检索结果-内蒙古大学图书馆

测绘学报 2014年第2期43卷 118-124页

作者：张小红任晓东吴风波芦琪武汉大学测绘学院湖北武汉430079

在充分考虑乘积性季节模型的情况下,采用时间序列分析中的求和自回归移动平均模型(autoregressive integrated moving average,ARIMA)对TEC值序列进行预报分析。以欧洲定轨道中心(CODE)提供的2008—2012年电离层TEC值为样本数据,重点分... 详细信息

在充分考虑乘积性季节模型的情况下,采用时间序列分析中的求和自回归移动平均模型(autoregressive integrated moving average,ARIMA)对TEC值序列进行预报分析。以欧洲定轨道中心(CODE)提供的2008—2012年电离层TEC值为样本数据,重点分析该方法在不同电离层环境(电离层平静期和活跃期)和不同纬度下的预报性能以及影响该方法预报精度的因素分析等。试验结果表明:在预报精度方面,电离层平静期和活跃期预报6d的平均相对精度可达83.3%和86.6%;而平均预报残差分别为0.18±1.9TECU和0.69±2.6TECU,其中预报残差小于3TECU分别达到90%和81%以上;而且两个时期都具有纬度越高相对精度越低而绝对精度越高的规律。在影响因素方面,预报精度会随TEC样本序列长度增加而提高,但随着样本序列增加到一定值(约30d左右)后,其相对精度提高不大;而相同样本数据的预报精度则会随预报长度的增加而减小,初期并不明显,但超过30d其相对精度将随时间明显降低。

关键词：自回归移动平均模型电离层预报时间序列预报精度总电子含量

来源：评论

学校读者我要写书评

暂无评论

自回归移动平均模型在心血管疾病死亡预测中的应用

引用

上海预防医学 2021年第9期33卷 807-812页

作者：郭亮赖佳伟周小军罗蝶陈家言李佳俊妮南昌大学公共卫生学院江西省预防医学重点实验室江西南昌330006

【目的】基于自回归移动平均(ARIMA)模型,构建江西省渝水区居民心血管疾病死亡时间序列模型,为该地区心血管疾病防治工作提供数学模型支撑。【方法】基于江西省渝水区居民2014—2018年心血管疾病死亡的时序资料,使用Econometrics View ... 详细信息

【目的】基于自回归移动平均(ARIMA)模型,构建江西省渝水区居民心血管疾病死亡时间序列模型,为该地区心血管疾病防治工作提供数学模型支撑。【方法】基于江西省渝水区居民2014—2018年心血管疾病死亡的时序资料,使用Econometrics View 9.0软件构建ARIMA季节调整模型预测该地区居民2019—2021年心血管疾病死亡情况。【结果】江西省渝水区居民2014—2018年心血管疾病月度死亡数呈现长期上升趋势,季节规律明显,每年春季和冬季为心血管病死亡高峰期。将原始序列N1经一阶差分及一阶季节性差分后,序列n1表现出良好平稳性(P<0.05)。列出所有的理论模型并分别计算其模型参数,经统计学检验后,筛选出7个ARIMA季节调整备选模型,其中ARIMA(1,1,1)(1,1,1)12为最优模型,R^(2)=0.749,调整R^(2)=0.724,赤池信息准则(AIC)=8.454,施瓦兹准则(SC)=8.633,汉南-奎因准则(HQ)=8.515。ARIMA(1,1,1)(1,1,1)12模型的残差序列通过白噪声检验(P>0.05),预测效果良好。【结论】ARIMA(1,1,1)(1,1,1)12模型可以较准确地模拟江西省渝水区心血管疾病死亡的长期趋势及季节规律,并对其年度变化趋势及月度分布做出科学的预测。

