMA模型 NO2 预测
在线阅读 免费下载
温州市区手足口病SARIMA模型建立及应用
7
作者 丁祖琴 周祖木 王玮明 《数学的实践与认识》 北大核心 2019年第5期239-245,共7页
基于温州市区(鹿城区、瓯海区、龙湾区)2011年1月至2017年12月月报手足口病新发病人数统计数据,构建了季节求和自回归-移动平均模型(SARIMA).结果表明SARIMA(2,1,1)(0,1,1)[12]模型平均绝对百分误差(MAPE)为6.002%,能较好的拟合出温州... 基于温州市区(鹿城区、瓯海区、龙湾区)2011年1月至2017年12月月报手足口病新发病人数统计数据,构建了季节求和自回归-移动平均模型(SARIMA).结果表明SARIMA(2,1,1)(0,1,1)[12]模型平均绝对百分误差(MAPE)为6.002%,能较好的拟合出温州市区手足口新发病人数的季节性和趋势性特征.在对拟合值进行指数化和周期性还原后,预测2018年1-6月温州市区手足口新发病人数仍维持较高水平,其中6月份达到最高1094 (95%CI:321-3723)例.研究结果将可为相关部门制定手足口病防控措施提供决策依据. 展开更多
关键词 手足口病 SARIMA模型 拟合 预测
基于SARIMA模型的铁路月度客运量预测 预览
8
作者 汤银英 朱星龙 李龙 《交通运输工程与信息学报》 2019年第1期25-32,共8页
铁路月度客运量数据序列在长期内具有线性增长趋势,且在短期内又随月份波动变化明显。本文通过构建季节差分移动自回归模型(SARIMA)对2016年铁路月度客运量进行精确预测,挖掘铁路月度客运量的季节性波动规律,为铁路客运管理人员调整列... 铁路月度客运量数据序列在长期内具有线性增长趋势,且在短期内又随月份波动变化明显。本文通过构建季节差分移动自回归模型(SARIMA)对2016年铁路月度客运量进行精确预测,挖掘铁路月度客运量的季节性波动规律,为铁路客运管理人员调整列车运行图,制定客车开行方案提供重要参考,以便于铁路客运站确定客流高峰预警时间和提高客运组织效率。 展开更多
关键词 铁路 客运量 SARIMA模型 预测
在线阅读 下载PDF
基于SARIMA模型的动态关联规则元规则挖掘 预览
9
作者 秦琳琳 《河南教育学院学报:自然科学版》 2019年第1期24-28,36共6页
对动态关联规则的元规则进行建模分析预测,这对了解商品之间的联系规则以及为商家做出决策提供科学的依据,具有重大的现实意义.选取某商场2007—2016年顾客购买商品I1与I2的销售数据,挖掘出规则I■1I2,并对支持度计数建立SARIMA模型.结... 对动态关联规则的元规则进行建模分析预测,这对了解商品之间的联系规则以及为商家做出决策提供科学的依据,具有重大的现实意义.选取某商场2007—2016年顾客购买商品I1与I2的销售数据,挖掘出规则I■1I2,并对支持度计数建立SARIMA模型.结果显示:2015年1月—12月支持度计数的实际值与拟合值的相对误差在6%以内,说明采用SARIMA模型预测是可行的,预测数据比较可靠,最后对该商场2017年1月—3月的支持度计数进行预测. 展开更多
关键词 动态关联规则 元规则 SARIMA模型 预测 数据挖掘
在线阅读 下载PDF
基于季节模型的中国社会消费品零售总额分析 预览
10
作者 徐金红 刘亚倩 《河北企业》 2019年第1期62-63,共2页
本文选取了我国1993年第一季度至2018年第一季度的全国社会消费品零售总额的季度数据,运用SARIMA模型和X-12季节调整模型分别进行分析预测。以2016年第一季度至2018年第一季度的真实值进行预测能力检验,结果发现X-12季节调整模型的预测... 本文选取了我国1993年第一季度至2018年第一季度的全国社会消费品零售总额的季度数据,运用SARIMA模型和X-12季节调整模型分别进行分析预测。以2016年第一季度至2018年第一季度的真实值进行预测能力检验,结果发现X-12季节调整模型的预测精度更高,并运用此模型进行外推预测。 展开更多
