简介：以火灾统计数据中的火灾发生起数为研究对象,利用时间序列分析中的差分自回归移动平均模型对城市火灾进行预测。以北京市2000～2006年火灾数据为例,建立了乘积季节模型,进而预测了北京市2007年月火灾发生起数,并与实际值相比较,发现该模型预测结果较为准确,可用于对火灾作短期预测,预测结果可为消防部门的决策提供科学依据。

简介：目的：通过对海南省人均卫生费用的自回归移动平均（ARIMA）模型预测，为地方卫生行政部门的科学决策提供参考。方法：利用Eviews5.0统计软件对时间序列数据进行处理和分析，建立ARIMA模型进行预测和检验。结果：ARIMA（3，2，2）模型为海南省人均卫生费用提供了较好的预测，模型反映人均卫生费用呈现逐年增长的趋势。结论：人均卫生费用逐年增长，海南卫生行政部门应合理控制卫生费用增长。

简介：

简介：摘要目的比较差分整合移动平均自回归模型(ARIMA)和深度学习模型在吸脂操作数据预测分析方面的应用价值。方法选取2019年1至9月中国医学科学院整形外科医院符合入选标准的行吸脂手术患者，使用基于光学追踪系统和力传感技术的吸脂操作记录系统，采集高年资整形外科医生吸脂手术初始250~400 s的操作数据，包括运动学和力学数据。经预处理后将采集数据分成一个吸脂往复循环为一组的数据。分别使用ARIMA模型和深度学习模型处理分析采集到的数据，建立吸脂操作预测模型。用Matlab 2017软件产生随机数随机抽取30对共计60组吸脂循环数据，计算每对数据的动态时间规整(DTW)值作为检验标准，然后分别计算基于ARIMA模型与深度学习模型的各30组预测数据与实际数据之间的DTW值，与检验标准对比，对2种模型的预测结果进行验证。应用Matlab 2017软件进行统计分析，2组比较用独立样本t检验，P<0.05为差异有统计学意义。结果共入组18例患者，均为女性，年龄23~49岁，平均36.6岁。吸脂部位分别为腹部、大腿、腰部。共获得16 800组吸脂循环数据。模型检验标准DTW值为0.048±0.028。ARIMA模型预测数据与实际数据之间的DTW值为0.660±0.577，与检验标准比较差异有统计学意义(P<0.05)。深度学习模型得出的DTW值为0.052±0.030，与检验标准比较差异无统计学意义(P>0.05)。结论相比ARIMA模型，深度学习模型可以更准确地预测吸脂操作数据，能更好地适应不同情况的数据，并且具有更好的实时性。

简介：摘要随着移动支付技术的革新，越来越多的人体会到了移动支付方式的便利，但是公交第三方支付平台的商业盈利模式势必会引发了新的问题。本文通过引入AHP模型优化回归模型，进行设参，最后建立AHP模型优化下的公交移动支付回归模型。首先对数据进行预处理，进行统计分析。其次计算平台盈利，引入AHP模型计算指标权重，并归一化。最后建立回归模型，预测第三方支付平台的移动情况，加权得到其盈利方程并给予评价。

简介：研究了一类用于时间序列建模的混合自回归滑动平均模型，该模型是由m个ARMA分量经过混合得到的，给出了混合自回归滑动平均模型参数估计的期望极大化（EM）算法，从而得到了混合系数和分量模型的参数，通过仿真说明了其有效性。

简介：移动平均法是时间序列预测法中一类主要方法。在市场较稳定,短期内趋势变化不大情况下,是一种有效的预测方法。通过移动平均,就可以得出一个由移动平均数构成的新的时间序列,它把原有历史统计数据中的随机因素加以过滤,消除数据中的起伏波动状况,使不规则的数据大致规则化,以显示出预测对象的发展变化方向和趋势,根据这个演变规律就可以预测未来。由于其方法简单,容易掌握,适用于很多经济现象,因此,它做为一种主要的市场预测方法,被广泛使用。且每本教科书中都要介绍它,可见其实用性多么广泛。一般介绍使用的是一次移动平均法,二次移动平均和加权移动平均法,但有些书在介绍这些预测方法时,没有对这些方法的适用性作必要说明,也没有仔细研究预测结果佳否,笼统给以介绍。

简介：移动平均法是一种时间序列预测法，当时间序列没有明显的趋势变动时，使用移动平均就能够准确地反映实际情况。应用该方法，对单井产量及日产油能力进行了预测。实例证明，采用移动平均法得到的预测值是较真实的。

简介：本文研究长程选举模型的平均场极限，利用对偶关系和特怔函数方法证得长程选举模型的平均场极限满足下列微分方程：{^δu（t，r）/δt=∫^(1+1)^r(1-1)…∫^r(d+1)^r(d-1)u(t，(y1，…，yd))/2^dyd-u(t，r)u(0，r)=g(r)。