关键词：自回归移动平均模型心血管疾病死亡居民渝水区,江西省

来源：评论

学校读者我要写书评

暂无评论

基于自回归移动平均模型与Joinpoint模型的血吸虫病防治相关文献发表量时间趋势分析

引用

预防医学情报杂志 2025年第3期41卷 409-416页

作者：朱宏儒邓瑶戎毅钱熠礼潘丽邹言峥陶璐秋国家卫生健康委员会寄生虫病预防与控制技术重点实验室江苏省寄生虫与媒介控制技术重点实验室江苏省血吸虫病防治研究所江苏无锡214064 江苏省疾病预防控制中心南京210000

目的探索基于自回归移动平均模型(autoregressive integrated moving average,ARIMA)与joinpoint模型分析血吸虫病防治相关文献发表量变化趋势,并反映血吸虫病研究开展情况的可行性。方法以“血吸虫病”和“血吸虫”为检索词检索中国知... 详细信息

目的探索基于自回归移动平均模型(autoregressive integrated moving average,ARIMA)与joinpoint模型分析血吸虫病防治相关文献发表量变化趋势,并反映血吸虫病研究开展情况的可行性。方法以“血吸虫病”和“血吸虫”为检索词检索中国知网与万方数据库中中文期刊论文与学位论文,以“schistosomiasis”“schistosome”和“schistosoma”为检索词检索PubMed数据库英文文献,时间范围均为1990年1月1日至2019年12月31日。排除重复文献后,统计各年份文献发表量,采用自回归移动平均模型与Joinpoint模型进行建模分析。结果1990—2019年血吸虫病相关中文文献累计95715篇,年均3190.5篇;英文研究文献共18144篇,年均604.8篇。ARIMA(1,2,0)模型可对本研究血吸虫病相关中文和英文文献发表量有效拟合(AR=-0.494、-0.590,t=-2.852、-3.718,P均<0.001;Q=7.185、28.029,P=0.981、0.545)。建立joinpoint模型发现,1990—2019年血吸虫病相关中文文献发表量变化趋势于1995(APC=9.7%,P<0.001)、2003年(APC=4.9%,P<0.001)和2006年(APC=24.3%,P=0.002)出现转折点;英文文献发表量变化趋势于2005、2014年出现转折点,但仅于2005—2014年间为增长趋势(APC=6.2%,P<0.001)。结论ARIMA模型和joinpoint模型均可对文献发表量变化趋势进行建模分析,其中joinpoint模型对识别文献发表量趋势变化情况更具优势。

关键词：血吸虫病文献时间趋势自回归移动平均模型 joinpoint模型

来源：评论

学校读者我要写书评

暂无评论

自回归移动平均模型在骨科Ⅰ类切口感染预测中的应用

引用

军事护理 2023年第11期40卷 36-39,44页

作者：陈丽杨玉妹方朕上海交通大学医学院附属第六人民医院感染控制办公室上海200233

目的应用自回归移动平均(autoregressive integrated moving average,ARIMA)模型建立骨科Ⅰ类切口感染预测模型,预测未来6个月的感染发病率。方法回顾性分析2013年1月至2021年12月上海交通大学医学院附属第六人民医院骨科Ⅰ类切口感染... 详细信息

目的应用自回归移动平均(autoregressive integrated moving average,ARIMA)模型建立骨科Ⅰ类切口感染预测模型,预测未来6个月的感染发病率。方法回顾性分析2013年1月至2021年12月上海交通大学医学院附属第六人民医院骨科Ⅰ类切口感染发病率数据。选取2013年1月至2021年6月的数据作为训练集,建立ARIMA模型;以2021年7-12月的发病率数据作为验证集,评价模型的预测效果,并预测未来6个月的发病率。结果2013年1月至2021年12月骨科Ⅰ类切口手术患者共有228647例,发生Ⅰ类切口感染628例,手术切口感染发病率为0.275%。ARIMA(1,0,0)(1,0,0)12为确定的最佳模型,2021年7-12月的实际值均落在预测值的95%可信区间范围内。采用该模型预测未来6个月的感染发病率依次分别为0.276%、0.283%、0.288%、0.285%、0.297%和0.291%。结论ARIMA模型能有效拟合、预测骨科Ⅰ类切口感染发病率,模型预测结果提示未来6个月内的发病率呈现低水平流行的态势,可为临床干预措施的实施提供科学依据。

