结核病发病率ARIMA模型分析

建立ARIMA模型用于结核病发病趋势预测.方法:运用2004~2013年本地区结核病发病数据建立了ARIMA(1,1,0)模型.结果:总发病率从2004年的93.40/10万下降到2013年的83.81/10万,下降了10.73%,年均发病率为105.25/10万,肺结核发病率呈总体下降趋势.结论:ARIMA(1,1,0)模型,可用于结核病发病趋势预测,科学预测结果可为为地方的结核病预测、监控与防治工作提供参考.     

基于BP神经网络的病毒性肝炎发病率预测

构建BP神经网络模型，对我国病毒性肝炎发病趋势进行预测.收集1990-2019年全国病毒性肝炎发病率的数据，分别构建ARIMA模型、支持向量回归、BP神经网络、ARIMA-SVR、ARIMA-BPANN模型，对病毒性肝炎发病率进行预测.实验结果表明，BP神经网络模型预测的效果最佳，得到测试集的拟合值和真实值的RMSE（平均残差平方和的平方根）和MAPE（平均绝对百分误差）分别只有0.427 3和0.385 8，远小于其他预测模型.     

基于灰色关联分析的季节性民航货运量预测

为更精确地预测月度航空货运量,提出组合模型预测方法.该模型由季节GM(1,1)和季节ARIMA乘积模型构成,它结合了该2种模型中时间序列预测的优点.灰色模型GM(1,1)能准确反映时间序列的增长趋势;ARIMA乘积模型对季节特征有较好的拟合效果.依据霍尔特温特预测模型计算季节性GM(1,1)模型的季节指数,并用灰色关联分析求出组合预测中的权值.组合预测模型的平均相对误差为0.62%,而季节性GM(1,1)模型和ARIMA乘积模型的平均相对误差分别为4.49%和-3.16%.预测分析结果说明,该模型的非线性曲线拟合精度和预测精度明显高于单个模型,可较好地反映系统的动态性和运量的季节时序关联性,为季节性时间序列预测提供了新的途径.     

图书借阅预测的ARIMA乘积季节模型构建及实证分析

本文研究乘积季节模型在我校图书借阅预测中的应用,通过对我校2007年1月到2009年12月的月度图书借阅数据来进行实证分析,采用差分方法对序列资料进行平稳化,然后进行模型定阶并估计其参数,建立了我校图书借阅的乘积季节预测模型ARIMA（4,1,1）（1,1,1）^12。对模型进行诊断检验,结果表明,用该乘积季节模型对我...     

亭南煤矿涌水量时间序列预测研究

矿井水害是影响煤矿安全高效开采的主要地质因素之一,而矿井涌水量的准确预测对煤矿防治水工作具有重要的意义。本文使用时间序列分析软件（SPSS）对亭南煤矿2007年1月-2019年12月月度涌水量数据分析,建立了ARIMA(1,1,1)预测模型,并利用该模型对2020年1月-2020年6月的涌水量数据进行预测,结果表明：与实际涌水量最大相对误差为2.306%,最小相对误差仅为0.464%,模型精度较高,能够很好地对亭南煤矿涌水量进行预测。     

基于ARIMA模型的福州市雷暴日趋势分析

在分析ARIMA(p,d,q)预测模型的基础上,以福州市1961-2006年的雷暴日为时间序列基础,通过对该序列进行平稳性分析、差分处理、自相关、偏自相关系数计算与绘图、ARIMA建模、参数估计、假设检验及模型预测,将ARIMA模型运用在雷暴日的趋势分析上.研究结果表明,ARIMA能很好地拟合计算出未来短时段内的数据,...     

LSTM和Prophet模型在肺结核发病数预测中的应用

为预测肺结核发病数,建立了两种能够较为精确描述以及预测肺结核发病数的模型.根据中国疾控中心提供的2007年7月至2019年6月肺结核发病数的数据,运用LSTM模型和Prophet模型对中国肺结核发病数进行预测,并将该两种模型的预测性能与ARIMA、GM(1,1)模型进行对比.结果表明,Prophet模型预测性能最佳,其MAE值与RMSE值分别为5 124.33、5 905.32,LSTM模型预测性能次之,ARIMA模型预测性能最差.     

厦门市工业总产值时间序列分析研究

运用传统时间序列季节模型和Box-Jenkins的随机序列模型ARIMA（p，d，g）模型分析法，选取1999年1月至2005年8月厦门市工业总产值资料，建立厦门市工业总产值动态预测模型进行试预测。探索合适的预测模型来对厦门市工业总产值进行短期预测。     

山西省城乡居民收入差距的时间序列分析

本文以 1978-2009年陕西省城乡居民收入差距的统计数据为依据,用ARIMA模型进行分析,结果显示 ARIMA（7,2,0）具有较为准确的预测效果.利用该模型对未来几年山西城乡居民收入差距进行分析.     