关键词 社会消费品零售总额 SARIMA模型 X-12季节调整模型
在线阅读 下载PDF
模型SARIMA在预测二级医院出院人数时的识别与应用 预览
11
作者 周戈 《统计与管理》 2019年第2期33-36,共4页
目的运用SARIMA模型构建符合我院实际的出院人数预测模型,为医院全面质量管理与经营决策提供依据。方法运用统计软件SPSS20.0与Eviews8.0对我院2009年1月-2017年12月的出院人数进行SARIMA模拟分析,并利用前一年的实际数据评估预测效果... 目的运用SARIMA模型构建符合我院实际的出院人数预测模型,为医院全面质量管理与经营决策提供依据。方法运用统计软件SPSS20.0与Eviews8.0对我院2009年1月-2017年12月的出院人数进行SARIMA模拟分析,并利用前一年的实际数据评估预测效果。结果SARIMA模型(3,1,1)(1,1,1)12为最优模型,BIC=9.277,R2=0.775,Ljung-Box统计量在各个延迟阶均无统计学意义(P>0.05),可得出残差序列白噪声,(Q18=11.795,P=0.462>0.05),全年出院人数平均相对误差绝对值7.94%。预计2019年全年出院人数为17997人次。结论SARIMA模型能较好地拟合我院出院人数的变化趋势,是短期预测精度较高的医院统计预测模型。 展开更多
关键词 SARIMA模型 医院统计预测 出院人数
在线阅读 下载PDF
我国社会消费品零售价格指数实证分析及预测 预览
12
作者 张润 《青年与社会》 2019年第6期91-93,共3页
我国社会消费品零售价格指数变动与我国居民生活息息相关,对我经济宏观调控政策制定有很大的意义。文章基于SARIMA模型,分析我国社会消费品零售价格指数总体走势,并进行短期预测。研究结果表明:我国社会消费品价格指数呈现规律性的波动... 我国社会消费品零售价格指数变动与我国居民生活息息相关,对我经济宏观调控政策制定有很大的意义。文章基于SARIMA模型,分析我国社会消费品零售价格指数总体走势,并进行短期预测。研究结果表明:我国社会消费品价格指数呈现规律性的波动,且具有明显的季节性特征,周期为12个月;其波动具有长期记忆性,每年的11、12月份社会消费品价格指数相对较高,3、4月份相对较低;我国社会消费品价格指数在未来一段时期内呈现平稳波动的趋势,说明国内宏观经济政策取得明显的成果。 展开更多
关键词 SARIMA模型 消费品零售价格指数 预测
在线阅读 下载PDF
苏州地铁客流波动特性分析 预览
13
作者 彭培培 杨越思 +2 位作者 高国飞 魏运 郭建华 《都市快轨交通》 北大核心 2018年第2期58-65,共8页
为研究轨道交通客流的波动性,提出使用SARIMA+GARCH这一随机结构作为轨道交通客流的综合时间序列模型。在这个随机结构中,SARIMA模型描述客流时间序列的一阶状态,即均值特征;GARCH模型获得客流时间序列的二阶状态,即条件异方差特征。... 为研究轨道交通客流的波动性,提出使用SARIMA+GARCH这一随机结构作为轨道交通客流的综合时间序列模型。在这个随机结构中,SARIMA模型描述客流时间序列的一阶状态,即均值特征;GARCH模型获得客流时间序列的二阶状态,即条件异方差特征。采用苏州地铁全网客流数据作为分析实例,对5 min、15 min和1 h汇集度的工作日和休息日客流共6组客流数据进行波动性建模、预测与分析,结果表明,SARIMA+GARCH模型具有较好的预测性能。基于各组客流数据的分析结果,分别对工作日与休息日以及不同时间汇集度之间的客流波动特性进行对比,结果表明:休息日客流的波动性强于工作日客流;时间汇集度小的情况下,客流的波动性会更强。 展开更多
关键词 城市轨道交通 客流波动性 SARIMA模型 GARCH模型
在线阅读 下载PDF
