简介:摘要目的探讨惠州市气温对湿疹门诊人次的影响。方法从惠州市皮肤病防治所收集2016年1月1日至2019年12月31日湿疹门诊数据,同期气象因素(日均气温、相对湿度)数据源自广东省气候中心的86个气象站点。采用分布滞后非线性模型评估环境温度暴露对湿疹的滞后效应,采用自然平滑样条函数控制湿度的非线性混杂。结果惠州市皮肤病防治所4年内共报告湿疹门诊254 053人次,日均就诊173.89人次。日均气温与湿疹日就诊人次呈“U”型关联。低温段温度每降低1 ℃,湿疹发病风险上升2.20%(1.19%~3.21%),高温段温度每升高1 ℃,湿疹发病风险上升2.35%(1.24%~3.5%)。全人群中有1.60%(0.44%~2.68%)的湿疹门诊次归因于低温天气,即归因人次为4 065(1 128~6 798);6.33%(1.40%~10.87%)的湿疹门诊人次归因于高温天气,即归因人次为16 082(3 557~27 616)。结论高温和低温暴露均与湿疹就诊风险增加有关。
简介:根据混沌序列产生的确定性和非线性机制,基于Volterra级数和RLS算法,提出了一种少参数二阶非线性滤波算法用于混沌时间序列的自适应预测。仿真结果表明,这种非线性自适应滤波器能有效地预测一些超混沌序列,而且该滤波器的一步均方误差性能明显高于其他基于Volterra级数的NLMS算法,表明该算法具有良好的收敛性能。
简介:本文基于2003~2008年伦敦金属交易所(LME)3月镍、铜期货价格的日线数据,运用经典的时间序列R/S分析方法来研究镍、铜期货市场价格的非线性特征。分析结果显示:LME镍、铜期货市场价格波动是典型的有偏随机游动,H值均大于0.5,期货价格时间序列具有持久性趋势;LME镍、铜期货存在大约分别为447天和442天的非周期循环长度。
简介:摘要目的基于2005—2020年深圳市淋病疫情监测数据,构建自回归移动平均(ARIMA)模型以预测深圳市淋病报告发病率的时间趋势。方法采用R3.5.0软件建立ARIMA模型,包括模型识别、参数检验和诊断三个步骤。将时间序列分为训练集和验证集,其中2005年1月—2020年5月作为训练集进行模型的建立,2020年6—11月作为验证集进行模型的评估。对比模型的BIC值选择拟合最优的模型,并以平均绝对百分误差(MAPE)为评价标准。结果根据训练集得出最优模型为ARIMA(0,1,1)(2,1,1)12模型(BIC=370.51),应用模型预测2020年6—11月深圳市淋病发病率,发现有周期性波动以及继续下降的趋势,与真实值的发病率趋势相符。该模型MAPE值为18.35%,2020年6—11月的真实值均在预测值的95%CI内。结论ARIMA(0,1,1)(2,1,1)12模型可很好地拟合周期波动和长期趋势,能够应用于预测深圳市淋病发病趋势。
简介:摘要目的比较差分自回归移动平均模型和指数平滑模型在全国甲肝发病情况预测中的效果,为甲肝监测预警提供合适的数学模型。方法从公共卫生科学数据中心收集2010—2020年全国甲肝逐月发病数据,分别用差分自回归移动平均模型和指数平滑模型进行拟合,筛选出最优的差分自回归移动平均模型和指数平滑模型,再用最优模型分别预测2021年1—10月全国甲肝发病数,并比较预测精度。结果ARIMA(1,1,0)(1,0,0)12是最优的差分自回归移动平均模型,Holt-winters乘法模型是最优的指数平滑模型,两种模型预测的平均绝对百分比误差分别为15.64%和13.08%,平均绝对误差分别为144和124。结论Holt-winters乘法模型在全国甲肝逐月发病数预测中的精度更高,可用于数据波动不大时间序列的拟合预测。
简介:摘 要 由严重急性呼吸道综合征冠状病毒2型(SARS-CoV-2)所引起的2019冠状病毒(CoVid-19)疫情正在席卷全球。为了使人们更好地了解、评估和控制此次疫情,本文通过构造了一系列衡量疫情严重程度的时间序列数据,并利用逐步聚类及降维算法及最小二乘法回归分析等方法,对疫情已爆发的国家在疫情爆发期内的数据进行了时间序列和横截面的处理,构造了能够准确量化这些国家在疫情爆发后的疫情走势的疫情相对严重程度指标(Relative Severity Score)。在此基础上,通过对该指标和地理、人文和社会因素做回归分析,本文发现人口平均年龄、湿度、平均气温和风速对疫情爆发的相对严重程度具有显著的统计学意义。最后,通过将该指标带入到机器学习模型中使用回归分析对数据进行拟合,本文对疫情正在爆发的国家的未来疫情发展趋势进行了预测。
简介:基于时间序列分析方法对中国2000~2010年月度外汇储备余额数据序列进行建模,通过验证序列的趋势特征,并从中选择最佳拟合模型,预测中国2011年上半年外汇储备规模增长情况。实证分析结果表明,所选模型能较为精确的预测中国外汇储备规模,与实际偏差在0.3%以内,在外汇储备管理研究中将有较大应用价值。