基于乘法ARIMA模型的公路客运量预测

在收集了2004-2007年我国公路客运量月度数据的基础上,进行时间序列分析,建立了我国公路客运量月度数据的求和自回归移动平均（ARIMA）模型。分析结果显示：与常用的多项式曲线预测模型和灰色预测模型相比,模型ARIMA（2,1,2）（1,1,1）12有更好的预测效果,可以用于我国公路客运量月度数据的短期预测。     

基于季节自回归单整移动平均模型的电梯交通流递归预测方法

针对电梯交通流预测提出了一种基于季节自回归单整移动平均（SARIMA）模型的递归预测方法．通过离线分析,对电梯交通流利用时间序列分析得到初始的SARIMA模型,引入异常值检测对训练数据中的异常值进行修正,利用修正的序列得到电梯交通流SARIMA模型;在线预测时,将离线得到修正的SARIMA模型转化为状态空间形式．通过Kalman滤波实时调整状态向量,实现电梯交通流的实时在线预测仿真表明该方法具有很好的预测性能,且运行时间短,满足实时性的要求．     

格木人工林节子的分布特征及预测模型

【目的】分析节子在格木(Erythrophleum fordii)生长过程中的发生、形成及分布特征,同时通过逐步回归分析,筛选出关键因子建立评判节子影响的多元回归模型。【方法】以30年生格木作为研究对象,利用树干解析方法对其节子的形成及分布特征进行研究。【结果】与地理方位相比,坡向是影响格木分枝分布的重要因素; 树干高度2.0～8.0 m的区段上分布的节子最多,此段是木材利用率最高部分,节子分布严重影响格木的利用价值; 分枝角度小于60°的分枝形成节子的直径均大于2.5 cm,直径越大死节长度越大,节子在木质部的跨度越大; 第1～15年是格木形成分枝的高峰期,分枝脱落及伤口愈合集中在第16～25年; 第11～20年间格木形成死节最多,该时段是控制死节形成的关键时期。通过逐步回归分析,筛选出分枝直径(BD)、分枝角度(IA)和分枝年龄(YB)3个关键因子,并建立了与节子发生点到愈合点距离(RT)的多元回归模型:y_RT=1.634 4x_BD+0.067 8x_IA+0.164 8x_YB-1.611 4(F=106.869 7,P=0.000 1)。【结论】可以利用该模型来预测格木分枝形成节子后对木材的影响状况。     

α-淀粉酶Amy7C及其突变体最适pH值的定量预测

【目的】pH值是影响酶催化效率的关键参数,通常需要通过实验方式才能确定生物酶的最适 pH 值,而该方式要消耗较多的人力、物力和时间。因此,有必要发展一种利用酶的简单结构信息即可预测其最适 pH 值的方法。【方法】以20-1前馈反向传播的神经网络为模型,完成535种氨基酸属性对α-淀粉酶 pH 值的拟合。同时,将α-淀粉酶 Amy7C及其54个突变体的数据分为2组,用35个酶作为训练组进行拟合,20个酶作为验证组进行检验,并对不同层次及神经元个数的模型进行比较。【结果】109个氨基酸属性可实现20-1神经网络模型收敛,表明这些氨基酸属性可用干预测α-淀粉酶的最适 pH值,但是不同氨基酸属性预测 pH 值的效果差别较大,只有部分指标预测 pH值的效果较好。多模型的分析结果显示,不同模型对训练组R值的结果具有显著性差异,而对训练组P值、验证组R值和验证组P 值结果无显著性差异。【结论】氨基酸分布概率等属性可用干预测α-淀粉酶的最适 pH值。20-1神经网络模型是预测α-淀粉酶最适 pH值相对理想的模型。     

渤海海域油污溯源模拟预测研究

【目的】发展有效、准确的溢油溯源预测技术,为渤海海域溢油污染防治以及责任认定提供参考。【方法】建立基于"拉格朗日"粒子追踪方法的油粒子数值溯源预测模型,利用集合预报方法,结合渤海海域气象、海洋环境驱动场,针对秦皇岛岸段发现的油污,通过溯源模型进行模拟,预测其可能来源,分析油污可能发生的原因。【结果】受海面风和海流的综合作用,冬季在秦皇岛北部海域的油污,多会在春季漂移至秦皇岛海域。【结论】本研究模拟预测方法针对不同的海域进行预测分析,可给出油污的可能来源,为溢油源的排查和应急处置提供技术支持。     

