搜索到509篇“ SARIMA模型“的相关文章
SARIMA模型在大连市梅毒发病预测中的应用
2025年
目的 探讨季节性差分自回归滑动平均模型(SARIMA)在大连市梅毒发病预测中的应用,为该市梅毒防控提供参考依据。方法 应用SPSS 25.0软件对大连市2010—2019年梅毒月报告监测数建立SARIMA模型,用该模型对2020年1~12月梅毒发病数进行预测,并与实际报告数进行比较,以评价模型预测结果。结果 SARIMA(2,1,0)×(0,1,1)_(12)为最优预测模型(P<0.001),统计量遵循贝叶斯信息准则(BIC)值最小原则,白噪声检验Liung-Box统计量差异均无统计学意义,残差为白噪声序列,以此模型预测的2020年各月发病数与实际发病数比较,平均绝对百分比例误差MAPE=8.93%,模型预测效果较好。结论 SARIMA(2,1,0)×(0,1,1)_(12)模型能较好拟合大连市梅毒发病情况,可用于大连市梅毒发病数的预测。
孙巍白金剑安庆玉熊帮洁郭俐男吴隽
关键词:梅毒
基于SARIMA模型与LSTM神经网络模型的中国肺结核发病预测比较研究
2025年
本研究通过评估季节性自回归差分移动平均模型(Seasonal Autoregressive Integrated Moving Average,SARIMA)与长短期记忆(Long Short-Term Memory,LSTM)神经网络在预测中国肺结核发病的效能差异,为传染病预警系统构建提供模型选择依据。基于2011—2023年全国肺结核监测数据,通过划分训练集与测试集,分别构建SARIMA模型和LSTM神经网络模型,采用绝对百分比误差(Absolute Percentage Error,APE)、平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)和均方根误差(Root Mean Square Error,RMSE)等指标来评价外推预测精度,最后用上述最优参数模型来进行预测分析。结果显示,SARIMA最优模型(1,1,0)(1,1,0)_(12)在预测后期APE较LSTM高,SARIMA模型和LSTM神经网络模型的MAPE分别为11.26%和9.45%,RMSE分别为9791.58和8337.80。结果表明,SARIMA模型和LSTM神经网络模型均能对中国肺结核发病情况进行较好的预测,LSTM神经网络模型在捕捉非线性时序特征方面具有显著优势,尤其适用于中长期预测场景。
武长礼徐锋顺段萌李海川罗银波
关键词:时间序列分析
基于SARIMA模型的合肥市近地面臭氧浓度预测
2024年
近年来城市臭氧(O_(3))污染问题较为突出,预测臭氧浓度进行早期防控尤为重要。合肥市以O_(3)为首要污染物的天数呈上升趋势,目前O_(3)已替代PM_(2.5)成为影响空气质量的首要污染物。基于此,以合肥市作为研究对象,选取2022年1月至2023年6月臭氧日均浓度构成时间序列,通过建立季节性差分自回归滑动平均(SARIMA)模型,对2023年夏季臭氧浓度进行短期预测并检验模型效果。结果表明,构建的模型拟合值曲线与实测值曲线相差不大,3天短期预测的相对误差均在20%以内;经评估发现,模型的均方根误差RMSE为21.18μg·m^(-3),拟合优度R^(2)可达0.9043,拟合及预测效果较好。通过近地面臭氧预测,为环保部门提供科学依据,为城市规划提供决策支持,同时也能对公众健康产生积极影响。
许成丽郑朝阳项衍吕立慧刘人龙
关键词:臭氧浓度时间序列SARIMA模型季节性
SARIMA模型在湖北省食源性疾病预测中的应用
2024年
