期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
广义相加模型在乌江夏季径流预报中的应用 被引量:17
1
作者 荣艳淑 胡玉恒 +2 位作者 冯瑞瑞 殷雨婷 李崇浩 《河海大学学报(自然科学版)》 CAS CSCD 北大核心 2021年第2期121-126,共6页
基于前期冬季海温指数,构建具有4个非线性指数和9个线性指数的广义相加模型(GAM),对乌江流域洪家渡夏季径流进行了模拟与预测,利用5种评估指标,包括最小信息准则(AIC)、均方根误差(RMSE)、平均绝对误差(MAE)、概率空间线性误差(LEPS)和... 基于前期冬季海温指数,构建具有4个非线性指数和9个线性指数的广义相加模型(GAM),对乌江流域洪家渡夏季径流进行了模拟与预测,利用5种评估指标,包括最小信息准则(AIC)、均方根误差(RMSE)、平均绝对误差(MAE)、概率空间线性误差(LEPS)和线性相关(r),评估GAM和广义线性模型(GLM)模拟效果。结果表明:在AIC、RMSE和LEPS评估指标上,GAM的模拟效果与实测值相比均小于GLM,在线性相关系数上显著大于GLM。因此,GAM的模拟效果明显优于GLM。利用留一法交叉验证对洪家渡夏季径流分别进行了GAM和GLM预测,结果表明,GAM与实测数据的相关系数提高到0.41,相对误差小于30%的预测值达到60%以上,特别是在洪家渡典型洪水年中,GAM的预测误差仅在10%左右,在典型干旱年中,GAM的预测误差小于10%,GAM的预测结果比GLM明显改善。因此,考虑了径流量与预报因子的非线性关系,在径流预报中使用GAM进行建模,能够有效改善线性回归模型的模拟效果和预测精度。 展开更多
关键词 广义相加模型(GAM) 广义线性模型(GLM) 留一法交叉验证 夏季径流 海温因子
在线阅读 下载PDF
具有自动进化及优化功能的综合港口国监督选船模型 被引量:2
2
作者 周驰 《中国海事》 2009年第11期32-35,共4页
文中论述了目前中国海事局所遵循的东京备忘录港口国监督选船机制中存在的诸多不足之处,提出了结合正反馈限制广义相加模型的修正方法。该方法可以有效削弱选船机制中恶性"马太效应",并根据数据的积累进行自我进化及优化。此... 文中论述了目前中国海事局所遵循的东京备忘录港口国监督选船机制中存在的诸多不足之处,提出了结合正反馈限制广义相加模型的修正方法。该方法可以有效削弱选船机制中恶性"马太效应",并根据数据的积累进行自我进化及优化。此外,作者还提出了将船舶事故因素纳入到选船机制的思路和具体工作流程,以及包含"港口国监督检查指导建议"的选船机制的思路和实现方式。 展开更多
关键词 港口国监督 选船机制 马太效应 广义相加模型
在线阅读 下载PDF
杭州市萧山区流感与气象条件的关联性研究
3
作者 耿迪 赵红萍 +1 位作者 蔡璐璐 钟已承 《科技通报》 2024年第10期8-14,20,共8页
本文收集了2016—2021年杭州市萧山区第一人民医院的流感就诊门诊数据和地面常规观测资料,采用广义相加模型(generalized additive model,GAM)分析了流感与气象因子的关联关系,并利用多元逐步回归模型对流感进行预报。结果表明:(1)新冠... 本文收集了2016—2021年杭州市萧山区第一人民医院的流感就诊门诊数据和地面常规观测资料,采用广义相加模型(generalized additive model,GAM)分析了流感与气象因子的关联关系,并利用多元逐步回归模型对流感进行预报。