Three forecasting models are set up: the auto\|regressive moving average model, the grey forecasting model for the rate of qualified products P t, and the grey forecasting model for time intervals of the quality cata...Three forecasting models are set up: the auto\|regressive moving average model, the grey forecasting model for the rate of qualified products P t, and the grey forecasting model for time intervals of the quality catastrophes. Then a combined forewarning system for the quality of products is established, which contains three models, judgment rules and forewarning state illustration. Finally with an example of the practical production, this modeling system is proved fairly effective.展开更多
目的:鼻咽癌发病位置隐匿导致早期诊断率低,且具有明显的地域聚集性,是中国一个重要的公共卫生问题。本研究旨在通过2021年全球疾病负担(the Global Burden of Diseases,GBD)数据库分析中国鼻咽癌的疾病负担,为鼻咽癌的精准防控提供流...目的:鼻咽癌发病位置隐匿导致早期诊断率低,且具有明显的地域聚集性,是中国一个重要的公共卫生问题。本研究旨在通过2021年全球疾病负担(the Global Burden of Diseases,GBD)数据库分析中国鼻咽癌的疾病负担,为鼻咽癌的精准防控提供流行病学依据。方法:选取年龄标化发病率、病死率、伤残调整寿命年(disability adjusted life year,DALY)率作为疾病负担的评价指标,按照不同年龄、性别、社会人口学指数及其相关危险因素进行分层分析,同时应用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型和贝叶斯年龄-时期-队列分析模型(Bayesian age-period-cohort,BAPC)将年龄标化发病率预测至2050年。结果:2021年中国鼻咽癌年龄标化发病率、病死率、DALY率分别为3.4/10万、1.5/10万、48.7/10万,均高于同期全球水平。在所有年龄段,中国男性年龄标化发病率、病死率、DALY率均高于女性。中国鼻咽癌的疾病负担从1990至2021年随着社会人口学指数(socio-demographic index,SDI)的增高逐渐降低。中国归因于饮酒、吸烟、职业甲醛暴露的鼻咽癌疾病负担占比均高于全球水平,且在男性中尤为显著。模型预测中国及全球男性、女性、全人群的年龄标化发病率均提示从2022至2050年呈上升趋势。结论:既往30年中国鼻咽癌的疾病负担随着SDI的升高逐渐降低,但仍高于同期全球水平。同时,中国鼻咽癌的年龄标化发病率在未来30年呈上升趋势。中国仍需进一步增加医疗资源的投入以应对鼻咽癌的防控与诊疗,尤其针对高风险男性群体。展开更多
针对导弹备件消耗呈现"小样本、非平稳"的特点,为了克服传统预测方法依靠大样本数据进行建模的不足,提出了把基于小波变换和改进GM-ARMA的组合预测方法应用于导弹备件消耗预测的构想.在利用小波分解和其他模型建立组合模型的...针对导弹备件消耗呈现"小样本、非平稳"的特点,为了克服传统预测方法依靠大样本数据进行建模的不足,提出了把基于小波变换和改进GM-ARMA的组合预测方法应用于导弹备件消耗预测的构想.在利用小波分解和其他模型建立组合模型的过程中,提出了先对小波基方程和分解层数2个特征进行参数化,再定量地对所有子模型的特征参数进行统一、综合的评估,以达到建立最佳组合模型的目的;然后对具有平稳特性的高频信息用阻尼最小二乘法优化的ARMA(Autoregressive and Moving Average)模型进行预测,对反映整体趋势体现非平稳的低频信息用背景值优化和数据变换技术改进的GM(1,1)模型进行预测.实例结果表明所提出的组合预测方法大大降低了预测误差,说明了该方法的有效性、可行性和实用性.展开更多
针对带有外生变量的自回归移动平均模型(Autoregressive moving average with exogenous variable,ARMAX)的参数辨识问题提出一种两阶段辨识方法.首先通过偏差消除最小二乘方法辨识带有外生变量的自回归部分(Autoregressive part with e...针对带有外生变量的自回归移动平均模型(Autoregressive moving average with exogenous variable,ARMAX)的参数辨识问题提出一种两阶段辨识方法.首先通过偏差消除最小二乘方法辨识带有外生变量的自回归部分(Autoregressive part with exogenous variable,ARX),然后采用Durbin方法将移动平均部分(Moving average,MA)的参数辨识问题转换成一个长自回归模型(Long autoregressive,LAR)的参数辨识问题,并利用MA与等价LAR的参数对应关系直接得到MA参数,最后利用辨识出的MA参数计算出噪声方差.与扩展最小二乘法的数值仿真比较验证了这种两阶段辨识方法的有效性.展开更多
文摘Three forecasting models are set up: the auto\|regressive moving average model, the grey forecasting model for the rate of qualified products P t, and the grey forecasting model for time intervals of the quality catastrophes. Then a combined forewarning system for the quality of products is established, which contains three models, judgment rules and forewarning state illustration. Finally with an example of the practical production, this modeling system is proved fairly effective.