简介：目的:尝试建立中间型综合征的logistic回归模型,以便较为客观地预测中间型综合征(IMS)的早期发生.方法:连续观察2000年4月～2009年2月广西医科大学附属三院收治的急性有机磷农药中毒患者136例,按成组设计分为IMS组27例与非IMS组109例.观察指标为入院24h内的农药种类,服用剂量,复能剂量,洗胃次数,血糖,血钾,胆碱脂酶(AchE),红细胞,肝功白蛋白,年龄,是否出现烟碱样症状,呼吸骤停,阿托品化及导泻.采用logistic逐步回归方法筛选变量建立回归模型.结果:建立预测模型为:[LnR/(1-R)]＝-1.844+2.196烟碱样症状-0.053胆碱酯酶.ROC曲线下面积为0.884;Hosmer-Lemeshow拟合优度检验P值为0.469,表明模型拟合较好.结论:烟碱样症状和AchE作为IMS的两个主要因素建立回归模型后可应用于IMS的早期预测.

简介：通过对logistic混沌序列进行不同宽度的移动平均滤波，实验分析了移动平均滤波后Logistic混沌序列相图的变化规律，发现滤波后的系统行为一方面转向随机，另一方面还保留着一定程度的混沌行为。

简介：本文研究了含(α,c)型Fuzzy参数的回归预测模型,并将它推广为含此型参数的自回归情形.在确定参数时,不采用最小二乘法,而转化为求解—等价的规划问题,从而避免因参数不可微而引起的确麻烦。由此而建立的模型,将比经典模型包含更多的信息、

简介：摘要目的探讨利用自回归滑动平均模型法（ARIMA）对宁波市奉化区人口出生率数据进行预测的可行性。方法利用R3.5.0软件对浙江省宁波市奉化区1983—2013年出生率数据拟合ARIMA模型，对模型参数与残差进行统计学分析，并利用拟合的模型对奉化区2014—2018年的出生率进行预测。结果拟合的模型为ARIMA(0,1,0)，模型的残差分析表明残差符合白噪声过程。2014—2018年出生率预测相对误差率最大的年份是2017年为23.40%，相对误差率最小的是2015年为3.25%。结论ARIMA(0,1,0)模型能较好地拟合奉化区出生率的时间变化趋势，可用于未来奉化区出生率的短期预测。

简介：摘要：本文基于平均成本分析建立分档次收费的模型。首先通过了解居民收入水平确定分级档次，然后根据收入差率计算，得到居民生活垃圾处理所需平均成本分析模型。最后综合考虑居民垃圾排放量的多少、居民满意度以及平均成本分析模型进行分档次收费，最后提出奖惩建议。

简介：给出了多元线性回归的数学模型,通过最小二乘法对回归系数进行无偏估计,得出其估值理论方程及其性质,理论上讨论分析了该模型的解及其优点.

简介：纵向数据在生物、医学和经济学中的研究普遍使用。近年来，对纵向数据各种模型的研究引起国内外统计学者的广泛关注。本文建立了半参数纵向数据的Possion回归模型。并利用极大似然估计对此模型的参数进行了估计，讨论了它的Fisher信息矩阵，给出了似然方程的Newton-Raphson迭代求解过程。

简介：证明了在经典线性回归中,对同一组样本数据选取不同变量时,所得两条回归直线不重合,得出了这两条回归直线都通过点(x,y)及两直线夹角的正切计算公式,讨论了样本相关系数与回归直线的位置关系

简介：

简介：目的了解杭州市上城区主要肠道传染病的流行特征,探讨应用为自回归积分滑动平均模型(ARIMA模型)预测其发病趋势的可行性和适用性。方法应用SPSS20.0对2007-2016年杭州市上城区主要肠道传染病月发病数据建立ARIMA模型,以2017年1~12月的数据进行模型的验证,并外推2018年的发病趋势。结果2007-2016年细菌性痢疾和其他感染性腹泻的发病趋势总体呈下降趋势。细菌性痢疾的预测模型为ARIMA(1,1,1)(1,1,0)12,其他感染性腹泻的预测模型为ARIMA(2,0,2)(1,1,1)12,拟合效果均较好。2018年杭州市上城区细菌性痢疾的发病有下降的趋势,其他感染性腹泻的发病有上升的趋势,但幅度不大。结论ARIMA模型对杭州市上城区主要肠道传染病的发病趋势有较好的预测效果,可提供科学的防控依据。

简介：移动平均法是一种时间序列预测法,它是能从时间序列数据中去掉周期变动或随机波动的影响,从而进行数据分析的方法。借助移动平均线性预测模型,对2004—2013年某地区21岁以下（不含21岁）青少年吸毒原因的一些数据进行分析和预测,并结合相关结果,给出合理化禁毒建议。