SARIMA模型在肾综合征出血热发病率预测中的应用

目的:探讨应用时间序列SAR IM A模型进行肾综合征出血热发病率预测的可行性.方法:首先利用余弦函数模型分析肾综合征出血热季节性发病规律,其次进行扩充迪基富勒的平稳性单位根检验,然后根据自相关函数和偏自相关函数判别月别疫情间的相关性,最后基于1990年-2004年逐月发病率进行SAR IM A模型建模拟合,利用2005年各月发病率进行外推预测,并与实际值进行比较.上述统计分析采用Ev iew s3.1和SPSS12.0软件完成.结果:余弦函数确定的高峰时点为3月中旬,高峰时区为3月1日到4月3日.含第一谐量的余弦方程为:^Y1 i=1.274-0.945cos(ti-76.684),决定系数R2=0.853;在备选模型中,SAR IM A(1,0,0)×(2,0,0)12模型不仅很好地拟合了既往时间段上的发病率序列,而且对2005年各月发病率的预测值符合实际发病率变动趋势.结论:余弦函数对于褐家鼠型肾综合征出血热疫情季节分布拟合较好,SAR IM A模型能很好地模拟传染病发病率在时间序列上的变动趋势,并对未来的发病率进行预测,为传染病防制工作服务.     

具有反馈性能的传染病传播模型

传染病是人类社会面对的严重威胁之一,也是困扰世界医学界的长期难题.文中首先对传染病的传播机理进行了分析研究,将其传播分为自然传播和人为控制两种状态,然后以微分方程理论为基础,运用反馈控制理论分别建立了自然传播状态的闭环自激正反馈微分方程模型和有人为控制时的闭环负反馈微分方程模型,并引入控制度概念把上述两种反馈模型结合起来以反映人为控制因素对传染病传播系统的影响,最后以2003年爆发的SARS为例采用计算机编程仿真,结果与实际比较吻合,并提出了应对传染病的若干对策,为传染病的传播预测、有效预防和控制提供了一定的理论依据.     

基于机器学习组合模型的疟疾发病率预测研究

由于疟疾传播的复杂性,运用发病率历史数据和现有时间序列模型难以准确预测其发病率趋势拟建立一种新的组合模型,以提高模型预测性能,并将其与应用较广泛的组合模型ARIMA-NNAR,ARIMA-LSTM进行比较.其中,以ARIMA(1,1,2)(0,1,0)_(12)为基础建立的ARIMA-NNAR-XGBoost加权组合模型,各项评价指标(RMSE,MAE,MAPE分别为0.160,0.110,11.389%)相比其他模型均有较明显的提高,性能为所列模型中最佳.该模型所需数据简单,预测性能良好,是传染病预测较为方便可行的方法.     

社会防控与信息公开：重大传染病疫情的演化机理与预测模型

世界各国对新冠肺炎疫情的抗疫模式产生了严重的分歧。本文根据中国新冠肺炎疫情防控的体制动员成功经验,将社会公共卫生防控措施的博弈因素与传染病模型相结合,构建了重大传染病疫情演化机理与情境预测的演化博弈模型。通过将传染病传播模型中感染系数参数加以内生化,解释了社会动员体制在疫情初期防控中的关键作用。最后使用感染系数内生化的SI模型分别对美国、意大利和中国三种抗疫模式进行Logistic方程拟合和峰值点分析,并将结果进行比对。本文研究表明,在缺少有效疫苗的情况下,采取隔离和政府疫情信息公开的中国疫情防控模式,在新型重大传染病疫情防控过程中发挥着关键性作用。     

基于熵值法和突变理论地铁深基坑施工安全性评估

针对地铁深基坑的难度大、风险高等特点,提出采用熵值法和突变理论相结合的方法进行地铁基坑施工的安全性评估方法.选取人员、机械、材料、技术、环境5个方面的因素建立3级20个评估指标的安全评估指标体系,在此基础上通过熵值权重和突变级数构建了地铁深基坑施工安全性评估数学模型.依托福州轨道交通6号线工程第3标段明挖深基坑工程,对评估模型进行验证,其结果符合实际工程情况,说明模型可行,结果可靠,能够指导实际工程.     

ARIMA乘积季节模型及其在传染病发病预测中的应用

本文研究乘积季节模型在传染病发病情况预测中的应用,并探讨提高模型准确性和实用性的途径.以1980年1月至2000年7月江苏省肾综合征出血热发病资料建立模型,以2000年的发病资料作为模型预测效果的考核样本.首先采用差分方法对序列资料进行平稳化,然后进行定阶并估计参数,建立乘积季节模型,最后对预测结果进行检验和分析.从而更好地掌握未来疫情动态发展趋势.检验结果表明,用乘积季节模型对肾综合征出血热月发病情况的拟合结果满意,预测效果良好.     

