肾综合征出血热发病率季节性时间序列预测模型 被引量：7

1

作者 郭秀花 曹务春 +2 位作者 胡良平 赵秋敏 张泮河 《中国人兽共患病杂志》 CSCD 北大核心 2003年第4期121-121,123,共2页

关键词 肾综合征出血热 发病率 季节性 时间序列 预测模型 流行病学

在线阅读 下载PDF 职称材料

医院季节性时间序列资料的周期自回归模型及其应用 被引量：2

2

作者 易东 张蔚 《中国卫生统计》 CSCD 北大核心 1993年第5期1-3,共3页

本文利用周期相关序列和自回归模型等概念,对医院的季节性时间序列资料建立了周期自回归预测模型,其分析结果较为满意。

关键词 医院 季节性 分析结果 自回归模型 资料 时间序列 利用 周期 相关序列 预测模型

在线阅读 下载PDF 职称材料

基于时间序列和多元模型的集约化猪舍温度预测 被引量：10

3

作者 曾志雄 罗毅智 +3 位作者 余乔东 蔡任 吕恩利 夏晶晶 《华南农业大学学报》 CAS CSCD 北大核心 2021年第3期111-118,共8页

【目的】从挖掘猪舍历史环境参数数据时序信息角度出发,提出基于时间序列模型和多元模型序列的猪舍温度预测模型。【方法】采取缺失部分环境因子统计预测,评估猪舍环境中相对湿度、二氧化碳浓度、氧气浓度等环境因子对温度预测的影响程... 【目的】从挖掘猪舍历史环境参数数据时序信息角度出发,提出基于时间序列模型和多元模型序列的猪舍温度预测模型。【方法】采取缺失部分环境因子统计预测,评估猪舍环境中相对湿度、二氧化碳浓度、氧气浓度等环境因子对温度预测的影响程度。针对猪舍温度时间序列进行数据预处理,滤除错误值和缺失值,采用时间序列模型构建基于门控循环单元网络(Gated recurrent unit,GRU)的猪舍温度预测模型,采用多元模型建立基于梯度提升决策树(Extreme gradient boosting,XGBoost)缺失值重要程度的猪舍温度预测模型。将该预测模型用于预测广东省某集约化猪场母猪分娩舍温度,并与循环神经网络(Recurrent neural network, RNN)模型、反向神经网络(Back propagation neural network, BPNN)模型进行对比试验。【结果】对比温度预测值与实测值发现,基于GRU模型对应的猪舍温度均方根误差和平均绝对误差分别为0.25和0.19℃,平均绝对百分比误差为0.65%;基于XGBoost多元模型的猪舍温度均方根误差和平均绝对误差分别为1.21和0.71℃,平均绝对百分比误差为2.50%。在时间序列的温度预测模型中,GRU模型表现出更优的预测效果;在多元模型的温度预测中,XGBoost模型的预测效果更优。【结论】本研究使用的GRU模型在时间维度上对母猪分娩舍温度的变化起到了预警作用,确定了各种环境参数对温度的影响程度,为养殖环境的精细调控提供了参考。 展开更多

关键词 分娩舍 温度预测 时间序列模型 多元特征模型 特征重要性

在线阅读 下载PDF 职称材料

基于ARIMA的多元时间序列神经网络预测模型研究 被引量：14

4

作者 刘全 刘汀 《统计与决策》 CSSCI 北大核心 2009年第11期23-25,共3页

文章基于ARIMA模型具备准确提取时间序列当前值、过去值及误差值之间回归关系的能力,人工神经网络具备对各种变量的感知能力强,非线性逼近、自适应、自学习性等特性,构建了一种多元时间序列预测模型,并进行了理论探讨和实证。该模型能... 文章基于ARIMA模型具备准确提取时间序列当前值、过去值及误差值之间回归关系的能力,人工神经网络具备对各种变量的感知能力强,非线性逼近、自适应、自学习性等特性,构建了一种多元时间序列预测模型,并进行了理论探讨和实证。该模型能较准确模拟和预测时间序列的变化规律,可较好满足对复杂时间序列的分析预测需求。 展开更多

