温州市区手足口病SARIMA模型建立及应用

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.     

基于SARIMA模型在我国铁路客运量中的预测

铁路客运量预测是铁路旅客运输生产的重要基础工作,我国铁路运输业客运量呈现出明显的季节性波动.准确预测月度铁路运量能够为我国铁路运输发展规划提供科学依据,具有非常重要的现实意义.选择了2007年1月至2014年11月的全国铁路客运量数据来建立季节时间序列SARIMA模型.经过逐期差分和季节差分后最终建立了ARIMA(1,1,2)×(1,1,1)_6模型,并选取了2008年3月至2014年11月我国铁路客运量数据的真实值和模型预测值进行了对比,平均绝对百分比误差MAPE是10.886%,模型的预测能力"优良",最后对201.5年1月-2015年3月全国铁路客运量进行了预测.     

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)(...     

基于SARIMA模型的铁路站点客流量预测研究

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.     

基于SARIMA模型的居民消费价格指数预测分析

本文基于SARIMA模型对我国1990—2010年的居民消费价格指数月度数据进行预测分析。利用Eviews6.0对统计数据的变化趋势及季节性进行验证,结果表明该模型合理、有效,预测值与实际值的估计误差控制的很好。     

ARIMA模型在京津冀区域手足口病发病趋势预测中的应用

本文以时间序列理论为基础,建立了乘积季节ARIMA预测模型。由于手足口病具有明显的季节性,且其发病潜伏期一般为3-7天,因此本文以周为时间尺度,即定义季节周期为53周,探讨了季节性乘积模型在手足口病发病趋势预测中的应用,并通过AIC和BIC信息准则确定最优模型。通过2009-2013年京津冀区域手足口病监测数据实证了季节性ARIMA(p,d,q)×(P,D,Q)53模型的预测效果。结果显示,该模型对手足口病高发时间的发病数预测效果较好,预测发病趋势与实际发病趋势相一致。     

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.     

ARMA模型在哈尔滨气温预测中的应用

将时间序列分析引入到气温时间序列预测的研究中,深入分析气温样本数据,并对其建立ARMA模型.采用最佳准则函数法确定模型的阶数,并利用自相关函数对模型的残差进行了检验.通过条件期望预测和适时修正预测方法求得预测值,与真实值的比较得到适时修正预测精确度比条件期望预测的精确度高.     

ARIMA模型在广西全社会固定资产投资预测中的应用

本文采用求和自回归移动平均模型(ARIMA),对《新中国五十年统计资料汇编》及《2004年广西统计年鉴》提供的广西全社会固定资产投资额数据进行分析。结果显示,ARIMA(1,2,1)模型提供了较准确的预测结果,可用于未来的预测。就此,可为广西全社会固定资产投资提供可靠的参考依据。     

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.     

Bootstrapping Autoregressive and Moving Average Parameter Estimates of Infinite Order Vector Autoregressive Processes

We consider anr-dimensional multivariate time series {y_t, tZ} which is generated by an infinite order vector autoregressive process. We show that a bootstrap procedure which works by generating time series replicates via an estimated finitek-order vector autoregressive process (k→∞ at an appropriate rate with the sample size) gives asymptotically valid approximations to the joint distribution of the growing set of estimated autoregressive coefficients and to the corresponding set of estimated moving average coefficients (impuls responses).     

The Likelihood of the Parameters of a Continuous Time Vector Autoregressive Model

This paper provides a method of constructing the likelihood function of the parameters of a continuous time vector autoregressive model on the basis of discrete data without requiring the restrictions extant methods impose on the data that are capable of being rejected by a statistical test. In particular, the method does not rely on a steady-state assumption that can rule out unit root processes; it allows for weak assumptions on the innovations; and it allows for a mixture of skip-sampled and temporally-aggregated data. This revised version was published online in August 2006 with corrections to the Cover Date.     

生产安全事故宏观发展态势的计量经济学研究

为了研究工矿商贸就业人员10万人生产安全事故死亡率时间序列变化特征,基于我国行业生产安全事故死亡人数及第二、三产业就业人员数量等2方面年度统计数据,通过研究事故死亡率时间序列的自回归移动平均过程,论文构建了事故死亡率时间序列的分阶段自回归移动平均模型.研究表明:工矿商贸行业10万人事故死亡率变化趋势具有明显的分阶段波动特征,事故死亡率序列均为趋势平稳过程;序列当期观测值与滞后1期观测值具有显著的自相关性;各阶段事故率自回归移动平均模型结构不尽相同;特征描述模型为正确把握我国安全生产状况及趋势提供理论依据.     

自回归预测模型参数的“折扣”最小二乘估计及其应用

依据折扣最小二乘法准则,对时间序列建立自回归预测模型,给出了参数的估计公式,数值结果表明该方法更行之有效.     

贝叶斯向量自回归分析方法及其应用

由于经济环境的多变,使得经济预测面临数据量少的建模难题,贝叶斯方法对小样本数据建模问题具有明显优势。本文在共轭条件似然函数"矩阵正态-Wishart分布"意义下,首先讨论了向量自回归模型的贝叶斯分析方法,得到了模型参数的后验分布与一步预测分布。其次,给出了分量方程的对应结果,说明了模型阶数的推断方法。最后,列出了计算步骤,并作为应用,对上海房地产价格指数数据进行预测建模,取得了较好效果。     

郑州期货糖08年9月合约价格的分析与预测

本文对郑州期货糖0809主力合约的价格首先进行多元线性回归,探求其与纽约期货糖价和郑州现货糖价的关系,进而在发现回归残差具有周期效应的基础上进行时间序列的频域分析,并同时考虑各种突发事件的影响,在模型中加入示性变量进行适当修正,经过ADF单位根检验确定此时的残差已为平稳序列之后建立ARMA模型,并接受最终残差为白噪声。将上述分解过程进行整合,估计模型系数并剔除其中的不显著变量便得到最终的拟合方程,在此基础上对后续三天的郑州期货糖价进行动态预测,结果显示真实价格均落在所给95%置信区间内。     

霍尔特-温特模型在货运量季节性预测中的应用

为了提高货运量季节性预测的精度,应用了一种线性季节预测模型,霍尔特-温特模型。通过傅立叶周期分析确定季节影响和周期长度,利用迭代法寻找模型最优参数。将预测结果与其他三个常用季节预测模型:分组回归模型、可变季节预测模型和季节周期回归模型进行比较,结果表明霍尔特-温特模型预测精度最高。     

ARIMA模型在新疆巴州梅毒疫情预测中的应用

搜集2008-2014年新疆巴音郭楞蒙古自治州(简称巴州)梅毒月发病数据,采用时间序列分解方法(Time Series Decomposition methods)探讨该地区梅毒月发病率的季节性,建立ARIMA(0,1,1)(1,0,1)_(12)时间序列模型,模型预测值的动态趋势与实际发病率基本吻合,平均绝对百分比误差MAPE=17.36,具有较高的预测精度,可以较好的预测短期内梅毒的变化趋势,为梅毒的预防控制措施提供可靠依据.