结果表明:(1)新冠疫情出现前流感就诊人数逐年增加,疫情出现第一年(2020年)流感就诊人数明显减少,冬季发病人数最多,夏季最低;(2)青年流感就诊人数在所有年龄阶段中最多,就诊人数在婴幼儿阶段呈倒“U”型分布;(3)流感就诊人数与2月、8月的气温、平均气压、日平均风速呈显著负相关,与冬季相对湿度呈显著正相关;(4)当气温在7℃以下、相对湿度在55%~80%时,流感在当天和滞后2 d内发病可能性最高,在1000 hPa以下、2 m/s以下或7 m/s以上风速环境下流感发病具有一定的即时性;(5)构建流感门诊人数逐月预报方程,回代效果优于试预报效果。简言之,气温、平均气压、日平均风速、相对湿度是影响萧山区流感就诊人数的主要因素,且具有一定的滞后性,流感预报模型有一定的指示性。 展开更多
关键词 流行性感冒 气象条件 广义相加模型 预测 萧山
在线阅读 下载PDF
基于自然植被的延河流域生物量空间分布格局评估 被引量:5
4
作者 张佳 温仲明 杨尚斌 《水土保持研究》 CSCD 北大核心 2010年第3期35-39,F0003,共6页
研究植被的生物量分布及环境对生物量的承载状况,对于区域植被恢复规划、布局等具有重要意义。以黄土丘陵区延河流域为研究区,以自然植被为参照,利用广义相加模型(GAM,generalized additive model)及GIS空间分析技术预测了流域潜在生物... 研究植被的生物量分布及环境对生物量的承载状况,对于区域植被恢复规划、布局等具有重要意义。以黄土丘陵区延河流域为研究区,以自然植被为参照,利用广义相加模型(GAM,generalized additive model)及GIS空间分析技术预测了流域潜在生物量的分布格局;同时,利用遥感资料,预测出流域现有的植被生物量及其空间格局。以潜在生物量为参照,现实生物量为基础,通过空间分析,对流域环境的生物量承载状况进行评估。结果表明:在流域东南部地区,潜在生物量高于现实生物量;而在中北部,有较多的立地环境的现实生物量大于潜在生物量,超过了环境生物量的最大现实承载能力,导致人工植被在这些立地环境条件下的退化。识别这些植被,对于流域植被的改造和利用、流域植被恢复规划与布局等具有重要的应用价值。 展开更多
关键词 生物量 广义相加模型 植被指数 分布预测
在线阅读 下载PDF
沈阳市大气污染物PM_(2.5)、PM_(10)、SO_(2)、NO_(2)浓度对呼吸系统疾病严重程度的影响 被引量:3
5
作者 赵容 洪也 +1 位作者 郑国峰 张军 《山东医药》 CAS 2022年第23期11-14,共4页
目的 观察沈阳市主要大气污染物PM_(2.5)、PM_(10)、SO_(2)、NO_(2)浓度对呼吸系统疾病严重程度的影响。方法 收集2016年1月—2017年12月中国医科大学附属第四医院第二呼吸内科HIS系统录入的病历资料2 690份,诊断为呼吸系统疾病重症1 70... 目的 观察沈阳市主要大气污染物PM_(2.5)、PM_(10)、SO_(2)、NO_(2)浓度对呼吸系统疾病严重程度的影响。方法 收集2016年1月—2017年12月中国医科大学附属第四医院第二呼吸内科HIS系统录入的病历资料2 690份,诊断为呼吸系统疾病重症1 705例,于沈阳市环境研究所获得同期大气污染物PM_(2.5)、PM_(10)、SO_(2)、NO_(2)浓度,分析呼吸系统疾病严重程度与大气污染物浓度之间的相关性;采用基于Poisson分布的广义相加模型(GAM),分析沈阳市主要大气污染物PM_(2.5)、PM_(10)、SO_(2)、NO_(2)单污染物及双污染物对呼吸系统疾病重症的影响,以及呼吸系统疾病重症例数随污染物浓度改变的滞后效应;计算在最佳滞后时间下,当污染物浓度增加10μg/m^(3)时呼吸系统疾病重症的超额危险度(ER值)及其95%置信区间(CI)。