文摘目的:鼻咽癌发病位置隐匿导致早期诊断率低,且具有明显的地域聚集性,是中国一个重要的公共卫生问题。本研究旨在通过2021年全球疾病负担(the Global Burden of Diseases,GBD)数据库分析中国鼻咽癌的疾病负担,为鼻咽癌的精准防控提供流行病学依据。方法:选取年龄标化发病率、病死率、伤残调整寿命年(disability adjusted life year,DALY)率作为疾病负担的评价指标,按照不同年龄、性别、社会人口学指数及其相关危险因素进行分层分析,同时应用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型和贝叶斯年龄-时期-队列分析模型(Bayesian age-period-cohort,BAPC)将年龄标化发病率预测至2050年。结果:2021年中国鼻咽癌年龄标化发病率、病死率、DALY率分别为3.4/10万、1.5/10万、48.7/10万,均高于同期全球水平。在所有年龄段,中国男性年龄标化发病率、病死率、DALY率均高于女性。中国鼻咽癌的疾病负担从1990至2021年随着社会人口学指数(socio-demographic index,SDI)的增高逐渐降低。中国归因于饮酒、吸烟、职业甲醛暴露的鼻咽癌疾病负担占比均高于全球水平,且在男性中尤为显著。模型预测中国及全球男性、女性、全人群的年龄标化发病率均提示从2022至2050年呈上升趋势。结论:既往30年中国鼻咽癌的疾病负担随着SDI的升高逐渐降低,但仍高于同期全球水平。同时,中国鼻咽癌的年龄标化发病率在未来30年呈上升趋势。中国仍需进一步增加医疗资源的投入以应对鼻咽癌的防控与诊疗,尤其针对高风险男性群体。
文摘针对导弹备件消耗呈现"小样本、非平稳"的特点,为了克服传统预测方法依靠大样本数据进行建模的不足,提出了把基于小波变换和改进GM-ARMA的组合预测方法应用于导弹备件消耗预测的构想.在利用小波分解和其他模型建立组合模型的过程中,提出了先对小波基方程和分解层数2个特征进行参数化,再定量地对所有子模型的特征参数进行统一、综合的评估,以达到建立最佳组合模型的目的;然后对具有平稳特性的高频信息用阻尼最小二乘法优化的ARMA(Autoregressive and Moving Average)模型进行预测,对反映整体趋势体现非平稳的低频信息用背景值优化和数据变换技术改进的GM(1,1)模型进行预测.实例结果表明所提出的组合预测方法大大降低了预测误差,说明了该方法的有效性、可行性和实用性.
文摘针对带有外生变量的自回归移动平均模型(Autoregressive moving average with exogenous variable,ARMAX)的参数辨识问题提出一种两阶段辨识方法.首先通过偏差消除最小二乘方法辨识带有外生变量的自回归部分(Autoregressive part with exogenous variable,ARX),然后采用Durbin方法将移动平均部分(Moving average,MA)的参数辨识问题转换成一个长自回归模型(Long autoregressive,LAR)的参数辨识问题,并利用MA与等价LAR的参数对应关系直接得到MA参数,最后利用辨识出的MA参数计算出噪声方差.与扩展最小二乘法的数值仿真比较验证了这种两阶段辨识方法的有效性.