关键词：骨科 Ⅰ类切口自回归移动平均模型预测感染

来源：评论

学校读者我要写书评

暂无评论

基于自回归移动平均模型拟合的高效心律失常自动分类研究

引用

生物医学工程学杂志 2021年第5期38卷 848-857,868页

作者：闫惠君莫思特黄华刘彦四川大学电气工程学院成都610065

心律失常的自动检测对于早期预防与诊断心血管疾病具有重要意义。传统的心律失常诊断受限于专家知识,缺乏多维的特征表示能力,算法复杂,不适用于穿戴式心电监测设备。本研究提出基于自回归移动平均(ARMA)模型拟合的特征提取方法,以不同... 详细信息

心律失常的自动检测对于早期预防与诊断心血管疾病具有重要意义。传统的心律失常诊断受限于专家知识,缺乏多维的特征表示能力,算法复杂,不适用于穿戴式心电监测设备。本研究提出基于自回归移动平均(ARMA)模型拟合的特征提取方法,以不同类型心拍作为模型输入,利用ARMA模型对心律失常信号以合适的阶数进行系数拟合,完成心电特征提取,并将特征向量分别输入支持向量机(SVM)与K近邻分类器(KNN)进行心电自动分类。所提算法采用MIT-BIH心律失常数据库与房颤数据库为数据集进行验证,结果表明:ARMA模型拟合系数组成的特征工程结合支持向量机分类器得到查全率为98.2%,查准率为98.4%,F1指数为98.3%。该算法具有较高的性能,满足临床诊断需求,算法复杂度低,可采用低功耗嵌入式处理器进行实时运算,适用于穿戴式心电监测设备的实时预警。

关键词：心律失常自回归移动平均模型心拍分割 R波提取支持向量机

来源：评论

学校读者我要写书评

暂无评论

我国疟疾报告病例数自回归移动平均模型预测研究

引用

中国血吸虫病防治杂志 2017年第4期29卷 436-440,458页

作者：侯慧玉宋华芹张顺先艾琳卢艳蔡玉春李石柱滕雪娇杨春利胡薇陈家旭河北省人民医院石家庄050051 中国疾病预防控制中心寄生虫病预防控制所卫生部寄生虫病原与媒介生物学重点实验室世界卫生组织热带病合作中心国家级热带病国际联合研究中心上海市皮肤病医院复旦大学生命科学学院微生物学与微生物工程系

目的采用自回归移动平均(Autoregressive integrated moving average,ARIMA)模型对全国(不含港澳台地区)疟疾月报告病例数进行预测研究,为疟疾的预防控制提供参考依据。方法通过SPSS 24.0软件,建立两个时间序列,分别为2006-2015年和2011... 详细信息

目的采用自回归移动平均(Autoregressive integrated moving average,ARIMA)模型对全国(不含港澳台地区)疟疾月报告病例数进行预测研究,为疟疾的预防控制提供参考依据。方法通过SPSS 24.0软件,建立两个时间序列,分别为2006-2015年和2011-2015年全国疟疾月报告病例数的时间序列,并建立最优ARIMA模型,以2016年1-12月全国疟疾月报告病例数进行验证。结果 2006-2015、2011-2015年两个不同时间序列建立的全国疟疾月报告病例数模型分别为ARIMA(2,1,1)(1,1,0)_(12)和ARIMA(1,0,0)(1,1,0)_(12),分别对2016年1-12月数据进行预测,基于2011-2015年数据建立的ARIMA模型的预测误差更小。结论模型的建立和预测应用是动态过程,需要不断根据积累的数据进行调整,从而提高预测精度,但同时要充分考虑传染病流行特征的重大变化等其他因素。