关键词 ARIMA模型 多元时间序列 BP神经网络 预测模型

在线阅读 下载PDF 职称材料

基于多元统计时间序列模型的间歇过程故障预测方法研究 被引量：1

5

作者 项亚南 潘丰 《仪表技术与传感器》 CSCD 北大核心 2015年第6期135-137,142,共4页

青霉素发酵过程是一个典型的间歇过程并且生产过程伴随着非线性,多阶段,动态性能等特点,一旦过程中发生故障,发酵底物可能会被破坏,造成巨大的财产损失,因此提前预测间歇过程的故障是非常有意义的。针对间歇过程多元统计(MPCA)故障诊断... 青霉素发酵过程是一个典型的间歇过程并且生产过程伴随着非线性,多阶段,动态性能等特点,一旦过程中发生故障,发酵底物可能会被破坏,造成巨大的财产损失,因此提前预测间歇过程的故障是非常有意义的。针对间歇过程多元统计(MPCA)故障诊断的研究方法,文中提出一种时间序列模型与MPCA相结合的方法来预测缓变故障,在建立和SPE统计量的自回归模型之后,再与各自建立的控制限对比,判断是否超限来预测渐变故障。文中采用的是Pensim 2.0仿真平台对该方法进行仿真研究,仿真结果验证了该方法的有效性。 展开更多

关键词 青霉素发酵 间歇过程 多元统计 故障诊断 时间序列模型 控制限

在线阅读 下载PDF 职称材料

基于季节性分解的时间序列在主变压器缺陷率预测中的应用 被引量：7

6

作者 李勋 张宏钊 +4 位作者 姚森敬 黄荣辉 刘顺桂 吕启深 张林 《电网与清洁能源》 北大核心 2015年第11期19-25,共7页

针对主变压器缺陷率序列具有的非线性和非平稳性特点,以及主变压器缺陷发生具有季节性的特征,提出将主变压器缺陷率序列进行季节性分解和时间序列ARIMA预测相结合对主变缺陷率进行预测,以探寻较为有效的主变压器缺陷率的预测方法。首先... 针对主变压器缺陷率序列具有的非线性和非平稳性特点,以及主变压器缺陷发生具有季节性的特征,提出将主变压器缺陷率序列进行季节性分解和时间序列ARIMA预测相结合对主变缺陷率进行预测,以探寻较为有效的主变压器缺陷率的预测方法。首先,对原始序列进行预处理,将其分解为一系列不同的模式分量,这样能够突出原始主变缺陷率序列的局部特征信息;然后,分析各分量,根据其变化规律,采用时间序列法建立相应的模型并进行预测,这样既简化了建立的模型又降低了不同分量间的干涉和耦合;最后将各分量的预测值叠加得到缺陷率的预测值。算例结果表明,该方法具有较好的预测效果。 展开更多

关键词 主变压器 缺陷率 季节性分解 时间序列 自回归积分滑动平均模型 预测

在线阅读 下载PDF 职称材料

多元时间序列的回声状态网络模型表达与分类 被引量：1

7

作者 何莎 周熙人 陈秋菊 《计算机工程与应用》 CSCD 北大核心 2023年第15期132-140,共9页

回声状态网络(echo state network,ESN)的储备池结构不仅能充分挖掘序列数据中动态信息,也进一步提高了训练效率。然而目前基于ESN的算法难以达到复杂神经网络的精度,为此提出一种基于生成模型距离度量的多元时间序列学习与分类方法。利... 回声状态网络(echo state network,ESN)的储备池结构不仅能充分挖掘序列数据中动态信息,也进一步提高了训练效率。然而目前基于ESN的算法难以达到复杂神经网络的精度,为此提出一种基于生成模型距离度量的多元时间序列学习与分类方法。利用ESN在动态数据表示的优势将低维动态原始输入映射到高维静态空间,再拟合储备池状态序列的生成模型作为数据的模型表达,结合原型推理,基于生成模型集合张成的空间中原型与输入的距离进行分类,其结果能通过在模型读出空间的相似原型来推导,具有可解释性。基准数据集上的实验验证了该方法在算法实时性和分类性能上的优势。 展开更多

关键词 多元时间序列 回声状态网络 模型空间 原型学习

在线阅读 下载PDF 职称材料

月径流序列的季节性ARIMA模型 被引量：2

8

作者 贺北方 吕廷军 《郑州工学院学报》 1992年第3期47-53,共7页

基于月径流序列是一类周期性的非平稳时间序列的特点,本文建立了季节性ARIMA 模型.文中编制了电算程序,并应用于水库的月径流预报,获得了满意的结果.