SARIMA-Markov模型在船舶交通流量预测中的应用 预览
14
作者 江福才 范庆波 +2 位作者 马全党 张帆 马勇 《武汉理工大学学报:交通科学与工程版》 2018年第4期609-615,共7页
为准确表征月度船舶交通流量的发展趋势,向水上智能交通系统及港口水域的合理布局等提供基础性数据.基于季节性自回归移动平均(seasonal auto regressive integrated moving average,SARIMA)模型、马尔科夫(Markov)模型、粒子群算法... 为准确表征月度船舶交通流量的发展趋势,向水上智能交通系统及港口水域的合理布局等提供基础性数据.基于季节性自回归移动平均(seasonal auto regressive integrated moving average,SARIMA)模型、马尔科夫(Markov)模型、粒子群算法(particle swarm optimization,PSO)建立SARIMA-Markov船舶交通流量预测模型,该模型消除了季节成分、趋势性以及因经济、政策等因素导致的前后背景不一致的干扰,充分考虑了近期状况对预测值的影响,运用具有全局搜索能力的粒子群算法求取模型中的最佳白化系数.以通过赤壁长江公路大桥船舶交通流量月度统计数据为样本进行模型训练和预测,通过计算和、仿真,结果表明,SARIMA-Markov模型的拟合精度及预测精度分别为92.084 9%和95.786 1%,提高了船舶交通流量的预测精度. 展开更多
关键词 船舶交通流量 预测 SARIMA模型 MARKOV模型 粒子群算法(PSO)
在线阅读 下载PDF
城市用水量组合预测模型及其应用 被引量:1
15
作者 郭泽宇 陈玲俐 《水电能源科学》 北大核心 2018年第1期40-43,共4页
针对城市用水量时间序列包含逐步增长趋势、季节性趋势及不确定性的非线性波动特点,单一预测模型往往很难充分反映原始数据中全部的有效信息,结合季节性时间序列模型(SARIMA)和BP神经网络二者优点,构建了一种新型的组合预测模型,... 针对城市用水量时间序列包含逐步增长趋势、季节性趋势及不确定性的非线性波动特点,单一预测模型往往很难充分反映原始数据中全部的有效信息,结合季节性时间序列模型(SARIMA)和BP神经网络二者优点,构建了一种新型的组合预测模型,对上海市用水量进行不同时间尺度的预测。结果表明,在不同时间尺度上组合预测模型均比单一预测模型精度高、预测质量稳定。 展开更多
关键词 用水量 预测 SARIMA模型 BP神经网络 组合模型
基于SARIMA模型的保定市空气质量指标的预测 预览
16
作者 朱雪妹 米江晅 +1 位作者 郑冬冬 冀德刚 《绿色科技》 2018年第14期43-45,共3页
利用SARIMA模型对保定市空气质量进行了预测分析.通过分析保定市2014.4.1-2018.3.31的SO2、PM(2.5)、SO2、CO、SO2、O36个指标的监测数据,利用SPSS软件对6种空气污染指标值的变动情况进行了预测,并研究了空气质量的规律性变化。Box-Lu... 利用SARIMA模型对保定市空气质量进行了预测分析.通过分析保定市2014.4.1-2018.3.31的SO2、PM(2.5)、SO2、CO、SO2、O36个指标的监测数据,利用SPSS软件对6种空气污染指标值的变动情况进行了预测,并研究了空气质量的规律性变化。Box-Lung Q检验值及决定系数R方表明:SARIMA模型预测效果较为理想,有一定的应用价值。 展开更多
关键词 空气质量 时间序列分析 SARIMA模型
在线阅读 下载PDF
2007—2016年苏州市水痘病例发病时间序列分析
17
作者 刘娜 朱轶姮 +1 位作者 栾琳 陈立凌 《公共卫生与预防医学》 2018年第6期48-50,共3页