关键词：疟疾自回归移动平均模型预测

来源：评论

学校读者我要写书评

暂无评论

我国包虫病报告病例数自回归移动平均模型预测研究

引用

中国血吸虫病防治杂志 2018年第1期30卷 47-53页

作者：谭恩丽王正峰周文策李石柱卢艳艾琳蔡玉春滕雪娇张顺先党志胜杨春利陈家旭胡薇周晓农田利光兰州大学第一医院老年呼吸科兰州730000 兰州大学第一医院普外二科中国疾病预防控制中心寄生虫病预防控制所、国家卫生和计划生育委员会寄生虫病原与媒介生物学重点实验室、世界卫生组织热带病合作中心、国家级热带病国际联合研究中心上海市皮肤病医院复旦大学生命科学学院微生物学与微生物工程系

目的采用自回归移动平均模型(Autoregressive integrated moving average,ARIMA)对全国(不含港、澳、台地区)包虫病月报告病例数进行预测,为包虫病的防控提供科学参考。方法通过SPSS 24.0软件,分别以2007-2015年和2007-2014年全国包虫... 详细信息

目的采用自回归移动平均模型(Autoregressive integrated moving average,ARIMA)对全国(不含港、澳、台地区)包虫病月报告病例数进行预测,为包虫病的防控提供科学参考。方法通过SPSS 24.0软件,分别以2007-2015年和2007-2014年全国包虫病月报告病例数,分别建立最优的ARIMA模型,并进行模型比较。结果 2007-2015年全国包虫病月报告病例数的最优模型为ARIMA(1,0,0)(1,1,0)_(12),预测相对误差为-13.97%,AR(1)=0.367(t=3.816,P<0.001)、SAR(1)=-0.328(t=-3.361,P=0.001),Ljung-Box Q=14.119(df=16,P=0.590)。2007-2014年全国包虫病月报告病例数的最优模型为ARIMA(1,0,0)(1,0,1)12,预测相对误差为0.56%,AR(1)=0.413(t=4.244,P<0.001),SAR(1)=0.809(t=9.584,P<0.001),SMA(1)=0.356(t=2.278,P=0.025),Ljung-Box Q=18.924(df=15,P=0.217)。结论时间序列不同,所建立的预测模型可能不同。数据积累越多、预测时间越短、预测误差越小的情况还需得到进一步验证。模型的建立和预测应用是动态过程,需要不断根据积累的数据进行调整,但同时要充分考虑影响传染病报告病例数相关工作(普查和专项调查等)的影响。

关键词：包虫病月报告病例数自回归移动平均模型建模

来源：评论

学校读者我要写书评

暂无评论

应用自回归移动平均模型预测分析江西省流行性腮腺炎的发病趋势

引用

中华流行病学杂志 2023年第12期44卷 1911-1915页

作者：赵玉芹史景红徐菲郭世成江西省疾病预防控制中心南昌330029 北京科兴生物制品有限公司北京100085

目的:应用自回归移动平均模型(ARIMA)预测分析江西省流行性腮腺炎的发病趋势。方法:利用ARIMA对江西省2015-2019年每月流行性腮腺炎报告发病数进行建模,预测12个月的发病数,并与2020、2021、2022年报告发病数进行比较分析。结果:最优模... 详细信息

目的:应用自回归移动平均模型(ARIMA)预测分析江西省流行性腮腺炎的发病趋势。方法:利用ARIMA对江西省2015-2019年每月流行性腮腺炎报告发病数进行建模,预测12个月的发病数,并与2020、2021、2022年报告发病数进行比较分析。结果:最优模型为ARIMA(0,2,1)(1,2,0) 12。预测发病数显著高于2020、2021、2022年报告发病数。2020、2021、2022年流行性腮腺炎报告发病数较预测发病数分别减少54.02%、63.40%、66.09%。结论:2020-2022年江西省流行性腮腺炎报告发病数明显低于预测发病数,考虑与非药物干预措施、免疫策略的改变等有关,建议进一步加强流行性腮腺炎监测,以更好应对流行性腮腺炎疫情。