SARIMA模型与Holt-Winters模型在丙型肝炎发病率预测中的应用

主要探讨SARIMA模型和Holt-Winters模型在丙型肝炎月发病率预测中的应用价值.首先,利用2006年1月至2018年12月的月发病率数据为基础,分别建立SARIMA模型和Holt-Winters模型;然后,预测2019年1月到12月的月发病率数据,并与实际月发病率数据进行比较,得到SARIMA(2,1,1)(0,1,1)₁₂模型的拟合效果较好;最后,利用SARIMA(2,1,1)(0,1,1)₁₂模型预测了2020年1月至12月的月发病率.研究结果将可为相关部门丙型肝炎防控提供科学依据.     

基于跟踪微分器的泰勒展开与ARIMA混合模型对股票价格的短期预测

利用一种基于跟踪微分器的泰勒展开预测(Taylor Expansion Forecasting,TEF)模型与ARIMA相结合的混合预测模型,预测未来股票价格的走势.并以阿纳达科石油和宝洁公司两只股票进行实证,结果表明混合预测模型较单一的ARIMA模型具有更好的预测效果.最后将混合模型用于预测这两个公司近期的股票价格,预测结果表明,在短期内,阿纳达科石油的股票价格先下跌而后有所回升,宝洁公司的股票价格有上涨的趋势.     

基于SARIMA-SVM组合模型的丙型肝炎发病率预测研究

基于SARIMA-SVM组合模型对丙型肝炎发病率进行预测研究.首先,利用2011年1月至2020年12月的发病率数据分别建立SARIMA模型、SVM模型和SARIMA-SVM组合模型;然后,利用2021年1月至12月的发病率数据验证模型的预测效果,并得出SARIMA-SVM组合模型的预测精度较高;最后,利用SARIMA-SVM组合模型对2022年1月至12月的发病率数据进行预测.预测结果可为相关部门对丙型肝炎的预防和控制提供科学依据与数据参考.     

按时滞转化的阶段结构SIS传染病模型

对一类按时滞转化的具有两个阶段结构的SIS传染病模型进行了分析,得到了传染病最终消除和成为地方病的阈值.即当传染率小于该阀值时,传染病最终消除;反之,此种传染病将成为地方病.     

基于函数arccos(px+q)变换的灰色预测模型研究

借助于函数变换理论和灰色系统建模理论,并结合反余弦函数和线性函数的特点,提出了反余弦函数和线性函数相结合的变换方法并建立了一个改进的GM(1,1)模型.证明了这种变换一方面能提高序列的光滑比并压缩序列的级比;另一方面可以使还原误差减小.具体算例结果表明,经过反余弦函数和线性函数相结合建立的改进GM(1,1)模型的拟合精度优于传统GM(1,1)模型和基于反余弦函数变换的GM(1,1)模型的拟合精度.     

硝苯地平缓释片释放过程的灰色数学模型

采用高分子材料制成硝苯地平缓释片 ,测定其释放度 ,以灰色数学模型进行分析 .结果表明 ,用灰色数学模型对药物释放过程进行拟合 ,拟合精度高 ,结果可靠 .灰色数学模型可用于描述其释药行为 .     

基于改进灰色GM(1,1)马尔柯夫模型的煤矿事故百万吨死亡率预测

煤矿安全事故预防和控制是煤矿安全评价和决策的基础.灰色预测适合于时间短、数据量少和波动不大的系统对象,而马尔可夫链理论适用于预测随机波动大的动态过程.结合灰色预测GM(1,1)模型和马尔可夫链理论的优点,提出了一种改进的灰色马尔可夫GM(1,1)模型.利用改进的GM(1,1)模型进一步拟合煤矿人因失误事故的发展变化趋势,并以此为基础进行马尔柯夫预测,提高预测效果.以2000-2010年全国煤矿事故百万吨死亡率为例进行了预测分析,结果表明模型既能揭示煤矿人因失误事故百万吨死亡率变化的总体趋势,又能克服随机波动性数据对预测精度的影响,具有较强的工程实用性,并对煤矿人因失误安全事故的预测和控制有一定的实际意义.     

GM(1,1)模型预测精度仿真分析

基于GM(1,1)模型的灰色预测具有独特优点.从GM(1,1)建模数据的选择入手,应用数值仿真方法,针对具有不同发展系数和偏离度的大量模拟序列研究了建模维数与预测精度之间的关系.研究结果给出了不同情况下的最佳建模维数和预测精度期望值,为GM(1,1)建模提供了有益的指导信息.     