定量预测α-淀粉酶及其突变体的酶反应米氏常数

【目的】α-淀粉酶是一种重要淀粉水解酶，而Km值是酶反应中重要的参数，尝试建立一种利用α-淀粉酶初级结构定量预测米氏常数Km值的有效模型。【方法】通过神经网络模型，利用535种氨基酸属性定量预测α-淀粉酶 Amy7C及其52个突变体反应的Km值，其中33个酶用于模型训练，其余的用于模型验证。首先用双层的20-1前馈反向传播的神经网络进行预测，然后对多层神经网络模型进行筛选。【结果】535种氨基酸属性中有109种属性可以用模型预测，其中动态属性拟合结果较好，4个动态氨基酸属性中有3个属性可以用于模型预测，但拟合结果最好的氨基酸属性分别来自氨基酸理化性质和二级结构。对9种拟合和验证结果最好的氨基酸属性进行7种多层神经网络模型拟合，结果显示增加模型的复杂度并不能提高预测结果的精准度，表明较为简单的模型，如20-1或20-5-1是定量预测建模的首选。【结论】α-淀粉酶酶解反应的米氏常数Km ，可以利用某些氨基酸属性通过神经网络模型进行定量预测。为今后利用酶的初级结构定量预测酶反应中各参数最适条件提供思路。     

基于遥感影像的红树林虫害监测模型

【目的】研究遥感监测对红树林(Mangrove)虫害的适用性。【方法】应用资源一号02C卫星(ZY1-02C)影像和实地调查红树林虫害状况数据,结合影像光谱与纹理特征,采用多元逐步回归分析方法对广西铁山港湾的红树林虫害状况进行估测,并制作研究区红树林虫害状况空间分布图。【结果】估测模型可做为叶片损失情况预测的一种工具。【结论】本研究首次将遥感技术应用于红树林虫害的监测,大大提高红树林虫害的监测效率,项目成果极具推广意义。     

基于季节性自回归积分滑动平均与深度学习长短期记忆神经网络的降水量预测

降水量数据是一种非线性、非平稳的时序序列,传统的方法较难获取数据的变化规律,深度学习长短期记忆(long short-term memory,LSTM)能较好地处理多要素变量与降水量之间的非线性关系.利用扬州市区1960—2019年8种气象基本要素数据,采用传统季节性自回归积分滑动平均(seasonal autoreg...     

基于SARIMA-GA-Elman组合模型的短时交通流预测方法

针对单一模型无法深入挖掘交通流复杂的线性和非线性特征方面的局限性以及神经网络模型在训练时收敛速度缓慢等问题,提出了一种基于SARIMA-GA-Elman的组合预测模型.该组合模型有效地融合了季节性差分自回归滑动平均(seasonal autoregressive integrated moving average,SARIMA)模型良好的线性拟合能力和Elman递归神经网络强大的非线性映射能力;在预测过程中首先基于SARIMA滚动预测时间序列的线性分量,然后使用SARIMA模型的预测误差序列建立Elman-RNN构建非线性误差模型;此外在训练非线性误差模型的过程中使用经过二进制编码的遗传算法(genetic algorithm,GA)优化Elman-RNN,旨在提升Elman-RNN的训练效率,最后把两个模型的预测结果加权组合得到最终的预测值.实验结果表明,该组合模型在预测精度和鲁棒性方面相比单一模型都有较为明显的提升.     

基于神经网络和SARIMA模型的旅游需求探讨

拟对海南省旅游需求进行预测,采用旅游人数来度量旅游需求,收集相关部门数据,并通过分析旅游资源、环境、交通、费用和服务质量因素对旅游需求的影响,从而建立多元线性回归模型．在预测时,采用GM（1,1）得出各因素的预测值,然后通过神经网络进行海南省年旅游人数的预测,在对年内每月的旅游需求进行预测时,还考虑季节对旅游需求的影响,通过时间序列分析法,建立了SARIMA（3,1,2）（1,1,1）12模型,并进行了预测,结果表明,预测值符合实际人数．     

基于序列和结构特征的蛋白质自由能预测

【目的】蛋白质自由能不仅能准确地反应蛋白质的交互,而且对药物设计有巨大帮助。因此,选择建立精确的蛋白质自由能回归模型是非常有必要的。【方法】收集135对蛋白质复合物并计算600个特征,通过最小冗余最大相关(mRMR)选择与蛋白质自由能显著相关的特征并去除冗余特征,从而得到最小冗余最大相关的特征集,用筛选后的特征建立6种回归模型,并对选择后的特征进行移除对比分析特征的重要性;最后通过10折交叉验证对比得到最佳模型,预测蛋白质自由能。【结果】相对于其它方法,本研究所建立的模型在预测135对蛋白质复合物的性能,相对于其它方法有着较高的相关系数和较低平均绝对误差。【结论】本实验所用方法比其他方法选出的模型有更好的预测精度。