关键词：流行性腮腺炎自回归移动平均模型非药物干预预测

来源：评论

学校读者我要写书评

暂无评论

基于自回归移动平均模型各亚型流行性感冒流行特征与趋势预测

引用

疾病监测 2022年第10期37卷 1338-1345页

作者：戴皓云周楠任香罗飘异易尚辉全梅芳查文婷吕媛湖南师范大学医学院“分子流行病学”湖南省重点实验室湖南长沙410007

目的分析我国2010—2019年流行性感冒的流行特征和分布规律,预测各亚型流感发病趋势。方法采用ARIMA乘积季节模型,对流感数据进行原始序列预处理、模型识别、参数估计和统计建模,预测流感发病趋势。结果构建流感自回归移动平均模型(ARI... 详细信息

目的分析我国2010—2019年流行性感冒的流行特征和分布规律,预测各亚型流感发病趋势。方法采用ARIMA乘积季节模型,对流感数据进行原始序列预处理、模型识别、参数估计和统计建模,预测流感发病趋势。结果构建流感自回归移动平均模型(ARIMA)乘积季节模型,预测模型为ARIMA(1,2,1)(0,1,1)_(12),数据信息提取充分(Q=14.257,P>0.05),相对误差约10%;甲型流感预测模型为ARIMA(2,1,1)(0,2,2)_(12),数据信息提取充分(Q=13.236,P>0.05),预测2018年12月至2019年3月的甲型流感发病率较高,4月开始,发病率迅速下降,与实际情况相似,相对误差控制在10%以内;乙型流感预测模型为ARIMA(1,2,1)(1,0,1)_(12),数据信息提取充分(Q=9.841,P>0.05),但模型预测2019年乙型流感发病率较低,相对误差较高。结论流感、甲型流感ARIMA乘积季节模型预测效果较好;乙型流感预测模型数据信息提取充分,但相对误差较高,可能与乙型流感发病无明显的长期趋势有关。

关键词：流行性感冒自回归移动平均模型预测

来源：评论

学校读者我要写书评

暂无评论

自回归移动平均模型在北京市通州区乙型肝炎流行趋势预测中的应用

引用

寄生虫病与感染性疾病 2022年第3期20卷 141-145,158页

作者：苏彦萍孙晓伟张国峰北京市通州区疾病预防控制中心北京101100

目的利用自回归移动平均模型(ARIMA)对北京市通州区乙型肝炎(乙肝)病例数进行预测,为乙肝防制工作提供依据。方法收集2005-01/2018-12北京市通州区乙肝月报告病例数,应用SPSS 21.0软件建立ARIMA模型,预测2019-01/12乙肝病例数,并与实... 详细信息

目的利用自回归移动平均模型(ARIMA)对北京市通州区乙型肝炎(乙肝)病例数进行预测,为乙肝防制工作提供依据。方法收集2005-01/2018-12北京市通州区乙肝月报告病例数,应用SPSS 21.0软件建立ARIMA模型,预测2019-01/12乙肝病例数,并与实际值进行比较,评价模型的拟合和预测效果。结果 2005—2018年北京市通州区乙肝病例数时间序列为非平稳性时间序列,经差分处理为平稳序列。2005-01/2018-12乙肝病例数拟合最优模型为ARIMA(1,1,1)(0,1,1)_(12),残差分析统计量无统计学意义(Ljung-Box Q=17.475,P=0.291)。该模型拟合2019-01/12乙肝病例预测值与实际值的相对误差为0.14%,预测2019年乙肝病例数为716例。结论 ARIMA(1,1,1)(0,1,1)_(12)模型对北京市通州区乙肝病例数的拟合效果较好,可以预测未来流行趋势,为乙肝防控工作提供理论支持。

关键词：乙型肝炎自回归移动平均模型预测

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：