目的研究旨在探究自回归求和移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)在湖北省食源性疾病序列分析中的可行性并利用该模型预测未来发病趋势。方法基于湖北省2014—2021年的食源性疾病报告发病数,运用Python软件对数据进行拟合并构建ARIMA模型,利用2022年的数据对模型进行验证及参数优化,确定的最优拟合模型用于2023年食源性疾病发病情况及趋势的预测。结果湖北省食源性疾病发病数呈季节周期性,流行高峰通常在每年的7月份,最佳预测其最优拟合模型SARIMA(0,1,0)(2,2,1)12。以2022年数据验证模型外推效果,MAPE=23.90%,显示模型外推效果较好。结论SARIMA模型用于短期预测湖北省食源性疾病发病趋势上有较好的效果,可为来年食源性疾病防控政策的制定提供科学依据。
王欣李艳伟詹钰玥余波岳苗苗李骏
关键词:食源性疾病时间序列分析
基于SARIMA模型的广西某三甲医院手术量预测研究
2024年
研究基于2013年1月至2023年12月广西某三甲医院手术量数据,运用季节性差分自回归滑动平均模型(Seasonal Autoregressive Integrated Moving Average,SARIMA)进行预测研究,以优化资源配置和提高服务效率。结果表明,该模型拟合效果良好,对手术量预测具有实用价值,可为医院资源配置和管理决策提供科学依据。
韩宗华韦登高
关键词:SARIMA模型
基于SARIMA模型的用电负荷超短期自适应预测方法
2024年
针对超短期负荷预测模型的不稳定性,文章提出一种基于季节性自回归移动平均模型的超短期自适应用电负荷预测方法,旨在提高负荷预测的准确性和适应性.首先对用电负荷数据进行季节性分析,确定数据的季节性周期,并对数据进行季节性调整;然后根据季节性调整后的数据,建立季节性自回归移动平均模型.该模型综合考虑自回归、移动平均和季节性成分,能够捕捉数据的长期趋势和季节性变化.为了提高模型的自适应性,引入参数自适应策略.该策略基于模型的预测误差,自动调整模型的参数,以适应负荷数据的动态变化.
沈扬沈泓
关键词:自适应用电负荷预测季节性分析参数自适应
基于SARIMA模型的上海市中心城区共享单车需求预测被引量:1
2024年
无桩式共享单车的出现与推广在减少碳排放的同时,带来了道路拥堵问题。如何高效、准确地进行交通流量预测已经成为人们关注的热点。利用2016年8月上海市中心城区摩拜共享单车数据,利用季节性差分自回归移动平均模型(Seasonal Autoregressive Integrated Moving Average Model,SARIMA模型)进行模拟和预测,再通过折线图的方式揭示共享单车需求量与时间之间的变化关系。研究发现,SARIMA(0,1,3)×(0,1,0)_(84)模型能够有效预测上海市中心城区共享单车的需求量。预测交通流量,可以缓解城市主干道的拥堵状况,提高市民的生活质量。同时,预测通勤需求可以平衡供需关系,为运营企业和用户提供更高效的服务,为政府规划提供决策依据。
范棪堃
关键词:交通流量预测
SARIMA模型在泰安市流行性腮腺炎发病预测中的应用
2024年
目的 构建流行性腮腺炎(流腮)发病数的季节性差分自回归移动平均(SARIMA)模型,并对泰安市流腮发病情况进行预测,为流腮防控依据。方法 流腮发病数据资料来源于中国疾病预防控制信息系统中监测报告管理系统,按照现住地址、发病日期收集2010年1月-2021年6月泰安市流腮发病数据资料。采用SPSS 21.0根据2010-2020年的数据建立最优SARIMA模型,利用该模型对2021年1-6月的流腮月发病数进行预测,评价模型的拟合效果,并对2021年7-12月流腮发病情况进行预测。结果 泰安市2010-2020年流腮月发病趋势具有一定的波动性,存在季节周期性特点。SARIMA(0,1,2)(1,1,0)_(12)模型为最优预测模型,该模型拟合度R~2=0.773,贝叶斯信息准则(BIC)值为7.162。Q=9.877,P>0.05,该模型残差为白噪声序列,所构建的模型较为合理。结论 SARIMA(0,1,2)(1,1,0)_(12)模型拟合效果较好,可用于泰安市流腮月发病趋势的短期预测。
