排序方式： 共有3条查询结果，搜索用时 62 毫秒
1
1.
采用自回归移动平均(Autoregressive integrated moving average,ARIMA)模型对我国(不含中国港澳台)手足口病月报告的重症患者数进行预测研究,为该模型在手足口病及其它传染病预防控制中的应用提供参考依据。根据2010-2015年全国手足口病月报告重症患者数时间序列,以2016年1-9月的月报告重症患者数作为验证数据,建立我国手足口病月报告重症患者数的ARIMA模型,并与2010-2014年数据建立的模型进行比较。2010-2014、2010-2015年两个不同时间序列建立的我国手足口病月报告重症患者数模型分别为ARIMA(1,1,0)(2,1,0)12、ARIMA(0,1,1)(2,1,0)12。以上两个不同时间序列预测结果比较发现,数据积累较多,预测的平均相对误差变小,但预测时间越短尚未发现平均相对误差较小。同一研究内容,时间序列年代不同,所建立的预测模型可能不同;认为ARIMA模型数据积累越多、预测时间越短、预测误差越小的情况还需得到进一步验证。 相似文献
2.
采用自回归移动平均(Autoregressive integrated moving average,ARIMA)模型对我国(不含中国港澳台)手足口病月报告的重症患者数进行预测研究,为该模型在手足口病及其它传染病预防控制中的应用提供参考依据。根据2010-2015年全国手足口病月报告重症患者数时间序列,以2016年1-9月的月报告重症患者数作为验证数据,建立我国手足口病月报告重症患者数的ARIMA模型,并与2010-2014年数据建立的模型进行比较。2010-2014、2010-2015年两个不同时间序列建立的我国手足口病月报告重症患者数模型分别为ARIMA(1,1,0)(2,1,0)12、ARIMA(0,1,1)(2,1,0)12。以上两个不同时间序列预测结果比较发现,数据积累较多,预测的平均相对误差变小,但预测时间越短尚未发现平均相对误差较小。同一研究内容,时间序列年代不同,所建立的预测模型可能不同;认为ARIMA模型数据积累越多、预测时间越短、预测误差越小的情况还需得到进一步验证。 相似文献
1