检索结果-内蒙古大学图书馆

智能计算机与应用 2022年第8期12卷 43-47,53页

作者：朱辰超刘雅雅上海理工大学管理学院上海200093

近年来中国人口老龄化问题日益严重,养老床位的需求日益增加,养老床位的合理化区域分配迫在眉睫。本文选用6个指标:65岁及以上人口数量、城镇单位就业人员数、城镇居民消费水平、城镇人口数据、基本养老保险基金支出、老年人口抚养比,... 详细信息

近年来中国人口老龄化问题日益严重,养老床位的需求日益增加,养老床位的合理化区域分配迫在眉睫。本文选用6个指标:65岁及以上人口数量、城镇单位就业人员数、城镇居民消费水平、城镇人口数据、基本养老保险基金支出、老年人口抚养比,收集历年中国31个省份的数据作为历史样本;运用K均值聚类得到床位需求高、中、低3个类别。依据分类结果分别进行BP神经网络的训练和判别分析的求解,对比发现BP神经网络的精确度更高,更适合用于养老床位需求的分类;运用灰色预测模型和差分整合移动平均自回归模型,得到2022年6个指标的预测值,将其输入BP神经网络,实现对2022年各省养老床位需求的分类;最后,运用熵权法对各类中各省养老床位的需求程度打分,提出一种地区化分配养老床位的方案。研究成果将对养老床位在中国各省的分配提供理论参考,实现养老床位供需均衡。

关键词：灰色预测模型 BP神经网络养老床位 K均值聚类差分整合移动平均自回归模型熵权法

来源：评论

学校读者我要写书评

暂无评论

广西政府办中医医院患者住院费用ARIMA模型预测

引用

社区医学杂志 2019年第8期17卷 475-480页

作者：韦柳丝张新花零春晴曾柳艳广西医科大学信息与管理学院

目的人均医疗费用是以货币形式评价患者疾病经济负担的重要指标,能系统反映一个国家或地区医疗服务需求及购买力情况。本研究旨在探索并预测广西政府办中医类医院住院患者疾病经济负担变化趋势。方法采用SPSS 17.0对2002-2017年广西政... 详细信息

目的人均医疗费用是以货币形式评价患者疾病经济负担的重要指标,能系统反映一个国家或地区医疗服务需求及购买力情况。本研究旨在探索并预测广西政府办中医类医院住院患者疾病经济负担变化趋势。方法采用SPSS 17.0对2002-2017年广西政府办中医类医院患者人均住院费用进行统计描述,基于Eviews 6(Econometrics Views 6)建立差分整合移动平均自回归模型(autoregressive integrated moving average model,ARIMA)预测2018-2022年患者人均住院费用值。结果 2002-2017年广西政府办中医类医院患者人均住院费用呈明显线性增长趋势,ARIMA(1,2,2)模型下的2018-2022年人均住院费用值达7 750.29、8 220.24、8 706.61、9 210.00和9 730.98元,年均增幅4.45%。结论通过广西中医类医院信息网升级建设以构建科学化费用监测体系。通过加大政府针对性投入、改革支付体系多样化、提高中医法制化建设,切实缓解人均住院负担急剧增长。

关键词：差分整合移动平均自回归模型政府办中医类医院人均住院费用

来源：评论

学校读者我要写书评

暂无评论

变分模态分解在光伏发电功率预测中的应用

引用

电力科学与工程 2020年第1期36卷 41-49页

作者：李伟进童国炜曾云洪罗晓王灵军空调设备及系统运行节能国家重点实验室(珠海格力电器股份有限公司) 广东珠海519070 珠海格力电器股份有限公司广东珠海519070

准确可靠的光伏发电功率预测对制定高效智能的负荷调度策略具有重要的指导意义。不同于常规方法,提出了一种基于变分模态分解和差分整合移动平均自回归模型的组合预测方法。变分模态分解可将原始信号分解为若干个具有不同中心频率和频... 详细信息

准确可靠的光伏发电功率预测对制定高效智能的负荷调度策略具有重要的指导意义。不同于常规方法,提出了一种基于变分模态分解和差分整合移动平均自回归模型的组合预测方法。变分模态分解可将原始信号分解为若干个具有不同中心频率和频率带宽的模态函数;差分整合移动平均自回归模型可对每一个模态函数建立预测模型。实验结果表明本文所提方法在对光伏发电功率预测时,优于基于经验模态分解法和局部均值分解法的预测模型,具有较高的预测准确度和稳健性。

关键词：光伏发电功率预测变分模态分解差分整合移动平均自回归模型

来源：评论

学校读者我要写书评

暂无评论

基于车联网的短时交通流预测

引用

江西公路科技 2019年第4期 69-72页

作者：赵军辉李磊华东交通大学信息工程学院江西南昌330013 江西省车联网关键技术工程实验室江西南昌330013

面对巨大的交通数据处理,传统的交通流预测模型预测效果不佳,为更深入分析路网的交通状况和实现交通优化控制策略,本文结合车联网技术,以交通流数据为研究对象,建立基于长短时记忆网络(Long Short Term Model,LSTM)的预测模型,选取美国... 详细信息