关键词 月径流 时间序列分析 季节性模型

在线阅读 下载PDF 职称材料

时间序列模式及其预测模型算法应用 被引量：13

9

作者 吕林涛 李军怀 +2 位作者 吕晖 王鹏 王志晓 《计算机工程》 CAS CSCD 北大核心 2004年第17期50-52,共3页

通过对时间序列模式分析研究,提出了时间序列的趋势性、季节性和随机性分析的应用模型及随机性12类预测数学模型算法,以该算法实现的数据挖掘系统经实际应用后效果很好。

关键词 时间序列模式 趋势性分析 季节性分析 随机性分析 预测模型算法 数据挖掘

在线阅读 下载PDF 职称材料

X-11季节调整方法在医院时间序列分析中的应用 被引量：13

10

作者 孙奕 覃世龙 +2 位作者 严春香 杨飞 周有尚 《中国卫生统计》 CSCD 北大核心 2007年第1期71-73,共3页

关键词 时间序列分析 季节性 医院 整方 趋势季节模型 季节分析 季节指数法 指数平滑法

在线阅读 下载PDF 职称材料

季节性组合预测模型在医院门诊量中的应用研究 被引量：7

11

作者 叶明全 胡学钢 《计算机工程与设计》 CSCD 北大核心 2005年第7期1965-1967,1970,共4页

医院门诊量是一个具有复杂的非线性组合特征的季节性时间序列。为解决传统时间序列预测大多数都是使用单一模型,以致影响预测精度等问题,采用了最优加权组合预测方法将季节性ARIMA乘积模型和季节性神经网络模型进行组合优化。结果表示,... 医院门诊量是一个具有复杂的非线性组合特征的季节性时间序列。为解决传统时间序列预测大多数都是使用单一模型,以致影响预测精度等问题,采用了最优加权组合预测方法将季节性ARIMA乘积模型和季节性神经网络模型进行组合优化。结果表示,季节性组合预测模型在拟合精度和预测准确性方面优于任何单一预测方法,为季节性时间序列预测提供了一种新的实用方法。 展开更多

关键词 季节性时间序列 季节性ARIMA乘积模型 季节性神经网络 组合预测

在线阅读 下载PDF 职称材料

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 被引量：3

12

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2016... 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 下载PDF 职称材料

基于时间序列的灰色预测技术在估产模型中的应用 被引量：3

13

作者 白亚恒 吴胜军 +1 位作者 黄进良 薛怀平 《华中师范大学学报（自然科学版）》 CAS CSCD 北大核心 2001年第2期241-244,共4页

在建立估产模型过程中 ,引进基于时间序列的灰色预测技术 ,通过对样本点建立基于时间序列的灰色预测模型和常规的多元线性回归气象模型的分析比较 ,试图找到一种计算简单、数据要求少而精度较高、时效性较好的建模方法 .为时间序列预测... 在建立估产模型过程中 ,引进基于时间序列的灰色预测技术 ,通过对样本点建立基于时间序列的灰色预测模型和常规的多元线性回归气象模型的分析比较 ,试图找到一种计算简单、数据要求少而精度较高、时效性较好的建模方法 .为时间序列预测在农作物估产方面的应用作出一点探索 . 展开更多