第二代玉米螟灾变性长期预报模型及其应用

本文应用灰色系统灾变理论，对山东省荷泽地区１９７６～１９９２年第二代玉米螟虫株率构成的离散数列进行数据处理，用微分方程进行拟合，建立了第二代玉米螟虫株率的灰色系统ＧＭ（１，１）长期预报模型，为第二代玉米螟的研究和防治规划提供科学的决策依据     

湖南省第三产业就业人数预测——基于灰色系统GM(1,1)模型

运用灰色系统GM(1,1)模型对2002-2007年湖南省第三产业就业人数的数据进行分析.通过灰色系统相关检验发现,GM(1,1)模型误差较小,能较好地拟合湖南省第三产业就业人数的情况.运用该模型预测:2008年湖南省第三产业就业人数是1403.4万人,2009年是1512.2万人,2010年是1629.3万人,2011年是1755.6万人.     

最佳灰色回归组合模型及其在中国火灾预测中的应用

火灾每年给国家和人民生命财产造成巨大损失.火灾现象具有随机性、模糊性,是个复杂的灰色系统行为.研究火灾发生规律及发展趋势,具有实用价值.为此,首先给出最小二乘估计(LSE)意义下的最佳组合预测模型的定义,并求得组合模型的权的公式和证明权的唯一性.其次,用回归分析方法建立多个回归模型,并按以下三条标准:①回归指数(或相关系数)r大、②系统误差s小、③模型精度p高,选定最佳非线性回归模型;用灰色理论建立多个灰色模型,并按以下三条标准:①后验差比值c小、②小误差概率P大、③预测关联度ξ大,选定最佳灰色模型;再用最小二乘法将最佳回归模型与最佳灰色模型有机地结合起来建立的中国火灾最佳灰色回归组合预测模型.最佳灰色回归组合预测模型综合利用前两者提供的不同的有用信息,改善了单一模型的局限性,提高了模型的预测精度,减少了预测误差,使预测效果更佳.组合模型预测中国年火灾起数处于动态增长过程.     

Forecasting energy demand using neural-network-based grey residual modification models

Grey forecasting models have taken an important role for forecasting energy demand, particularly the GM(1,1) model, because they are able to construct a forecasting model using a limited samples without statistical assumptions. To improve prediction accuracy of a GM(1,1) model, its predicted values are often adjusted by establishing a residual GM(1,1) model, which together form a grey residual modification model. Two main issues should be considered: the sign estimation for a predicted residual and the way the two models are constructed. Previous studies have concentrated on the former issue. However, since both models are usually established in the traditional manner, which is dependent on a specific parameter that is not easily determined, this paper focuses on the latter issue, incorporating the neural-network-based GM(1,1) model into a residual modification model to resolve the drawback. Prediction accuracies of the proposed neural-network-based prediction models were verified using real power and energy demand cases. Experimental results verify that the proposed prediction models perform well in comparison with original ones.     

北京市道路交通事故灰色预测模型的构建与应用

利用灰色预测理论,根据北京市1999～2006年道路交通事故的统计资料,建立了北京市道路交通事故发生次数的灰色GM(1,1)预测模型,并根据实际数据的特点,对所建立的模型进行了改进.经证实,改进后的GM(1,1)模型预测精度高,预测结果与实际相符.GM(1,1)模型的预测结果可为北京市道路交通管理部门制定预防交通事故的措施提供重要的数据支持和理论依据,这对加强北京市的道路交通管理、改善北京市的道路交通安全状况将具有一定的现实意义.     

An optimized NGBM(1,1) model for forecasting the qualified discharge rate of industrial wastewater in China

The Nonlinear Grey Bernoulli Model NGBM(1,1) performs well in the simulation and forecasting of series having non-linear variations. To improve the simulation and forecasting accuracy, the parameters optimization of an NGBM(1,1) model is formulated as a combinatorial optimization problem and is solved collectively using LINGO (an Operational Research software) in this paper. The optimized result has been verified by a numerical example of a fluctuating sequence and a case study of opto-electronics industry in Taiwan. Comparisons of the obtained simulation results from the optimized combinatorial NGBM(1,1) model with the traditional one demonstrates that the optimal algorithm is a good alternative for parameters optimization of the NGBM(1,1) model. The optimized NGBM(1,1) model is used to simulate and forecast the annual qualified discharge rate of industrial wastewater in 31 provinces of China for the period from 2001 to 2011. The modeling results can assist the government in developing future policies regarding environmental management.