面对巨大的交通数据处理,传统的交通流预测模型预测效果不佳,为更深入分析路网的交通状况和实现交通优化控制策略,本文结合车联网技术,以交通流数据为研究对象,建立基于长短时记忆网络(Long Short Term Model,LSTM)的预测模型,选取美国加州PEMS系统的实际交通流数据作为实验数据,对比传统时间序列预测模型,发现LSTM预测模型比传统差分整合移动平均自回归模型(Auto Regressive Integrated Moving Average,ARIMA)的预测误差更小,同时也能达到更好的交通流预测效果.

关键词：交通流车联网长短时记忆网络差分整合移动平均自回归模型

来源：评论

学校读者我要写书评

暂无评论

利用ARIMA模型对医疗设备效益进行预测

利用ARIMA模型对医疗设备效益进行预测

引用

2016年湖北省医学会医学工程学分会学术年会暨医学工程青年发展论坛

作者：姜天广州军区武汉总医院医学工程科 430070

目的:医疗设备效益分析是医院一项重要的科学管理工作,关系到医院的投资管理运行等、本次研究利用ARIMA模型对选取的5个科室的设备效益进行预测,尝试将设备效益分析事后算账转向事前评估、事后分析. 方法:收集医疗设备效益数据,进行... 详细信息

目的:医疗设备效益分析是医院一项重要的科学管理工作,关系到医院的投资管理运行等、本次研究利用ARIMA模型对选取的5个科室的设备效益进行预测,尝试将设备效益分析事后算账转向事前评估、事后分析. 方法:收集医疗设备效益数据,进行整理汇总,利用ARIMA进行预测,在其达到最优模型的时候观察预测值与实际值的拟合度. 结果:选择了5个代表性的科室,分别得到了各个科室的最优的ARIMA模型.对心血管内科、泌尿外科、超声影像科的预测值与实测值的趋势是非常吻合的,而消化内科和眼科则出现了预测不平稳的现象.对于2015年各个科室前6个月的收益率预测显得平稳. 结论:利用ARIMA模型对医疗设备效益进行预测是一个探索性的、具有创新性的方法,具有一定的参考价值.

关键词：医院管理医疗设备效益分析差分整合移动平均自回归模型

来源：评论

学校读者我要写书评

暂无评论

时间序列模型在R上的自动化配适

时间序列模型在R上的自动化配适

引用

作者：梁其祐国立清华大学

学位级别：硕士

时间序列类型的资料在日常生活的多种应用领域皆无所不在，其中应用于像是金融经济相关领域，以及自然环境科学等领域当中。而在单变量的时间序列的模型建构上，移动平均自回归模型(ARMA) 因具有许多良好的性质，而成为单变量时间序列... 详细信息

时间序列类型的资料在日常生活的多种应用领域皆无所不在，其中应用于像是金融经济相关领域，以及自然环境科学等领域当中。而在单变量的时间序列的模型建构上，移动平均自回归模型(ARMA) 因具有许多良好的性质，而成为单变量时间序列建模中的热门方式。这类模型还可以近一步与季节性整合运算结合，发展成更强而有力的架构，季节性整合移动平均自回归模型(SARIMA). 在多变量时间序列上，向量自回归模型为实际应用上最受众人使用的模型之一，因为它可以以回归模型的形式示人外，其亦可以以解析解的方式被进行推论。这篇论文主要讨论关于季节性整合移动平均自回归模型以及向量自回归模型配适流程的探讨外，其中更特别着重于各类模型在R 语言当中的自动化配适函数的开发。与现在已存在于套件forecast 的自动化配适函数*** 相比，这篇论文是透过交叉验证(cross-validation) 的方法去决定模型内的架构参数，以及滞后顺序选择的使用，来发展模型的自动化配适。而在数值模拟实验当中，此论文所开发的自动化配适函数，可以获得较过去已开发函数更为有效的模型配适架构，其所配适的模型可以更为正确得筛选到正确的模型架构，且在测试集上有更佳的预测表现。但此论文中所开发的配适函数在资料量较大时，则需要花上更多的计算时间。最后将这个新方法套用于香水百合销量以及销价的资料集中，可以发现不仅仅在整个资料集上都有较佳的表现性能外，在信息标准(information criterion) 的评量下也可以得到更好的计算成果。此外在多变量模型向量自回归模型的自动配适上，此论文开发函数*** 在向量自回归模型于R 语言中，提供了自动配适的想法以及滚动窗口(rolling windows) 预测的开发。而此函数在数值模拟实验与实际应用资料集中也都有相当理想的表现成绩。

关键词：差分整合移动平均自回归模型自动化配适交叉验证信息标准模型筛选滚动窗口

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：