关键词 时间序列 灰色预测技术 估产模型 遥感估产技 多元线性回归气象模型 农作物估产

在线阅读 下载PDF 职称材料

GM(1,1)残差修正的季节性神经网络预测模型及其应用 被引量：5

14

作者 叶明全 胡学钢 《计算机工程与应用》 CSCD 北大核心 2005年第1期194-196,共3页

季节性时间序列具有增长性和波动性的二重趋势。灰色模型GM(1,1)能反映时间序列的总体变化趋势,但不能很好反映其季节性波动变化的具体特征,在模拟与预测季节性时间序列中有明显的局限性。文中介绍了季节性神经网络建立的残差修正模型... 季节性时间序列具有增长性和波动性的二重趋势。灰色模型GM(1,1)能反映时间序列的总体变化趋势,但不能很好反映其季节性波动变化的具体特征,在模拟与预测季节性时间序列中有明显的局限性。文中介绍了季节性神经网络建立的残差修正模型。通过季节性神经网络模型对GM(1,1)的残差序列进行分析,提取其中的非线性成分作为预测时的补偿项,以进行残差修正,从而形成GMSANN叠合预测模型。实例表明,所建模型具有较好的适应性和预测精度。 展开更多

关键词 季节性时间序列 GM(1 1)模型 残差修正 季节性神经网络

在线阅读 下载PDF 职称材料

时间序列混合模型及其在原油价格预测中的应用 被引量：2

15

作者 郭帅 来鹏 《南京信息工程大学学报（自然科学版）》 CAS 2010年第3期280-283,共4页

在时间序列建模时,随机扰动项经常表现出非高斯性质,造成传统的时序模型的估计和预测偏误.针对这个问题,提出一种新的时间序列混合模型——多维高斯混合转移分布模型(MGMTD模型),用来处理残差项不是白噪声的情况,并提出采用遗传算法进... 在时间序列建模时,随机扰动项经常表现出非高斯性质,造成传统的时序模型的估计和预测偏误.针对这个问题,提出一种新的时间序列混合模型——多维高斯混合转移分布模型(MGMTD模型),用来处理残差项不是白噪声的情况,并提出采用遗传算法进行参数估计.将新提出的MGMTD模型应用于对国际原油价格的预测分析中,进行模型的可行性检验.实证结果显示,MGMTD模型可以得到较好的预测结果. 展开更多

关键词 混合模型 多元正态分布 GMTD模型 时间序列 遗传算法 预测

在线阅读 下载PDF 职称材料

集值和区间值的多元时间序列 被引量：1

16

作者 钟钰 李寿梅 章磊 《北京工业大学学报》 CAS CSCD 北大核心 2020年第2期208-216,共9页

研究集值多元时间序列的一些初步的理论,这为拓广经典的多元时间序列模型提供了理论基础.首先,基于集值理论,进一步提出集值向量、集值随机向量的定义,并给出集值随机向量的期望向量、交叉协方差阵与交叉相关阵的定义与性质.然后,在此... 研究集值多元时间序列的一些初步的理论,这为拓广经典的多元时间序列模型提供了理论基础.首先,基于集值理论,进一步提出集值向量、集值随机向量的定义,并给出集值随机向量的期望向量、交叉协方差阵与交叉相关阵的定义与性质.然后,在此基础上,给出集值多元时间序列的定义,并研究关于集值多元时间序列的平稳性,期望向量、交叉协方差阵和交叉相关阵的定义及性质,讨论平稳的集值多元时间序列的最优线性预测问题.最后,在集值多元时间序列的基础之上,讨论区间值多元时间序列,并建立区间值多元自回归模型.模拟研究与实证分析验证了该模型与所提出方法的合理性. 展开更多

关键词 集值随机向量 集值多元时间序列 交叉协方差阵 交叉相关阵 平稳性 区间值多元自回归模型

在线阅读 下载PDF 职称材料

一类季节性整值复合自回归模型—SINCAR 被引量：1

17

作者 施久玉 《运筹与管理》 CSCD 2003年第5期46-51,共6页

本文提出一类季节性整值复合自回归模型—SINCAR,通过升维的方法能将—SINCAR变为多维平稳序列,且给出收益序列的极值,凹凸性条件,对周期为3的AINCAR模型中的参数进行了估计。