结果 呼吸系统疾病严重程度与PM_(2.5)、PM_(10)、SO_(2)、NO_(2)浓度均呈正相关关系(r分别为0.629、0.617、0.703、0.637,P均<0.05)。单污染物模型分析结果显示,PM_(2.5)、PM_(10)、SO_(2)、NO_(2)影响呼吸系统疾病重症的ER值及95%CI分别为1.31(1.21~1.43)、1.29(1.18~1.41)、2.94(2.75~3.14)、5.23(4.91~5.61),P均<0.05。PM_(2.5)和NO_(2)影响呼吸系统疾病重症例数的效应在延迟累积2天(Lag01)达到最大值,PM_(10)在延迟累积5天(Lag04)达到最大值,SO_(2)在延迟累积4天(Lag03)达到最大值;在最佳滞后时间下,PM_(2.5)、PM_(10)、SO_(2)和NO_(2)的浓度每增加10μg/m^(3),对应的呼吸系统疾病重症患者例数增加1.31%(ER=0.96,95%CI:1.21~1.43)、1.29%(ER=0.39,95%CI:1.18~1.41)、2.94%(ER=0.39,95%CI:0.28~0.31)、5.26%(ER=0.39,95%CI:0.49~0.56),P均<0.05。双污染物模型分析结果显示,PM_(2.5)+SO_(2)影响呼吸系统疾病重症的ER值及95%CI为3.53(3.24~3.76),PM_(10)+SO_(2)为2.46(2.23~2.70),PM_(2.5)+NO_(2)为5.02(4.46~5.56),PM_(10)+NO_(2)为3.99(3.50~4.44),SO_(2)+NO_(2)为3.34(3.06~3.62),P均<0.01。结论 沈阳市主要大气污染物PM_(10)、PM_(2.5)、SO_(2)和NO_(2)浓度升高均可导致呼吸系统疾病患者病情加重,且病情严重程度相对于污染物浓度的改变存在滞后效应,PM_(2.5)联合NO_(2)对呼吸系统疾病严重程度的影响最大。 展开更多
关键词 呼吸系统疾病 大气污染 严重程度 PM_(2.5) PM_(10) SO_(2) NO_(2) 广义相加模型
在线阅读 下载PDF
基于长短时记忆循环神经网络的北京市糖尿病合并呼吸系统疾病患者入院预测研究 被引量:1
6
作者 朱倩 章萌 +6 位作者 胡耀余 徐小林 陶丽新 张杰 罗艳侠 郭秀花 刘相佟 《浙江大学学报(医学版)》 CAS CSCD 北大核心 2022年第1期1-9,共9页
目的:比较广义相加模型(GAM)和长短时记忆循环神经网络(LSTM-RNN)对糖尿病合并呼吸系统疾病患者入院频数的预测效果。方法:收集2014年1月1日至2019年12月31日北京市大气污染物、气象因素和呼吸系统疾病入院数据,基于LSTM-RNN预测糖尿病... 目的:比较广义相加模型(GAM)和长短时记忆循环神经网络(LSTM-RNN)对糖尿病合并呼吸系统疾病患者入院频数的预测效果。方法:收集2014年1月1日至2019年12月31日北京市大气污染物、气象因素和呼吸系统疾病入院数据,基于LSTM-RNN预测糖尿病合并呼吸系统疾病患者入院频数并与GAM对比,模型评价采用五折交叉验证法。结果:与GAM相比,LSTM-RNN具有较低的预测误差[均方根误差(RMSE)分别为21.21±3.30和46.13±7.60,P<0.01;平均绝对误差(MAE)分别为14.64±1.99和36.08±6.20,P<0.01]和较高的拟合优度(R^(2)值分别为0.79±0.06和0.57±0.12,P<0.01)。