李楠国青徐丽莎明明石艳艳
关键词:流行性腮腺炎时间序列分析SARIMA模型
基于SARIMA模型的上海市宝山区2024年水痘流行趋势预测
2024年
目的构建模型预测上海市宝山区2024年的水痘发病趋势,为水痘早期预警和有效防控提供科学依据。方法利用宝山区2010—2022年报告水痘个案数据,运用R语言构建季节性自回归滑动平均模型,用2023年数据进行验证,最后用验证模型预测2024年水痘流行趋势。结果宝山区2010—2022年水痘年均发病率为69.67/10万,2020年起发病数和发病率有所降低。宝山区水痘月发病数据为平稳序列,具有明显季节性。ARIMA(1,0,1)(0,1,1)12为最优拟合模型,残差经Ljung-Box检验为白噪声序列。2023年1—12月实际发病数均在预测值的95%可信区间内。预测显示宝山区2024年水痘发病数为762例,全年发病有2个高峰。结论ARIMA(1,0,1)(0,1,1)12模型能较好拟合宝山区水痘的发病趋势,可用于宝山区水痘短期发病情况的预测。
朱江孟杨陈永君朱奇杨佳平张迈月李晓军
关键词:水痘R语言
基于SARIMA模型的五道沟地区0~320 cm土层季尺度地温预测研究
2024年
【目的】探讨五道沟地区地温季尺度变化趋势和突变特征,建立SARIMA地温预测模型。【方法】基于五道沟水文实验站1964—2022年长系列实测地温资料,采用线性回归、Sen’s斜率估计、MK检验等方法,开展0~320cm土层地温季尺度变化趋势和突变特征研究,建立不同土层深度(0~320cm)地温SARIMA预测模型。【结果】(1)春季、冬季0~160 cm土层地温呈显著上升趋势;夏季除0、10 cm土层外其他土层地温均有显著下降趋势;秋季0、20 cm土层地温具有显著上升趋势;320 cm土层地温在冬季具有显著下降趋势。(2)春季0、10、20、40、160 cm土层地温分别在2006、2013、2012、2015、2018年发生突变,突变后增温趋势显著;320 cm土层地温在1984年前后开始显著降低。(3)地温数据的预测值与实测值拟合优度均>0.95,不同土层地温预测模型均有较好的预测能力,且随土层深度增加预测精度提高,MAE随土层深度增加由1.666下降至0.390,RMSE随土层深度增加由2.139下降至0.525。【结论】SARIMA模型精度较高,可用于淮北平原地区地温模拟预测。
蒋鑫平王启猛王启猛刘猛王发信吕海深李杰李杰
关键词:地温时间序列SARIMA模型

相关作者

祝寒松
作品数:63被引量:430H指数:12
供职机构:福建省疾病预防控制中心
研究主题:发病率 手足口病 传染病 流行病学 流行病学分析
刘天
作品数:126被引量:578H指数:12
供职机构:荆州市疾病预防控制中心
研究主题:手足口病 肾综合征出血热 发病率预测 流行性腮腺炎 流行病学特征
姚梦雷
作品数:96被引量:466H指数:11
供职机构:荆州市疾病预防控制中心
研究主题:手足口病 肾综合征出血热 流行性腮腺炎 流行病学特征 发病
黄继贵
作品数:121被引量:604H指数:12
供职机构:荆州市疾病预防控制中心
研究主题:手足口病 肾综合征出血热 流行病学特征 流行性腮腺炎 发病率预测
黄文龙
作品数:92被引量:724H指数:15
供职机构:福建省疾病预防控制中心
研究主题:传染病 网络直报 发病率 疫情分析 法定传染病