目的 分析2007—2016年苏州市水痘病例发病时间规律,预测2017年苏州市水痘的发病趋势。方法 应用季节自回归移动平均模型(SARIMA),对苏州市2007—2016年由中国疾病预防控制信息系统上报的水痘病例监测资料进行时间序列分析,使用前108个... 目的 分析2007—2016年苏州市水痘病例发病时间规律,预测2017年苏州市水痘的发病趋势。方法 应用季节自回归移动平均模型(SARIMA),对苏州市2007—2016年由中国疾病预防控制信息系统上报的水痘病例监测资料进行时间序列分析,使用前108个月数据资料(2007—2015年)建立模型,后12个月数据资料(2016年)进行模型预测效果评估,随后预测2017年发病人数。结果 水痘病例监测资料构建模型的形式为SARIMA(0,1,1)(0,1,1)12,非季节性和季节性自回归系数差异有统计学意义(P=0.000)。白噪声残差分析显示序列自相关函数的Ljung–BoxQ统计量为21.866(P=0.148),表明残差为随机性误差。根据前108个数据资料所建立的模型,使用2016年数据验证预测效果良好,实际值均在预测值的95%可信区间内,符合率100%。结论 研究为首次拟合的SARIMA模型描述苏州市水痘病例的发病时间规律效果良好,对苏州市水痘疫情防控工作有积极指导意义。 展开更多
关键词 水痘 时间序列分析 SARIMA模型 预测
宁波市手足口病发病情况SARIMA模型预测
18
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
SARIMA模型在北京市手足口病发病预测中的应用 被引量:2
19
作者 贾蕾 王小莉 +3 位作者 霍达 杜轶威 李洁 庞星火 《国际病毒学杂志》 2018年第2期83-86,共4页
目的探讨应用时间序列SARIMA模型预测北京市手足口病发病情况。方法利用中国疾病预防控制信息系统中北京市2010年至2017年手足口病报告发病率资料,使用SPSS19.0统计软件建立SARIMA模型,对2018年的发病率进行外推预测。结果北京市手... 目的探讨应用时间序列SARIMA模型预测北京市手足口病发病情况。方法利用中国疾病预防控制信息系统中北京市2010年至2017年手足口病报告发病率资料,使用SPSS19.0统计软件建立SARIMA模型,对2018年的发病率进行外推预测。结果北京市手足口病每年4月至8月为发病高峰,9月至10月为次高峰,2010年至2017年的年均报告发病率为166.83/10万。SARIMA(1,0,1)(0,1,1),:模型能较好地拟合既往时间段手足口病发病率,平稳R2为0.705,MAPE为33.217,BIC为2.862,Ljung—Box检验显示残差为白噪声。应用此模型预计2018年手足口病总发病率为120.19/10万,高于2017年,尤其是4月至8月的发病高峰,较2017年同期有明显升高。结论SARIMA模型能较好地拟合北京市手足口病发病率数据,可为提前制定防控策略提供科学依据。 展开更多
关键词 手足口病 SARIMA模型 预测
基于小波分析的BP-SARIMA模型的CPI预测 预览
20
作者 彭乃驰 党婷 《统计与决策》 CSSCI 北大核心 2018年第16期22-25,共4页
文章以云南为例,对同比月度CPI原始数据进行小波阈值去噪处理,对去噪后数据作BP神经网络预测,通过SARIMA模型修正预测残差,从而建立了小波分析的BP-SARIMA模型。实证结果表明:小波分析的BP-SARIMA模型相对于未经小波分析的BP-SARIMA模... 文章以云南为例,对同比月度CPI原始数据进行小波阈值去噪处理,对去噪后数据作BP神经网络预测,通过SARIMA模型修正预测残差,从而建立了小波分析的BP-SARIMA模型。实证结果表明:小波分析的BP-SARIMA模型相对于未经小波分析的BP-SARIMA模型及未经SARIMA残差修正的小波分析的BP模型有更高的预测精度。 展开更多
关键词 小波分析 BP神经网络 SARIMA模型 CPI
在线阅读 下载PDF
上一页 1 2 7 下一页 到第
使用帮助 返回顶部 意见反馈