关键词 季节性整值复合自回归模型 SINCAR 多维平稳序列 收益序列 参数估计 时间序列

在线阅读 下载PDF 职称材料

应用时间序列分析气象因素对手足口病流行的影响 被引量：19

18

作者 冯慧芬 赵秋民 +2 位作者 段广才 朱光 李树岭 《郑州大学学报（医学版）》 CAS 北大核心 2015年第2期171-176,共6页

目的：探讨气象因素对手足口病（HFMD）流行的影响,为该地区HFMD防控与政策制定提供依据。方法：收集河南省郑州市二七区2008年5月至2014年6月气象资料（气温、气压、相对湿度、平均风速、降雨量、平均日照时间）和HFMD疫情资料。采用Sp... 目的：探讨气象因素对手足口病（HFMD）流行的影响,为该地区HFMD防控与政策制定提供依据。方法：收集河南省郑州市二七区2008年5月至2014年6月气象资料（气温、气压、相对湿度、平均风速、降雨量、平均日照时间）和HFMD疫情资料。采用Spearman秩相关分析气象参数与HFMD的相关性,采用互相关分析气象参数对HFMD流行的滞后效应,采用时间序列分析构建该地区HFMD季节性自回归移动平均（SARIMA）模型,比较引入气象参数前后模型的拟合优度和预测精度。结果：该地区HFMD流行集中于3~7月份,4~5月份达到高峰。HFMD周发病人数与每周日平均气温滞后2周（rS=0.248,P〈0.05）、最高气温滞后2周（rS=0.170,P〈0.05）、最低气温滞后2周（rS=-0.223,P〈0.05）相关。每周日平均气温滞后2周纳入HFMD周发病人数SARIMA（1,1,0）（0,1,0）52预测模型。引入气象参数前、后模型的拟合度为0.797、0.833,预测精度为11.573、10.611。结论：平均气温可影响HFMD的流行,引入平均气温构建的SARIMA模型能较好地拟合和预测HFMD的流行。 展开更多

关键词 手足口病 气象因素 时间序列分析 季节性自回归移动平均模型

在线阅读 下载PDF 职称材料

基于季节分解和SARIMA-GARCH模型的铁路月度客运量预测方法 被引量：27

19

作者 钱名军 李引珍 阿茹娜 《铁道学报》 EI CAS CSCD 北大核心 2020年第6期25-34,共10页

首先,根据铁路月度客运量时序图呈现的趋势性、周期性和随机波动性,运用季节分解法将其分解为趋势循环分量、季节因子分量和不规则分量,直观量化地表征出所蕴含的特征信息。接着,引入季节时间序列模型(SARIMA)对平稳化和单整检验后的月... 首先,根据铁路月度客运量时序图呈现的趋势性、周期性和随机波动性,运用季节分解法将其分解为趋势循环分量、季节因子分量和不规则分量,直观量化地表征出所蕴含的特征信息。接着,引入季节时间序列模型(SARIMA)对平稳化和单整检验后的月度客运量序列的趋势性和季节性进行建模,通过季节差分序列的相关图筛选确定出最佳模型阶数,得到SARIMA基础预测模型。然后,为提高模型对波动性的刻画精度,消除异方差影响,再对基础模型的回归残差进行ARCH检验,构建出广义自回归条件异方差(GARCH)模型,并检验所建SARIMA-GARCH融合模型的稳定性。最后,将融合模型与常规SARIMA、ARIMA和NAR动态神经网络模型的短期预测值进行精度对比验证,并对其中长期预测性能做测试分析。结果表明,SARIMA-GARCH模型短期预测性能优于SARIMA、ARIMA和NAR动态神经网络模型。 展开更多

关键词 铁路运输 月度客运量预测 SARIMA-GARCH模型 季节性时间序列 异方差

在线阅读 下载PDF 职称材料

多元时序和滞后协整混合模型

20

作者 王红 童恒庆 《统计与决策》 CSSCI 北大核心 2008年第19期24-26,共3页

文章将滞后分析、时序分析、滞后协整分析进行有机整合,建立了多元时序和滞后协整混合预测模型;此外,还提出了反映不同时期向量序列之间协整关系的滞后协整的概念,滞后协整概念的提出能为预测和决策提供更为广阔的思考空间。

关键词 多元时序和滞后协整混合模型 多元时间序列 滞后协整

在线阅读 下载PDF 职称材料