在性别分层中,预测女性入院频数时,LSTM-RNN三项指标均优于GAM(均P<0.05);预测男性入院频数时,两模型误差评价指标差异无统计学意义(均P>0.05)。在季节分层中,预测温暖季节的入院频数时,LSTM-RNN的RMSE和MAE均低于GAM(均P<0.05),R2值差异无统计学意义(P>0.05);预测寒冷季节入院频数时,两种模型的RMSE、MAE和R2值差异均无统计学意义(均P>0.05)。在功能区分层中,预测首都功能核心区入院频数时,LSTM-RNN的RMSE、MAE和R2值均优于GAM(均P<0.05)。结论:LSTM-RNN预测误差较小,拟合程度优,可作为污染天气提前精准配置医疗资源的预测手段。 展开更多
关键词 长短时记忆循环神经网络 广义相加模型 呼吸系统疾病 糖尿病 日入院频数 预测
在线阅读 下载PDF
2012—2021年成都市气象因素对感染性腹泻发病的影响研究 被引量:4
7
作者 李燃 陈煜 《成都医学院学报》 CAS 2023年第1期11-14,共4页
目的 探究气象因素与成都市感染性腹泻发病的相关性以及影响程度,为政府制定预防性措施和开展健康教育提供理论依据。方法 收集2012—2021年成都市感染性腹泻每月发病数和同期气象数据,利用Spearman相关性分析确定纳入广义相加模型的因... 目的 探究气象因素与成都市感染性腹泻发病的相关性以及影响程度,为政府制定预防性措施和开展健康教育提供理论依据。方法 收集2012—2021年成都市感染性腹泻每月发病数和同期气象数据,利用Spearman相关性分析确定纳入广义相加模型的因素,定量分析气象因素对感染性腹泻发病人数造成的危险度。结果 1)2012—2021年成都市感染性腹泻发病数呈上升趋势,存在夏季与冬季两个发病高峰期。2)感染性腹泻男女发病率比例为1.23∶1.00;0~6岁儿童发病最多(62.00%);散居儿童发病最多(61.77%);地区主要集中在武侯区、金牛区、金堂县。3)月均湿度、月累积降水量、月均温与感染性腹泻发病存在相关关系(P<0.001)。当月均湿度在77%左右时,感染性腹泻发病率最高;月累积降水量接近500 mm时,感染性腹泻发病率最高;当月均温为8℃时,感染性腹泻发病率最高。结论 政府可提前制定保护性策略应对洪涝、低温和高湿天气,减少气象因素对人体造成的健康风险,也可通过改善卫生设施、加强教育引导、提高卫生意识等策略降低感染性腹泻造成的健康风险。 展开更多
关键词 气象因素 感染性腹泻 相关性分析 广义相加模型
在线阅读 下载PDF
基于时间序列缺失数据的GAM短期电力负荷预测 被引量:1
8
作者 刘佳星 《科学技术创新》 2022年第8期5-8,共4页
可靠、准确的区域用电负荷预测对于电力系统的运行和规划至关重要,短期负荷预测有助于经济运行、调度电力。考虑到时间序列数据从采集、传输到存储的过程中可能出现数据缺失这一情况,为此本文基于广义相加模型,建立短期电力负荷预测模... 可靠、准确的区域用电负荷预测对于电力系统的运行和规划至关重要,短期负荷预测有助于经济运行、调度电力。考虑到时间序列数据从采集、传输到存储的过程中可能出现数据缺失这一情况,为此本文基于广义相加模型,建立短期电力负荷预测模型。首先对数据进行规范化和数据插补预处理,然后在GAM模型中调用合适的平滑函数、设置最佳参数,在R平台上对时间序列数据进行短期负荷预测,最后实验得出短期内的用电高峰和低谷时段。 展开更多
关键词 广义相加模型 非参数平滑函数 缺失值填补 短期负荷预测 R语言
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部