检索结果-内蒙古大学图书馆

实用预防医学 2019年第6期26卷 656-658页

作者：王建书刘强覃江纯杭惠杨海兵苏州市疾病预防控制中心江苏苏州215004

目的探讨季节性差分自回归求和滑动平均(seasonal auto-regressive integrated moving average, SARIMA)模型在苏州市细菌性痢疾月发病数预测中的应用。方法利用R i386 3.2.3软件对2005年1月-2018年4月苏州市细菌性痢疾月发病数据构建SA... 详细信息

目的探讨季节性差分自回归求和滑动平均(seasonal auto-regressive integrated moving average, SARIMA)模型在苏州市细菌性痢疾月发病数预测中的应用。方法利用R i386 3.2.3软件对2005年1月-2018年4月苏州市细菌性痢疾月发病数据构建SARIMA模型,对2018年5-7月份细菌性痢疾的月发病人数进行预测,验证预测效果。结果建立了SARIMA(0,l,2)×(0,1,1)_(12)模型,Ljung-Box检验结果为Q=19.494,P=0.244,模型拟合效果良好,与2018年5-7月实际发病人数比较,实际值均在预测值95%可信区间内,相对误差的平均值为-0.147。结论 SARIMA(0,l,2)×(0,1,1)_(12)模型可以对苏州市细菌性痢疾月发病人数进行较好的预测。

关键词：细菌性痢疾季节性差分自回归滑动平均模型预测

来源：评论

学校读者我要写书评

暂无评论

应用SARIMA-GRNN组合模型分析肺结核流行的季节性特征

引用

预防医学 2019年第1期31卷 55-58页

作者：王华田昌伟王文明滕国兴昆山市疾病预防控制中心江苏昆山215300 苏州大学公共卫生学院

目的应用季节性差分自回归滑动平均模型(SARIMA)和广义回归神经网络(GRNN)组合模型分析肺结核流行的季节性特征,为预防和控制肺结核提供依据。方法通过国家卫生健康委员会官网收集2005—2017年全国肺结核疫情资料,应用SARIMA-GRNN组合... 详细信息

目的应用季节性差分自回归滑动平均模型(SARIMA)和广义回归神经网络(GRNN)组合模型分析肺结核流行的季节性特征,为预防和控制肺结核提供依据。方法通过国家卫生健康委员会官网收集2005—2017年全国肺结核疫情资料,应用SARIMA-GRNN组合模型分析我国肺结核流行的趋势和季节性特征。结果2005—2016年我国肺结核报告发病率平均每年下降3.17%,并且发病存在明显的季节性规律(3—6月为高峰)。SARIMA(0,1,1)(0,1,1)12模型较好的地拟合了我国肺结核发病长期趋势和季节性,其平均误差率为6.07%,决定系数为0.73。SARIMA(0,1,1)(0,1,1)12-GRNN组合模型的平均误差率为2.56%,决定系数为0.94。SARIMA(0,1,1)(0,1,1)12-GRNN组合模型预测的准确性优于SARIMA(0,1,1)(0,1,1)12模型,2017年的验证数据结果与此一致。结论2005—2016年中国肺结核报告发病率平均每年下降3.17%,肺结核的发病高峰集中在每年3—6月,具有明显的季节性。

关键词：肺结核季节性季节性差分自回归滑动平均模型广义回归神经网络

来源：评论

学校读者我要写书评

暂无评论

SARIMA模型和SARIMA-GRNN组合模型在肺结核发病率预测中的比较

引用

寄生虫病与感染性疾病 2019年第1期17卷 28-31页

作者：王华田昌伟王文明滕国兴昆山市疾病预防控制中心江苏苏州215300 苏州大学公共卫生学院江苏苏州215123

目的比较季节性差分自回归滑动平均模型(SARIMA)与SARIMA-广义回归神经网络(GRNN)组合模型在肺结核发病预测中的应用,探讨更为准确的模型为完善肺结核预测预警系统提供参考。方法研究纳入了2004-2017年间昆山市结核病月度发病数据,采用... 详细信息

目的比较季节性差分自回归滑动平均模型(SARIMA)与SARIMA-广义回归神经网络(GRNN)组合模型在肺结核发病预测中的应用,探讨更为准确的模型为完善肺结核预测预警系统提供参考。方法研究纳入了2004-2017年间昆山市结核病月度发病数据,采用时间序列分析中的SARIMA和GRNN技术。2004-2016年间的数据作为建模数据,2017年的数据作为验证数据。结果 2004-2017年间,昆山市肺结核发病率呈现缓慢下降趋势,平均每年下降2. 51%,且存在明显的季节性规律,冬春季较多。SARIMA (0,1,1)(0,1,1)_(12)模型较好的拟合了昆山市结核病发病长期趋势和季节性,其平均误差率为20. 66%,决定系数为0. 799。SARIMA (0,1,1)(0,1,1)_(12)–GNRR组合模型的评价误差率为13. 83%,决定系数为0. 833。SARIMA (0,1,1)(0,1,1)_(12)–GNRR组合模型较SARIMA(0,1,1)(0,1,1)_(12)模型的优越性在2017年度的验证数据中进步一得到证实。结论近年来肺结核发病逐渐下降;结核病的发病具有季节性,高峰集中在冬春季; SARIMA (0,1,1)(0,1,1)_(12)–GNRR组合模型较SARIMA(0,1,1)(0,1,1)_(12)模型能更好的拟合结核病发病长期趋势和季节性。

关键词：肺结核季节性差分自回归滑动平均模型广义回归神经网络

来源：评论

学校读者我要写书评

暂无评论

基于LSTM神经网络的临近空间大气风速预测方法研究

基于LSTM神经网络的临近空间大气风速预测方法研究

引用

第十七届全国电波传播年会

作者：杨少毅李娜丁宗华杨华中国海洋大学中国电波传播研究所电波环境特性及模化技术重点实验室云南昆明电磁波环境国家野外科学观测研究站

本文基于昆明地区(25.6°N,103.8°E)流星雷达在86km高度的大气风场数据,利用LSTM神经网络开展临近空间大气风速预测方法研究.本次所用的样本数据为2019年5月1日至6月23日纬向风和经向风数据(时间分辨率1h),利用过去5小时的数... 详细信息

本文基于昆明地区(25.6°N,103.8°E)流星雷达在86km高度的大气风场数据,利用LSTM神经网络开展临近空间大气风速预测方法研究.本次所用的样本数据为2019年5月1日至6月23日纬向风和经向风数据(时间分辨率1h),利用过去5小时的数据进行提前1步预测.与传统时间序列分析方法SARIMA相比,LSTM纬向风与经向风的均方误差分别为0.940、1.834,远小于SARIMA的均方误差9.523、12.439,同时LSTM神经网络算法将评价指标百分比提升至85.25%以上.因此,相比于传统时间序列分析预测方法,LSTM神经网络模型预测精度更高,性能更好.

关键词：临近空间风速预测季节性差分自回归滑动平均模型神经网络长短期记忆

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：